CN111475664A - 对象展示方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种对象展示方法、装置及电子设备。该方法包括：响应于目标用户触发目标对象的触控消息，获取目标用户的用户特征；基于图片推荐模型，根据目标对象图片的对象特征以及用户特征，从背景图片数据库中，选取与目标对象图片对应的目标背景图片；根据目标对象图片以及目标背景图片，生成用于向目标用户展示目标对象的合成图片。

Description

对象展示方法、装置及电子设备

技术领域

本发明涉及计算机技术领域，更具体地，涉及一种对象展示方法、装置及电子设备。

背景技术

随着互联网技术飞速发展以及终端智能化普及，越来越多的用户已经习惯于通过手机、掌上电脑、平板电脑这类终端设备上访问网络搜索、浏览获取信息。相应的，具有信息发布需求的用户(例如，期望发布物品推广信息的商家)越来越重视通过互联网发布信息能获取的用户关注度。特别是对于期望发布物品推广信息的商家，在电商竞争日益激烈的当下，尤其关注通过发布信息推广物品带来的用户关注度。

目前，具有信息发布需求的用户，通常基于信息流形式进行信息发布，可以令访问网络的用户能快速地获取信息，更容易引起用户关注。但是，期望发布物品推广信息或者其他对象推广信息的用户，通常在发布信息时，都是直接使用的是物品或者对象的原始图片，作为推广物品的推广图片。但这些推广图片与实际发布信息所在的信息流环境并不相融，十分影响物品推广效果，相应会降低用户关注度。

例如，在发布物品推广信息时，通常将物品在电商平台上架时使用的商品图片作为推广图片，而商品图片大多为白底上不同角度的物品照片，这样的图片用在电商平台是合适的，因为简洁明快的风格能够方便用户浏览不同物品。但是在信息流环境中，纯白色底的图片样式新闻很少，难以与信息流环境的原生态相融，显得十分突兀，影响推广效果。

发明内容

本发明的一个目的是提供一种用于展示对象的新技术方案。

根据本发明的第一方面，提供了一种对象展示方法，包括：

响应于目标用户触发目标对象展示的触控消息，获取所述目标用户的用户特征；

基于图片推荐模型，根据目标对象图片的对象特征以及所述用户特征，从背景图片数据库中，选取与所述目标对象图片对应的目标背景图片，所述目标对象图片记录了所述目标对象；

根据所述目标对象图片以及所述目标背景图片，生成用于向所述目标用户展示所述目标对象的合成图片。

可选地，所述基于图片推荐模型，根据目标对象图片的对象特征以及所述用户特征，从背景图片数据库中，选取与所述目标对象图片对应的目标背景图片的步骤包括：

分别对所述背景图片数据库中包括每张所述背景图片，根据所述背景图片的背景特征、所述用户特征以及所述对象特征作为所述图片推荐模型的输入，基于所述图片推荐模型获取每张所述背景图片的图片推荐值；

选取所述图片推荐值最高的所述背景图片，作为所述目标背景图片。

进一步可选地，所述图片推荐模型中包括多个模型特征以及图片推荐权重集合，所述图片推荐权重集合包括多个特征权重，每个所述特征权重与一个所述模型特征唯一对应；

所述分别对所述背景图片数据库中包括每张所述背景图片，将所述背景图片的背景特征、所述用户特征以及所述对象特征作为图片推荐模型的输入，基于所述图片推荐模型获取每张所述背景图片的图片推荐值的步骤包括：

根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值；

根据所述图片推荐权重集合以及已确定的所述每个所述模型特征对应的取值，获取所述背景图片的图片推荐值。

更进一步可选地，所述图片推荐模型中包括的多个模型特征分别属于多个不同的特征类，所述多个特征类中包括与对象图片相关的对象特征类、与背景图片相关的背景特征类以及与用户相关的用户特征类；

所述根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值的步骤，包括：

根据所述背景特征，确定所述背景特征类中包括的每个所述模型特征的取值；

根据所述对象特征，确定所述对象特征类中包括的每个所述模型特征的取值；

根据所述用户特征，确定所述用户特征类中包括的每个所述模型特征的取值。

可选地，所述模型特征中还包括分别与对象图片以及背景图片相关的交叉特征类；

所述交叉特征类中至少包括一个与颜色距离对应的模型特征，所述颜色距离是对象颜色直方图分布与背景颜色直方图分布相似性的距离；

所述根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值的步骤，还包括：

根据所述对象特征以及所述背景特征，确定所述交叉特征类中包括的每个所述模型特征的取值。

可选地，所述用户特征至少包括用户画像特征以及用户请求特征其中之一；

所述用户画像特征是根据预设的统计时段内获取的用户画像数据提取的特征；所述用户请求特征是根据用户触发展示对象时的用户状态获取的特征。

可选地，所述方法还包括训练所述图片推荐模型的步骤，包括：

根据统计时段内获取的训练样本的集合，构建所述图片推荐模型包括的多个模型特征；

其中，每个所述训练样本包括一个用户的所述用户特征、一张对象图片的对象特征以及一张背景图片的所述背景特征；

分别确定每个训练样本的每个所述模型特征的取值；

根据每个所述训练样本的每个所述模型特征的取值，以包括多个特征权重的图片推荐权重集合为变量，分别确定每个所述训练样本的图片推荐值表达式；

分别根据每个所述训练样本的实际推荐值，以根据多个所述训练样本的所述图片推荐值表达式以及所述实际推荐值，构建损失函数；

其中，所述实际推荐值是根据与所述训练样本对应的实际图片被展示给与所述训练样本对应的用户后得到的实际反馈获取的，所述实际图片是根据与所述训练样本对应的所述对象图片以及所述背景图片生成的图片；

