CN111563177A - 一种基于余弦算法的主题壁纸推荐方法及系统 - Google Patents

Abstract

本发明属于电子设备界面显示技术领域，公开了一种基于余弦算法的主题壁纸推荐方法及系统，所述方法包括：获取两套主题壁纸，且其中一套为计算基准，另一套为数据库中的任意一套主题壁纸，根据余弦算法和第一向量计算两套主题壁纸的主题相似度，并根据主题相似度进行数据库中多个主题类别的一级优化排序；获取两套主题壁纸，且其中一套为计算基准，另一套为同类别中的任意一套主题壁纸，根据余弦算法和第二向量计算两套主题壁纸的范围相似度，并根据范围相似度进行同类别中多套主题壁纸的二级优化排序，且二级优化排序加载于一级优化排序中；综上，通过计算相似度实现主题壁纸的优化排序，以有效完成主题壁纸的精准推荐。

Description

一种基于余弦算法的主题壁纸推荐方法及系统

技术领域

本发明属于电子设备界面显示技术领域，具体涉及一种基于余弦算法的主题壁纸推荐方法及系统。

背景技术

目前，随着科技的不断发展，电子设备成为人们生活中不可或缺的一部分，而在电子设备的界面中显示的主题壁纸由于其数量过多，使得用户无法选出符合自己审美的主题壁纸；

现有技术中一般将大量的主题壁纸进行分类，用户可在自己偏爱的分类中进行搜索，然后搜索过程中仍需用户进行主题壁纸的手动查找，查找速度慢，并且在查找过程中很难判断相应的主题壁纸是否符合对应设备，一旦主题壁纸与设备不符时，下载对应主题壁纸后极易出现壁纸失真或无法显示的现象，影响使用体验。

另外，用户在长时间使用过程中，其偏好具有一定的定向性，但在某一具体的时间内，用户很可能会不进行偏好选择，此时找到符合要求的主题壁纸则难度更大。

发明内容

鉴于此，本发明的目的在于提供一种基于余弦算法的主题壁纸推荐方法及系统，以解决上述背景技术中提出的问题，从而有效实现主题壁纸的快速且精准的推荐。

为实现上述目的，本发明提供如下技术方案：

一种基于余弦算法的主题壁纸推荐方法，所述推荐方法应用于所述设备中，且设备中包含有一数据库，所述数据库中储存有多个类别的主题壁纸，且每个类别中至少包括一套主题壁纸；所述推荐方法包括如下步骤：

获取主题壁纸的主题类别、及该类别中主题壁纸的数量，构建主题壁纸的第一向量；所述第一向量中，以主题类别为向量的基础方向，以该类别中主题壁纸的数量为向量的具体数值；

获取主题壁纸的像素尺寸、及像素颜色范围，构建主题壁纸的第二向量；所述第二向量中，以像素尺寸为向量的基础方向，以像素颜色范围为向量的具体数值；

获取两套主题壁纸，且其中一套为计算基准，另一套为数据库中的任意一套主题壁纸，根据余弦算法和第一向量计算两套主题壁纸的主题相似度，并根据主题相似度进行数据库中多个主题类别的一级优化排序，所述一级优化排序为横向并列排序；

获取两套主题壁纸，且其中一套为计算基准，另一套为同类别中的任意一套主题壁纸，根据余弦算法和第二向量计算两套主题壁纸的范围相似度，并根据范围相似度进行同类别中多套主题壁纸的二级优化排序，所述二级优化排序为纵向并列排序，且二级优化排序加载于一级优化排序中。

优选的，所述推荐方法至少包括当前使用推荐和历史使用推荐。

优选的，所述当前使用推荐和历史使用推荐同时执行时，所述设备进行分屏显示。

优选的，所述设备中至少显示两个尺寸可调的分屏，且历史使用推荐结果和当前使用推荐结果分别显示于不同分屏中。

优选的，执行所述当前使用推荐时，所述计算基准为：所述一级优化排序中，获取所述设备当前使用的一套主题壁纸的第一向量，并以此作为计算基准；所述二级优化排序中，获取所述设备当前使用的一套主题壁纸的第二向量，并以此作为计算基准。

优选的，执行所述历史使用推荐时，所述计算基准为：所述一级优化排序中，获取所述设备的每个历史使用主题壁纸的第一向量，并以其中向量值相等且数量最多的第一向量为计算基准；所述二级优化排序中，获取所述设备的每个历史使用主题壁纸的第二向量，并以其中向量值相等且数量最多的第二向量为计算基准。

优选的，所述主题壁纸还包括第三向量，且第三向量的构建为：获取主题壁纸各像素点的颜色值，构建主题壁纸的第三向量；所述第三向量中，以颜色值为向量的基础方向，以主题壁纸中具有相同颜色值的像素点数量为向量的具体数值。