求解所述损失函数，确定所述图片推荐权重集合的每个所述特征权重的取值，完成本次对所述图片推荐模型的训练。

可选地，所述求解所述损失函数的步骤包括：

设置所述图片推荐权重集合包括的每个所述特征权重的初始值为预设数值范围内的随机数；

将设置初始值后的所述图片推荐权重集合代入所述损失函数中，进行迭代处理；

当所述迭代处理得到的所述图片推荐权重集合符合收敛条件时，终止所述迭代处理，确定所述图片推荐权重集合的每个所述特征权重的取值，否则，继续所述迭代处理。

根据本发明的第二方面，提供一种对象展示装置，其中，包括：

特征获取单元，用于响应于目标用户触发目标对象展示的触控消息，获取所述目标用户的用户特征；

背景选取单元，用于基于图片推荐模型，根据目标对象图片的对象特征以及所述用户特征，从背景图片数据库中，选取与所述目标对象图片对应的目标背景图片，所述目标对象图片记录了所述目标对象；

图片生成单元，用于根据所述目标对象图片以及所述目标背景图片，生成用于向所述目标用户展示所述目标对象的合成图片。

根据本发明的第三方面，提供一种电子设备，其中，包括：

存储器，用于存储可执行指令；

处理器，用于根据所述可执行指令的控制，运行所述电子设备所述可执行如本发明的第一方面所述的对象展示方法。

根据本公开的一个实施例，通过获取触发展示对应的用户所具有的用户特征以及记录了对象的对象图片所具有的对象特征，基于图片推荐模型，从背景图片数据库中选取与对象图片对应的背景图片，根据背景图片以及对象图片生成合成图片来向用户展示对象，实现以与展示环境相融合的、并符合用户个性化展示需求的背景来展示对象，提升对象展示效果，给予用户更好的对象展示体验。相应地提升对象展示后获取的用户关注度。尤其适用于在信息流环境中展示推广的物品。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是显示可用于实现本发明的实施例的电子设备1000的硬件配置的例子的框图。

图2示出了本发明的实施例的对象展示方法的流程图。

图3示出了本发明的实施例的训练图片推荐模型的步骤的流程图。

图4示出了本发明的实施例的图片推荐装置3000的框图。

图5示出了本发明的实施例的电子设备4000的框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<硬件配置>

图1是示出可以实现本发明的实施例的电子设备1000的硬件配置的框图。

电子设备1000可以是便携式电脑、台式计算机、手机、平板电脑等。如图1所示，电子设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。

图1所示的电子设备仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中，电子设备1000的所述存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的任意一项对象展示方法。本领域技术人员应当理解，尽管在图1中对电子设备1000示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，电子设备1000只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

本实施例的总体构思，是提供一种用于展示对象的新技术方案，通过获取触发展示对应的用户所具有的用户特征以及记录了对象的对象图片所具有的对象特征，基于图片推荐模型，从背景图片数据库中选取与对象图片对应的背景图片，根据背景图片以及对象图片生成目标对象的合成图片来向用户展示对象，实现以与展示环境相融合的、并符合用户个性化展示需求的背景来展示对象，提升对象展示效果，给予用户更好的对象展示体验。相应地提升对象展示后获取的用户关注度。尤其适用于在信息流环境中展示推广的物品。

<实施例>

在本实施例中，提供一种对象展示方法。对象是任意具有可视形象可被展示的实物、景物、人像、二维或三维动画形象等。例如，对象可以是被推广的商品。

如图2所示，对象展示方法包括：步骤S2100-S2300。

步骤S2100，响应于目标用户触发目标对象展示的触控消息，获取目标用户的用户特征。

在本实施例中，目标对象的展示环境通常是由安装在具有显示装置的电子设备中的、提供对象展示服务的应用提供，该应用可以通过显示装置上显示提供人机交互功能的应用界面，展示包含目标对象的图片来展示目标对象。目标用户可以通过点击、滑动等操作触发应用展示对应的应用界面或者刷新应用界面，就可能会对应生成触控消息触发展示目标对象。

例如，应用是提供信息流服务的应用，可以持续更新并呈现给用户碎片化的信息内容，当目标用户点击运行应用使用应用展示应用界面、或者通过滑动操作刷新应用界面，对应生成触控消息，当响应于该触控消息应用界面中展示的信息内容中包含目标对象时，就意味着目标用户触发展示目标对象。

在本实施例中，用户特征是与用户的个性化对象展示需求相关的特征。例如，用户特征至少包括用户画像特征以及用户请求特征其中之一。

用户画像特征是根据预设的统计时段内获取的用户画像数据提取的特征。用户画像特征至少包括用户兴趣标签、用户关键词以及用户地域。用户兴趣标签可以根据用户在预设的统计时段内浏览或点击的历史信息的信息标签中选取，例如，可以选取重复率降序排序在前的符合预设数目的信息标签作为用户兴趣标签。用户关键词可以根据用户在预设的统计时段内搜索信息使用的搜索词的历史记录中获取，例如，可以根据用户在预设的统计时段内搜索频次降序排序在前的符合预设数目的搜索词作为用户搜索词。用户地域可以通过用户注册时提供的信息获取。

用户请求特征是根据用户触发展示对象时的用户状态获取的特征。用户请求特征至少包括网络环境、当前位置、当前时间、当前天气。网络环境是用户触发展示对象时、实施触发行为所使用的电子设备所处的网络环境，可以是WIFI、2G/3G/4G/5G等。当前位置是用户触发展示对象时的当前位置，可以通过用户实施触发行为所使用的电子设备的定位装置例如GPS来获取。当前时间是用户触发展示对象时的时间，可以通过用户实施触发行为所使用的电子设备具有的时间应用获取。当前天气是用户触发展示对象时的天气，可以通过用户实施触发行为所使用的电子设备具有的天气应用获取。

在本实施例中，可以根据用户特征中包括具体特征内容，通过在预设的统计时段内获取用户画像数据得到用户画像特征后存储在本地，以供在用户触发展示对象时直接读取，或者通过用户触发展示对象时实时获取用户状态来获取用户特征，在此不做赘述。

步骤S2200，基于图片推荐模型，根据目标对象图片的对象特征以及用户特征，从背景图片数据库中，选取与目标对象图片对应的目标背景图片。

目标对象图片记录了目标对象，可以是包含有目标对象的任意图片。

图片推荐模型是根据收集的多个训练样本训练的模型，用于评估背景图片是否适用于向目标用户展示目标对象。

对象图片是包含对象的图片。对象图片的对象特征是体现对象图片展示的对象的图像属性的特征。对象特征至少包括对象的形状尺寸、对象颜色直方图分布、对象属性标签。对象的形状尺寸包括对象的形状类型、形状宽度、形状长度、形状高度等。对象颜色直方图分布是描述的是不同色彩在整个对象图片中所占的比例分布。对象属性标签是与对象固有属性相关的标签，可以根据对象的具体类型设置，例如，对象是商品时，对象属性标签可以包括商品名称、品牌、价格等。在本实施例中，对象特征可以通过对对象图片进行图片分析获取，也可以由具有对象展示需求的用户(例如，具有商品推广需求的用户)提供。

目标对象图片是包含目标对象的图片。在一个例子中，本实施例中提供的对象展示方法还包括：

对包含目标对象的原始图片进行图片分割处理，获取原始图片中仅包含目标对象的图片部分，作为目标对象图片。

包含目标对象的原始图片可以是包含目标对象但是图片中背景部分与展示环境不相融的图片，例如，目标对象是推广的物品、展示环境是信息流环境时，原始图片是物品在电商平台上架时使用的商品图片，在商品图片中的背景部分与信息流环境的原生态并不相融，显得突兀。

在本例中，可以通过例如FCN(Fully Convolutional Networks for SemanticSegmentation,全卷积网络图像语义分割)等图像分割技术将原始图片分割为多个图片部分，再基于对原始图片的先验信息(例如，目标对象一般处于原始图片的中心或者目标对象是规则的集合图形等)确定哪个图片部分是仅包含目标对象的图片部分，或者，可以基于帧差法等图像处理方法将原始图片分割为背景图片部分和前景图片部分，确定前景图片部分是仅包含目标对象的图片部分等等。

在获取原始图片中仅包含目标对象的图片部分后，对应就能得到仅包含目标对象的目标对象图片。

背景图片数据库中包括多张背景图片。背景图片是与展示环境的原生态相融、适用于作为背景的图片。例如，展示环境是信息流环境时，背景图片是适用于信息流环境中作为背景的、与信息流环境的原生态相融的图片。

在本实施例中，可以通过人工收集获取得到授权的图片，并对图片进行处理使得符合展示环境的需求(例如裁减成符合展示环境中展示的尺寸、大小)，以此得到多张背景图片构成背景图片数据库。此外，在构建背景图片数据库时，可以对每张背景图片设置背景图片信息，包括但不限于：拍摄地点、拍摄时间、拍摄内容、主题、主体颜色等，并且，还可以同时生成背景图片的图片ID，图片大小，图片入库时间等，便于背景图片数据库的管理。

基于图片推荐模型，根据对象特征以及用户特征，从背景图片数据库中选取与目标对象图片对应的目标背景图片，是与目标对象的展示环境相融合的、符合用户的个性化的对象展示需求的背景图片，可以结合后续步骤通过目标背景图片和目标对象图片生成合成图片来展示目标对象，实现以与展示环境相融合的、并符合用户个性化展示需求的背景来展示目标对象，给予用户更好的对象展示体验。相应地提升对象展示后获取的用户关注度。尤其适用于在信息流环境中展示推广的物品。

在一个例子中，步骤S2200可以包括：步骤S2210-S2220。

步骤S2210，分别对背景图片数据库中包括每张背景图片，将背景图片的背景特征、用户特征以及对象特征作为图片推荐模型的输入，基于图片推荐模型获取背景图片的图片推荐值。

背景特征是体现背景图片展示的背景的图像属性的特征。背景特征至少包括背景颜色直方图分布、背景季节、背景地点、背景主题、被引用次数、点击率。背景颜色直方图分布，是描述的是不同色彩在整个背景图片中所占的比例分布。背景季节是背景图片体现的季节类型。背景地点是背景图片体现的地点位置。背景主题时背景图片体现的主题类型或主题标签。被引用次数是对应的背景图片被选取做背景的次数。点击率是对应的背景图片被选取做背景展示对象后的点击比率，可以根据在预设的统计时段中背景图片被选取做背景展示对象的被点击次数与背景图片被选取做背景展示对象的总次数求取。

在本例中，图片推荐模型用于根据用户特征、对象特征以及背景特征，获取对目标用户使用一张背景图片展示目标对象的图片推荐值。

通过图像推荐模型获取目标用户使用一张背景图片展示目标对象的图片推荐值，可以综合目标用户对于对象展示的个性化需求、目标对象本身与背景图片的匹配度，精准、有效地评估与展示环境相融的背景图片用于作为背景展示目标对象时对目标用户产生的吸引度，以便结合后续步骤，选取最适合展示目标对象的目标背景图片。

在一个具体的例子中，图片推荐模型中包括多个模型特征以及图片推荐权重集合。每个模型特征具有唯一的特征标识，特征标识用于唯一标识模型特征，例如，特征标识可以预先设置的编号等，或者，可以通过例如独热码(one hot code)对每个模型特征提取文本特征编码得到特征标识。图片推荐权重集合包括多个特征权重，每个特征权重与一个模型特征唯一对应。