优选的，所述推荐方法进行当前使用推荐和历史使用推荐时，均包括：获取同类别中与计算基准的范围相似度为1的多套主题壁纸，并从中任选一套主题壁纸，根据余弦算法和第三向量计算两套主题壁纸的色彩相似度，并根据色彩相似度进行同类别中范围相似度为1的多套主题壁纸的三级优化排序，且三级优化排序加载于所述二级优化排序中。

综上，所处余弦算法的计算公式为：

其中，A与B分别表示为两套不同的主题壁纸；Ai表示为A套主题壁纸中的第一向量、第二向量或第三向量的具体值；与Bi表示为B套主题壁纸中的第一向量、第二向量或第三向量的具体值。

一种基于余弦算法的主题壁纸推荐系统，包括：

获取构建模块，用于获取所述数据库中的主题壁纸，并根据主题壁纸的相关特性构建至少两个向量；

储存模块，储存有余弦算法；

处理计算模块，根据构建的向量和储存的余弦算法，计算两套主题壁纸的相似度，且其中一套主题壁纸为计算基准，另一套为所述数据库中任意一套主题壁纸；

推荐优化模块，根据计算的主题壁纸的相似度，对数据库中的主题壁纸进行优化排序。

本发明与现有技术相比，具有以下有益效果：

在本发明中，根据主题壁纸的相关特性进行向量构建，然后根据构建的向量和余弦算法进行主题壁纸相似度的计算，并依次执行主题相似度、范围相似度和色彩相似度的计算，由此实现主题壁纸的精准推荐，满足于用户的个性化使用需求，并且整体推荐方法中计算方式简单、数据运算量小，从而能有效降低设备的运算压力。

另外，在整体推荐方法中，还包括当前使用推荐和历史使用推荐，以分别适用于不同情况下的使用需求，从而进一步提高主题壁纸推荐时的精准性。

附图说明

图1为本发明所提供的主题壁纸推荐方法的流程图；

图2为执行本发明所提供的主题壁纸推荐方法时第一向量的构建原理图；

图3为执行本发明所提供的主题壁纸推荐方法时第二向量的构建原理图；

图4为执行本发明所提供的主题壁纸推荐方法时第三向量的构建原理图；

图5为在本发明所提供的主题壁纸推荐方法中同时执行历史使用推荐与当前使用推荐时的显示示意图；

图6为本发明所提供的主题壁纸推荐系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种基于余弦算法的主题壁纸推荐方法，其推荐流程请参阅图1所示，具体该推荐方法应用于设备中，且设备中包含有一数据库，数据库中储存有多个类别的主题壁纸，且每个类别中至少包括一套主题壁纸；其中，关于设备可采用智能手机、平板电脑、笔记本电脑等智能电子设备；

参考图1可知，所述的推荐方法包括如下步骤：

S1.构建主题壁纸的相关向量

(1)第一向量：获取主题壁纸的主题类别、及该类别中主题壁纸的数量，构建主题壁纸的第一向量；第一向量中，以主题类别为向量的基础方向，以该类别中主题壁纸的数量为向量的具体数值；

具体，结合图2对第一向量的形成进行具体描述：以平面向量为，构建坐标系，向量起点为坐标原点，以原点为圆心构建一定位环，定位环上设有若干个定位点，每个定位点即表示为一种主题类别；

其中关于定位点与主题类别的在定位环上的相对位置：可将存入数据库的第一种主题类别作为定位起始点(对应在坐标系中的a点)，随后每向数据库中新增一种主题类别时沿逆时针方向在定位环上增加一个定位点，完成第一向量的方向定位；

在完成定位后，确定每个主题类别中主题壁纸的数量，具体每个主题壁纸对应一标准长度(图2中的长度b)，随着每个主题类别中主题壁纸的数量越多，对应第一向量的长度则越大，完成第一向量的数值确定。

(2)第二向量：获取主题壁纸的像素尺寸、及像素颜色范围，构建主题壁纸的第二向量；第二向量中，以像素尺寸为向量的基础方向，以像素颜色范围为向量的具体数值；

具体，结合图3对第二向量的形成进行具体描述：以平面向量为，构建坐标系，向量起点为坐标原点，一套主题壁纸的像素尺寸中宽度表示横坐标，长度表示纵坐标，由此根据像素尺寸的坐标点(图3中c点)和坐标原点能确定第二向量的具体方向；

在完成方向确定后，确定该套主题壁纸中所使用的像素颜色范围，具体范围越大，表示对应第二向量的数值越大，实际设定时，可以10个像素值为一个标准范围，一个标准范围对应为一个标准长度(图3中的长度d)，由此完成第二向量的数值确定。

(3)第三向量：获取主题壁纸各像素点的颜色值，构建主题壁纸的第三向量；第三向量中，以颜色值为向量的基础方向，以主题壁纸中具有相同颜色值的像素点数量为向量的具体数值。