在本例中，步骤S2210可以包括：步骤S2211-S2212。

步骤S2211，根据背景特征、用户特征以及对象特征，确定图片推荐模型中每个模型特征的取值。

如前文所述，背景特征可以至少包括背景颜色直方图分布、背景季节、背景地点、背景主题、被引用次数、点击率。用户特征可以至少包括用户画像特征以及用户请求特征其中之一。用户画像特征可以至少包括用户兴趣标签、用户关键词以及用户地域。用户请求特征可以至少包括网络环境、当前位置、当前时间、当前天气。对象特征可以至少包括对象的形状尺寸、对象颜色直方图分布、对象属性标签。

图片推荐模型中包括多个模型特征，分别属于多个不同的特征类。每个特征类包括至少一个模型特征。图片推荐模型包括多个不同的特征类。多个特征类中包括与对象图片相关的对象特征类、与背景图片相关的背景特征类以及与用户相关的用户特征类。

对象特征类中包括的模型特征与对象图片相关。例如，对象特征类中包括的模型特征可以包括对象的形状尺寸、对象颜色直方图分布、对象属性标签。在训练图像推荐模型时，可以根据获取的每个训练样本中包括的对象特征具体包括的特征内容构建模型特征。例如，将每个不同的对象的形状尺寸分别作为一个模型特征、每个不同的对象颜色直方图分布分别作为一个模型特征、每个不同的对象属性标签分别作为一个模型特征，具体地，假设一个训练样本中的对象特征的对象属性标签中，商品品牌“XX品牌”，对应的，可以设置一个模型特征为“商品品牌：XX品牌”，以此类推，构建属于对象特征类的模型特征。

背景特征类中包括的模型特征与背景图片相关。例如，背景特征类中包括的模型特征可以包括背景颜色直方图分布、背景季节、背景地点、背景主题、被引用次数、点击率。在训练图像推荐模型时，根据获取的每个训练样本中包括的背景特征具体包括的特征内容构建模型特征，例如，将每个不同的背景颜色直方图分布分别作为一个模型特征、每个不同的背景季节分别作为一个模型特征等等，具体地，假设一个训练样本中的背景特征中，背景地点是“A地”，对应的，可以设置一个模型特征为“背景地点：A地”，以此类推，构建属于背景特征类的模型特征。

用户特征类中包括与用户相关的模型特征。用户特征类中包括的模型特征可以包括用户兴趣标签、用户关键词、用户地域、网络环境、当前位置、当前时间、当前天气。在训练图像推荐模型时，根据获取的每个训练样本中包括的用户特征具体包括的特征内容构建模型特征，例如，将每个不同的用户兴趣标签分别作为一个模型特征、每个不同的用户关键词分别作为一个模型特征等等，具体地，假设一个训练样本中的用户特征中，用户地域是“B地”，对应的，可以设置一个模型特征为“用户地域：B地”，以此类推，以此类推，构建属于用户特征类的模型特征。

在一个例子中，图片推荐模型的模型特征中还可以包括分别与对象图片以及背景图片相关的交叉特征类。交叉特征类中至少包括一个与颜色距离对应的模型特征。颜色距离是颜色距离是对象颜色直方图分布与背景颜色直方图分布相似性的距离。具体地，颜色距离可以是根据对象颜色直方图分布与背景颜色直方图分布获取的巴氏距离、曼哈顿距离或者其他体现对象颜色直方图分布与背景颜色直方图分布之间的相似性的相似距离。

具体地，可以在训练图片推荐模型中，根据每个训练样本中包括的对象特征中的对象颜色直方图分布以及该训练样本中包括的背景特征中的背景颜色直方图分布，计算获取对象颜色直方图分布与背景颜色直方图分布之间的巴氏距离、曼哈顿距离或者其他体现对象颜色直方图分布与背景颜色直方图分布之间的相似性的相似距离作为颜色距离。

与颜色距离对应的模型特征，可以是颜色距离在不同距离范围的多个模型特征。距离范围可以根据训练图片推荐模型中使用的训练样本中具体获取的颜色距离的分布范围设置，也可以根据工程经验值设置。

在这个更具体的例子中，步骤S2211可以包括：

根据背景特征，确定背景特征类中包括的每个模型特征的取值；

根据对象特征，确定对象特征类中包括的每个模型特征的取值；

以及，根据用户特征，确定用户特征类中包括的每个模型特征的取值。

例如，根据背景特征，设置背景特征类中包括的每个模型特征的取值的步骤，可以包括：

当背景特征中包括背景特征类中的一个模型特征时，设置该模型特征的特征取值为1；当背景特征中不包括背景特征类中的一个模型特征时，设置该模型特征的特征取值为0。

比如，背景特征中包括的背景季节是秋季，背景特征类中的一个模型特征是“背景季节是秋季”，对应可以确定背景特征中包括模型特征“背景季节是秋季”，这个模型特征的取值为1；

而背景特征类中的一个模型特征是“背景季节是冬季”，对应可以确定背景特征中不包括模型特征“背景季节是冬季”，这个模型特征的取值为0。

类似的，上述根据对象特征设置对象特征类中包括的每个所述模型特征的取值的步骤、根据用户特征设置用户特征类中包括的每个模型特征的取值的步骤也可以通过类似的方式实施，在此不再赘述。

在上述的一个例子中，图片推荐模型的模型特征中还可以包括分别与对象图片以及背景图片相关的交叉特征类。交叉特征类中至少包括一个与颜色距离对应的模型特征。对应的，根据背景特征、用户特征以及对象特征，确定图片推荐模型中每个模型特征的取值的步骤，还包括：

根据对象特征以及背景特征，确定交叉特征类中包括的每个模型特征的取值。

例如，假设交叉特征类中包括分别与不同的颜色距离的取值范围对应的、多个模型特征，可以根据对象特征中的对象颜色直方图分布以及背景特征中的背景颜色直方图分布，计算获取对象颜色直方图分布与背景颜色直方图分布之间的颜色距离，而根据该颜色距离的具体取值所在的颜色距离的取值范围，确定与该颜色距离的取值范围对应的模型特征的特征取值为1，与其他的颜色距离的取值范围对应的模型特征的取值为0。

在确定图片推荐模型中包括的所有模型特征的取值之后，进入：

步骤S2212，根据图片推荐权重集合以及已确定的每个模型特征对应的取值，获取背景图片的图片推荐值。

假设图片推荐模型中包括n个模型特征f₁,f₂,......,f_n，图片推荐权重集合中包括n个特征权重w₁,w₂,......,w_n,在确定n个模型特征w₁,w₂,......,w_n的取值后，可以根据下述公式计算背景图片对目标用户用于展示目标对象的图片推荐值p:

以此类推，可以根据上述步骤S2211-S2212获取每张背景图片对目标用户用于展示目标对象的图片推荐值。

步骤S2220，选取图片推荐值最高的背景图片，作为目标背景图片。

背景图片的图片推荐值表征的是对目标用户使用该背景图片展示目标对象的适合度。图片推荐值最高的背景图片是最适合用于对目标对象展示目标对象的背景图片，以其作为目标背景图片，可以使得展示目标对象的背景，是与展示环境相融合的、并符合目标用户个性化展示需求的、适于展示目标对象的背景。

在选取目标背景图片之后，进入：

步骤S2300，根据目标对象图片以及目标背景图片，生成向目标用户展示目标对象的合成图片。

目标背景图片是与展示环境相融合的、并符合目标用户个性化展示需求的、适于展示目标对象的背景，通过根据目标对象图片以及目标背景图片生成的合成图片，向目标用户展示目标对象，实现以与展示环境相融合的、并符合用户个性化展示需求的背景来展示目标对象，给予用户更好的对象展示体验。相应地提升对象展示后获取的用户关注度。

特别是对于在信息流环境中展示的目标对象是推广的物品时，可以通过物品的商品图片中获取目标对象图片，响应于目标用户触发目标对象展示的触控消息，根据本实施例中提供的对象展示方法选取目标背景图片，根据目标对象图片与目标背景图片生成的合成图片来展示目标对象，可以使得展示的被推广的物品的图片与信息流环境相融，展示效果也更符合目标用户的个性化的对象展示需求，可以给予用户更好的对象展示体验。相应地可以提升目标对象展示后获取的用户关注度，包括用户进一步的点击量、访问量等，使得物品推广获取更好的推广效果

在一个具体的例子中，生成合成图片的步骤可以包括：

将目标对象图片覆盖在目标背景图片中的预设位置的图片部分，得到合成图片。

预设位置可以根据具体的应用场景设置，例如，目标对象图片是从包含目标对象的原始图片中获取的、仅包含目标对象的图片部分，可以根据目标对象图片在原始图片中的位置设置该预设位置，或者，可以根据期望展示目标对象的展示效果设置该预设位置，例如，直接设置该预设位置为图片中心部分。

此外，当目标背景图片与期望展示的目标对象的图片尺寸不符时，可以在生成合成图片的过程中，通过调整目标背景图片的尺寸与期望展示的目标对象的图片尺寸相同，使得最终生成的合成图片与期望展示的目标对象的图片尺寸相同，或者，当期望展示的目标对象的图片是多张时，可以在生成合成图片的过程中，可以依次生成多张合成图片进行展示。

在一个例子中，本实施例中提供的对象展示方法中，还包括训练获取所述的图片推荐模型的步骤，如图3所示，包括：步骤S3100-S3500。

步骤S3100，根据统计时段内获取的训练样本的集合，构建图片推荐模型包括的多个模型特征。

统计时段可以根据具体的应用场景或应用需求设置。例如，统计时段可以设置为最近一个月。

每个训练样本包括一个用户的用户特征、一张对象图片的对象特征以及一张背景图片的背景特征。

用户特征、对象特征以及背景特征可以如前文所述，在此不再赘述。

根据多个训练样本中每个训练样本包括的用户特征、对象特征以及背景特征，可以构建得到图片推荐模型包括的多个模型特征。

例如，图片推荐模型中包括的多个模型特征分别属于多个不同的特征类。每个特征类包括至少一个模型特征。图片推荐模型包括多个不同的特征类。这多个特征类中包括与对象图片相关的对象特征类、与背景图片相关的背景特征类、与用户相关的用户特征类以及分别与对象图片以及背景图片相关的交叉特征类。可以根据上文中对象特征类、背景特征类、用户特征类以及交叉特征类中包括模型特征的内容，对应构建图像推荐模型中包括的多个特征类中的模型特征，在此不再赘述。

步骤S3200，分别确定每个训练样本的每个模型特征的取值。

确定每个训练样本的每个模型特征的取值的步骤，可以通过例如上述步骤S2211中具体的实施方式，根据训练样本中包括的用户特征、背景特征以及对象特征，确定该训练样本对应的图像推荐模型中包括的每个模型特征的取值，在此不再重复赘述。

步骤S3300，根据每个训练样本的每个模型特征的取值，以包括多个特征权重的图片推荐权重集合为变量，分别确定每个训练样本的图片推荐值表达式。

假设图片推荐模型中包括n个模型特征f₁,f₂,......,f_n，在确定第k个训练样本对于n个模型特征的取值

后，以图片推荐权重集合中包括n个特征权重w₁,w₂,......,w_n为变量，可以获取第k个训练样本的图片推荐值表达式p_k:

根据上述方法，可以确定每个训练样本的图片推荐值表达式。

步骤S3400，分别根据每个训练样本的实际推荐值，以根据多个训练样本的图片推荐值表达式以及实际推荐值，构建损失函数。

在本例中，每个训练样本的实际推荐值是根据与训练样本对应的实际图片被展示给与训练样本对应的用户后得到的实际反馈获取的。实际图片是根据与训练样本对应的对象图片以及背景图片生成的图片。例如，与训练样本对应的实际图片被展示给与训练样本对应的用户，用户点击了该实际图片，对应的实际推荐值是1，否则，对应的实际推荐值是0。

根据多个训练样本的图像推荐值表达式以及实际推荐值构建损失函数的步骤可以包括：步骤S3410-S3420。

步骤S3410，对每个训练样本，根据训练样本的图像推荐值表达式以及实际推荐值，确定对应的损失表达式。

假设收集到的训练样本数为m，对其中第t个训练样本，获取的实际推荐值是y_t，图像推荐值表达式是p_t，对应的损失表达式为-y_t log p_t+(1-y_t)(1-log p_t)(t＝1,...,m)；

其中，

步骤S3420，将每个训练样本的损失表达式求和，得到损失函数。

在本例中，损失函数可以是：

其中，

步骤S3500，求解损失函数，确定图片推荐权重集合的每个特征权重的取值，完成本次对图片推荐模型的训练。

例如，步骤S3500可以包括：步骤S3510-S3530。

步骤S3510，设置图片推荐权重集合包括的及每个特征权重的初始值为预设数值范围内的随机数。

假设图片推荐权重集合{w₁,w₂,......,w_n}包括n个特征权重w₁,w₂,......,w_n，可以设置初始值为预设数值范围的随机数。该预设数值范围可以根据应用场景或者应用需求设置，例如，设置预设数值范围为0-1，使得n个特征权重w₁,w₂,......,w_n的初始值均是0-1之间的随机数。

步骤S3520，将设置初始值后的图片推荐权重集合代入所述损失函数中，进行迭代处理。

例如，步骤S3520可以包括：步骤S3521-S3522。

步骤S3521，分别对每个特征权重，根据本次迭代前该特征权重的取值、收敛参数以及代入本次迭代前的图片推荐权重集合的损失函数，获取对应的迭代后该特征权重的取值。

其中，收敛参数是控制迭代处理收敛速度的相关参数，可以根据应用场景或者应用需求设置，例如，设置为0.01。

假设本次迭代是第k+1次迭代(k的初始值为0，随着每次迭代加1)，对特征权重w_n，本次迭代前的特征权重的取值为w_n ^(k)，收敛参数为ρ；

代入本次迭代前的图片推荐权重集合的损失函数为

对应的迭代后所述特征权重的取值w_n ^(k+1)为：

步骤S3522，根据每个特征权重迭代后的取值，得到本次迭代后的图片推荐权重集合。

假设本次迭代是第k+1次迭代(k的初始值为0，随着每次迭代加1)，本次迭代后的图片推荐权重集合为{w₁,w₂,......,w_n}^(k+1)。

步骤S3530，当迭代处理得到的图片推荐权重集合符合收敛条件时，终止迭代处理，确定图片推荐权重集合的每个特征权重的取值，否则，继续迭代处理。

在本例中，收敛条件可以根据具体的应用场景或者应用需求设置。

例如，收敛条件是迭代处理的次数大于预设的次数阈值。该预设的次数阈值可以根据工程经验或者实验仿真结果设置，例如，可以设置为300。对应地，假设迭代处理的次数为k+1，次数阈值是item Nums，对应的收敛条件为：k≥item Nums。

或者，收敛条件可以是本次迭代后的根据本次迭代处理得到的图片推荐权重集合代入损失函数中得到的损失误差小于预设的误差阈值，对应地，假设误差阈值是LosTh，本次迭代为第k次迭代，本次迭代的损失误差

时，符合收敛条件。

在实际应用中，背景图片数据库中包括的背景图片的数量、种类会随时间发生变化，用户的个性化的对象展示需求也会随时间发生变化，这些因素都会影响对目标用户展示对象的实际效果，因此，在本实施例中，还可以对图片推荐模型，根据预设的训练周期，执行上述如图3所示的训练图片推荐模型的步骤，使得图片推荐模型自适应适配上述影响对象展示效果的因素对于时间的变化，更精准评估对目标用户展示对象使用的背景图片能获取的关注度，以保证基于图片推荐模型选取的目标背景图片用于向目标用户展示对象能获取的对象展示效果。

该训练周期可以根据具体应用场景或者应用需求设置，例如，设置为1天。

<对象展示装置>

在本实施例中，还提供一种对象展示装置3000，如图4所示，包括：特征获取单元3100、背景选取单元3200以及图片生成单元3300，用于实施本实施例中提供的对象展示方法，在此不再赘述。

特征获取单元3100，用于响应于目标用户触发目标对象展示的触控消息，获取所述目标用户的用户特征。

可选地，所述用户特征至少包括用户画像特征以及用户请求特征其中之一；

所述用户画像特征是根据预设的统计时段内获取的用户画像数据提取的特征；所述用户请求特征是根据用户触发展示对象时的用户状态获取的特征。

背景选取单元3200，用于基于图片推荐模型，根据目标对象图片的对象特征以及所述用户特征，从背景图片数据库中，选取与所述目标对象图片对应的目标背景图片，所述目标对象图片记录了所述目标对象。

可选地，背景选取单元3200包括：

用于分别对所述背景图片数据库中包括每张所述背景图片，将所述背景图片的背景特征、所述用户特征以及所述对象特征作为所述图片推荐模型的输入，基于所述图片推荐模型获取每张所述背景图片的图片推荐值的装置；