具体，结合图4对第三向量的形成进行具体描述：以立体向量为，构建坐标系，向量起点为坐标原点，每个颜色值均包括R值、G值和B值，并分别对应于坐标系中的X轴坐标、Y轴坐标和Z轴坐标，以此能有效确定每个颜色值的坐标点，根据坐标点(图4中e点)和坐标原点，能有效确定第三向量的具体方向；

在完成方向确定后，计算一套主题壁纸中每个颜色值的具体使用数量，在第三向量中，以0为起始数值，每增加一次使用数量，则在该颜色值所对应的第三向量中增加相应的数值长度(图4中的长度f)，由此能精准完成第三向量的数值确定。

S2.根据相关向量计算主题壁纸的相关相似度，并进行优化排序

(1)获取两套主题壁纸，且其中一套为计算基准，另一套为数据库中的任意一套主题壁纸，根据余弦算法和第一向量计算两套主题壁纸的主题相似度，并根据主题相似度进行数据库中多个主题类别的一级优化排序，一级优化排序为横向并列排序。

(2)获取两套主题壁纸，且其中一套为计算基准，另一套为同类别中的任意一套主题壁纸，根据余弦算法和第二向量计算两套主题壁纸的范围相似度，并根据范围相似度进行同类别中多套主题壁纸的二级优化排序，二级优化排序为纵向并列排序，且二级优化排序加载于一级优化排序中。

综上，通过一级优化排序能有效根据用户的主题偏好进行主题类别的优选推荐；通过二级优化排序能有效根据适用像素和用户的色彩偏好进行具体主题壁纸的优化推荐，由此达到更精准的推荐效果，满足主题壁纸个性化的使用需求。

(3)进一步的，基于第三向量，在完成二级优化排序后，获取同类别中与计算基准的范围相似度为1的多套主题壁纸，并从中任选一套主题壁纸，根据余弦算法和第三向量计算该套主题壁纸与计算基准的色彩相似度，并根据色彩相似度进行同类别中范围相似度为1的多套主题壁纸的三级优化排序，且三级优化排序加载于二级优化排序中。

由此能进一步提高整体推荐方法的优化效果，具体表现为：范围相似度为1时，表明两套主题壁纸的第二向量完全相同，及对应的像素尺寸、及像素颜色范围均相同，此时基于第三向量进行进一步计算，可实现该种情况下的进一步优化排序；例如：

设定01套主题壁纸的像素尺寸为n*N，像素颜色范围为m-M；

设定02套主题壁纸的像素尺寸为n*N，像素颜色范围为m-M；

由此两套主题壁纸与计算基准的范围相似度完全相同，此时则无法实现01/02的二级优化排序，在此情况下，基于第三向量进行进一步计算：

分别计算：01套主题壁纸与计算基准的色彩相似度1，02套主题壁纸与计算基准的色彩相似度2；当色彩相似度1＞色彩相似度2时，执行01/02的排序；当色彩相似度1＜色彩相似度2时，执行02/01的排序。

综上，在整体计算过程中，关于余弦算法，其计算公式为：

其中，A与B分别表示为两套不同的主题壁纸；Ai表示为A套主题壁纸中的第一向量、第二向量或第三向量的具体值；与Bi表示为B套主题壁纸中的第一向量、第二向量或第三向量的具体值。

综上所述，基于上述公开的具体推荐流程，本发明可提供如下实施例：

实施例1

针对所述的设备当前使用的主题壁纸进行关联推荐，且推荐方法包括：

获取两套主题壁纸，且其中一套为设备当前使用的主题壁纸，另一套为数据库中的任一主题壁纸，根据余弦算法和第一向量计算两套主题壁纸的主题相似度，并根据主题相似度进行数据库中多个主题类别的一级优化排序，一级优化排序为横向并列排序；

获取两套主题壁纸，且其中一套为设备当前使用的主题壁纸，另一套为同类别中的任一主题壁纸，根据余弦算法和第二向量计算两套主题壁纸的范围相似度，并根据范围相似度进行同类别中多套主题壁纸的二级优化排序，二级优化排序为纵向并列排序，且二级优化排序加载于一级优化排序中；

在完成二级优化排序后，获取同类别中与计算基准的范围相似度为1的多套主题壁纸，并从中任选一套主题壁纸，根据余弦算法和第三向量计算该套主题壁纸与当前使用的主题壁纸的色彩相似度，并根据色彩相似度进行同类别中范围相似度为1的多套主题壁纸的三级优化排序，且三级优化排序加载于二级优化排序中。