用于选取所述图片推荐值最高的所述背景图片，作为所述目标背景图片的装置。

进一步可选地，所述图片推荐模型中包括多个模型特征以及图片推荐权重集合，每个所述模型特征具有唯一的特征标识，所述图片推荐权重集合包括多个特征权重，每个所述特征权重与一个所述模型特征唯一对应；

用于分别对所述背景图片数据库中包括每张所述背景图片，根据所述背景图片的背景特征、所述用户特征以及所述对象特征，基于所述图片推荐模型获取每张所述背景图片的图片推荐值的装置包括：

用于根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值的装置；

用于根据所述图片推荐权重集合以及已确定的所述每个所述模型特征对应的取值，获取所述背景图片的图片推荐值的装置。

更进一步可选地，

所述图片推荐模型中包括的多个模型特征分别属于多个不同的特征类，所述多个特征类中包括与对象图片相关的对象特征类、与背景图片相关的背景特征类以及与用户相关的用户特征类；

用于根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值的装置还用于：

根据所述背景特征，确定所述背景特征类中包括的每个所述模型特征的取值；

根据所述对象特征，确定所述对象特征类中包括的每个所述模型特征的取值；以及，

根据所述用户特征，确定所述用户特征类中包括的每个所述模型特征的取值。

可选地，所述模型特征中还包括分别与对象图片以及背景图片相关的交叉特征类；

所述交叉特征类中至少包括一个与颜色距离对应的模型特征，所述颜色距离是对象颜色直方图分布与背景颜色直方图分布相似性的距离；

用于根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值的装置还用于：

根据所述对象特征以及所述背景特征，确定所述交叉特征类中包括的每个所述模型特征的取值。

可选地，对象展示装置3000还包括用于获取目标对象图片的装置，用于：

对包含目标对象的原始图片进行图片分割处理，获取原始图片中仅包含所述目标对象的图片部分，作为所述目标对象图片。

图片生成单元3300，用于根据所述目标对象图片以及所述目标背景图片，生成用于向所述目标用户展示所述目标对象的合成图片。

可选地，图片生成单元3300用于：

将所述目标对象图片覆盖在所述目标背景图片中的预设位置的图片部分，得到所述合成图片。

可选地，对象展示装置3000还包括用于训练图片推荐模型的装置，包括：

用于根据统计时段内获取的训练样本的集合，构建所述图片推荐模型包括的多个模型特征的装置；

其中，每个所述训练样本包括一个用户的所述用户特征、一张对象图片的对象特征以及一张背景图片的所述背景特征；

用于分别确定每个训练样本的每个所述模型特征的取值的装置；

用于根据每个所述训练样本的每个所述模型特征的取值，以包括多个特征权重的图片推荐权重集合为变量，分别确定每个所述训练样本的图片推荐值表达式的装置；

用于分别根据每个所述训练样本的实际推荐值，以根据多个所述训练样本的所述图片推荐值表达式以及所述实际推荐值，构建损失函数的装置；

其中，所述实际推荐值是根据与所述训练样本对应的实际图片被展示给与所述训练样本对应的用户后得到的实际反馈获取的，所述实际图片是根据与所述训练样本对应的所述对象图片以及所述背景图片生成的图片；

用于求解所述损失函数，确定所述图片推荐权重集合的每个所述特征权重的取值，完成本次对所述图片推荐模型的训练的装置。

进一步可选地，用于求解所述损失函数，确定所述图片推荐权重集合的每个所述特征权重的取值，完成本次对所述图片推荐模型的训练的装置还用于：

设置所述图片推荐权重集合包括的每个所述特征权重的初始值为预设数值范围内的随机数；

将设置初始值后的所述图片推荐权重集合代入所述损失函数中，进行迭代处理；

当所述迭代处理得到的所述图片推荐权重集合符合收敛条件时，终止所述迭代处理，确定所述图片推荐权重集合的每个所述特征权重的取值，否则，继续所述迭代处理。

本领域技术人员应当明白，可以通过各种方式来实现对象展示装置3000。例如，可以通过指令配置处理器来实现对象展示装置3000。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现对象展示装置3000。例如，可以将对象展示装置3000固化到专用器件(例如ASIC)中。可以将对象展示装置3000分成相互独立的单元，或者可以将它们合并在一起实现。对象展示装置3000可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。

本实施例中，对象展示装置3000可以设置在任意提供对象展示服务的软件产品或者应用程序中，例如，对象展示装置3000可以设置在以信息流形式发布包括对象图片的信息内容的信息流应用等。或者，对象展示装置3000也可以是任意提供对象展示服务的软件产品或者应用程序的嵌入件、补丁或者插件等。

<电子设备>

在本实施例中，还提供一种电子设备4000，如图5所示，包括：

存储器4100，用于存储可执行的指令；

处理器4200，用于根据所述可执行的指令的控制，运行所述电子设备执行如本实施例中提供所述的任意一项的对象展示方法。

在本实施例中，电子设备4000可以是手机、平板电脑、掌上电脑、台式计算机、笔记本电脑等。在一个例子中，电子设备4000可以是安装有提供对象展示服务的应用(例如，基于信息流的应用)的手机。或者，电子设备4000还可以是提供对象展示服务的应用所在的服务器。或者，电子设备4000还可以包括安装提供对象展示服务的应用的手机及该应用所在的服务器。

在本实施例中，电子设备4000还可以包括其他硬件模块，例如，如图1所示的电子设备1000。

以上已经结合附图描述了本发明的实施例，根据本实施例，提供一种对象展示方法、装置及电子设备，通过获取触发展示对应的用户所具有的用户特征以及仅包含对象的对象图片所具有的对象特征，基于图片推荐模型，从背景图片数据库中选取与对象图片对应的背景图片，根据背景图片以及对象图片生成合成图片来向用户展示对象，实现以与展示环境相融合的、并符合用户个性化展示需求的背景来展示对象，提升对象展示效果，给予用户更好的对象展示体验。相应地提升对象展示后获取的用户关注度。尤其适用于在信息流环境中展示推广的物品。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种对象展示方法，其中，包括：

响应于目标用户触发目标对象展示的触控消息，获取所述目标用户的用户特征；

基于图片推荐模型，根据目标对象图片的对象特征以及所述用户特征，从背景图片数据库中，选取与所述目标对象图片对应的目标背景图片，所述目标对象图片记录了所述目标对象；

根据所述目标对象图片以及所述目标背景图片，生成用于向所述目标用户展示所述目标对象的合成图片。

2.根据权利要求1所述的方法，其中，所述基于图片推荐模型，根据目标对象图片的对象特征以及所述用户特征，从背景图片数据库中，选取与所述目标对象图片对应的目标背景图片的步骤包括：

分别对所述背景图片数据库中包括每张所述背景图片，将所述背景图片的背景特征、所述用户特征以及所述对象特征作为所述图片推荐模型的输入，基于所述图片推荐模型获取每张所述背景图片的图片推荐值；

选取所述图片推荐值最高的所述背景图片，作为所述目标背景图片。

3.根据权利要求2所述的方法，其中，

所述图片推荐模型中包括多个模型特征以及图片推荐权重集合，所述图片推荐权重集合包括多个特征权重，每个所述特征权重与一个所述模型特征唯一对应；

所述分别对所述背景图片数据库中包括每张所述背景图片，将所述背景图片的背景特征、所述用户特征以及所述对象特征作为图片推荐模型的输入，基于所述图片推荐模型获取每张所述背景图片的图片推荐值的步骤包括：

根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值；

根据所述图片推荐权重集合以及已确定的所述每个所述模型特征对应的取值，获取所述背景图片的图片推荐值。

4.根据权利要求3所述的方法，其中，

所述图片推荐模型中包括的多个模型特征分别属于多个不同的特征类，所述多个特征类中包括与对象图片相关的对象特征类、与背景图片相关的背景特征类以及与用户相关的用户特征类；

所述根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值的步骤，包括：根据所述背景特征，确定所述背景特征类中包括的每个所述模型特征的取值；

根据所述对象特征，确定所述对象特征类中包括的每个所述模型特征的取值；以及，

根据所述用户特征，确定所述用户特征类中包括的每个所述模型特征的取值。

5.根据权利要求4所述的方法，其中，

所述模型特征中还包括分别与对象图片以及背景图片相关的交叉特征类；

所述交叉特征类中至少包括一个与颜色距离对应的模型特征，所述颜色距离是对象颜色直方图分布与背景颜色直方图分布相似性的距离；

所述根据所述背景特征、所述用户特征以及所述对象特征，确定所述图片推荐模型中每个所述模型特征的取值的步骤，还包括：

根据所述对象特征以及所述背景特征，确定所述交叉特征类中包括的每个所述模型特征的取值。

6.根据要求1所述的方法，其中，

所述用户特征至少包括用户画像特征以及用户请求特征其中之一；

所述用户画像特征是根据预设的统计时段内获取的用户画像数据提取的特征；所述用户请求特征是根据用户触发展示对象时的用户状态获取的特征。

7.根据权利要求1所述的方法，其中，所述方法还包括训练所述图片推荐模型的步骤，包括：

根据统计时段内获取的训练样本的集合，构建所述图片推荐模型包括的多个模型特征；

其中，每个所述训练样本包括一个用户的所述用户特征、一张对象图片的对象特征以及一张背景图片的所述背景特征；

分别确定每个训练样本的每个所述模型特征的取值；

根据每个所述训练样本的每个所述模型特征的取值，以包括多个特征权重的图片推荐权重集合为变量，分别确定每个所述训练样本的图片推荐值表达式；

分别根据每个所述训练样本的实际推荐值，以根据多个所述训练样本的所述图片推荐值表达式以及所述实际推荐值，构建损失函数；

其中，所述实际推荐值是根据与所述训练样本对应的实际图片被展示给与所述训练样本对应的用户后得到的实际反馈获取的，所述实际图片是根据与所述训练样本对应的所述对象图片以及所述背景图片生成的图片；

求解所述损失函数，确定所述图片推荐权重集合的每个所述特征权重的取值，完成本次对所述图片推荐模型的训练。

8.根据权利要求7所述的方法，其中，所述求解所述损失函数的步骤包括：

设置所述图片推荐权重集合包括的每个所述特征权重的初始值为预设数值范围内的随机数；

将设置初始值后的所述图片推荐权重集合代入所述损失函数中，进行迭代处理；

当所述迭代处理得到的所述图片推荐权重集合符合收敛条件时，终止所述迭代处理，确定所述图片推荐权重集合的每个所述特征权重的取值，否则，继续所述迭代处理。

9.一种对象展示装置，其中，包括：

特征获取单元，用于响应于目标用户触发目标对象展示的触控消息，获取所述目标用户的用户特征；

背景选取单元，用于基于图片推荐模型，根据目标对象图片的对象特征以及所述用户特征，从背景图片数据库中，选取与所述目标对象图片对应的目标背景图片，所述目标对象图片记录了目标对象；

图片生成单元，用于根据所述目标对象图片以及所述目标背景图片，生成用于向所述目标用户展示所述目标对象的合成图片。

10.一种电子设备，其中，包括：

存储器，用于存储可执行指令；

处理器，用于根据所述可执行指令的控制，运行所述电子设备所述可执行如权利要求1-8所述的对象展示方法。

Images