在本实施例中，是以设备当前使用的主题壁纸为计算基准，满足于用户在当前使用状态下的个性需求。

实施例2

获取设备中历史使用的主题壁纸；

识别历史使用的主题壁纸中相同主题类别的第一向量，并以数量最多的第一向量为主题基准，计算数据库中任一主题壁纸与主题基准之间的主题相似度，根据主题相似度进行数据库中多个主题类别的一级优化排序，一级优化排序为横向并列排序；

识别历史使用的主题壁纸中每个主题壁纸的第二向量，并以数量最多的第二向量为范围基准，计算数据库中任一主题壁纸与范围基准之间的范围相似度，根据范围相似度进行同类别中多套主题壁纸的二级优化排序，二级优化排序为纵向并列排序，且二级优化排序加载于一级优化排序中；

在完成二级优化排序后，获取同类别中与计算基准的范围相似度为1的多套主题壁纸，并从中任选一套主题壁纸，根据余弦算法和第三向量计算该套主题壁纸与范围基准的色彩相似度，并根据色彩相似度进行同类别中范围相似度为1的多套主题壁纸的三级优化排序，且三级优化排序加载于二级优化排序中。

在本实施例中，是以设备历史使用的主题壁纸为计算基准，满足于用户在长期使用中的偏好需求。

实施例3

在本实施例中，同时实现上述实施例1及实施例2的优化推荐，并在所述的设备中进行分屏推荐，且其推荐界面具体如图5所示，图5中示出了两个分屏，分别用于显示实施例1中当前使用推荐结果和实施例2中历史使用推荐结果；

并且两个分屏之间设有可移动的分割条，通过在设备屏幕上左右滑动分割条可对应调整两个分屏的尺寸，从而便于用户进行具体推荐结果的观察，使用方便。

本发明还提供了一种基于余弦算法的主题壁纸推荐系统，且该系统的具体结构如图6所示，由图可知该系统具体包括：

获取构建模块10，用于获取数据库中的主题壁纸，并根据主题壁纸的相关特性构建至少两个向量；

储存模块20，储存有余弦算法；

处理计算模块30，根据构建的向量和储存的余弦算法，计算两套主题壁纸的相似度，且其中一套主题壁纸为计算基准；

推荐优化模块40，根据计算的主题壁纸的相似度，对数据库中的主题壁纸进行优化排序。

所述的主题壁纸推荐系统在运行时，依照上述公开的主题壁纸推荐方法进行执行，实现主题壁纸的精准推荐。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于余弦算法的主题壁纸推荐方法，其特征在于，所述推荐方法应用于所述设备中，且设备中包含有一数据库，所述数据库中储存有多个类别的主题壁纸，且每个类别中至少包括一套主题壁纸；所述推荐方法包括如下步骤：

获取主题壁纸的主题类别、及该类别中主题壁纸的数量，构建主题壁纸的第一向量；所述第一向量中，以主题类别为向量的基础方向，以该类别中主题壁纸的数量为向量的具体数值；

获取主题壁纸的像素尺寸、及像素颜色范围，构建主题壁纸的第二向量；所述第二向量中，以像素尺寸为向量的基础方向，以像素颜色范围为向量的具体数值；

获取两套主题壁纸，且其中一套为计算基准，另一套为数据库中的任意一套主题壁纸，根据余弦算法和第一向量计算两套主题壁纸的主题相似度，并根据主题相似度进行数据库中多个主题类别的一级优化排序，所述一级优化排序为横向并列排序；

获取两套主题壁纸，且其中一套为计算基准，另一套为同类别中的任意一套主题壁纸，根据余弦算法和第二向量计算两套主题壁纸的范围相似度，并根据范围相似度进行同类别中多套主题壁纸的二级优化排序，所述二级优化排序为纵向并列排序，且二级优化排序加载于一级优化排序中。

2.根据权利要求1所述的一种基于余弦算法的主题壁纸推荐方法，其特征在于：所述推荐方法至少包括当前使用推荐和历史使用推荐。

3.根据权利要求2所述的一种基于余弦算法的主题壁纸推荐方法，其特征在于：所述当前使用推荐和历史使用推荐同时执行时，所述设备进行分屏显示。

4.根据权利要求3所述的一种基于余弦算法的主题壁纸推荐方法，其特征在于：进行分屏显示推荐时，所述设备中至少显示两个尺寸可调的分屏，且历史使用推荐结果和当前使用推荐结果分别显示于不同分屏中。

5.根据权利要求2-4中任意一项所述的一种基于余弦算法的主题壁纸推荐方法，其特征在于，执行所述当前使用推荐时，所述计算基准为：

所述一级优化排序中，获取所述设备当前使用的一套主题壁纸的第一向量，并以此作为计算基准；

所述二级优化排序中，获取所述设备当前使用的一套主题壁纸的第二向量，并以此作为计算基准。

6.根据权利要求5所述的一种基于余弦算法的主题壁纸推荐方法，其特征在于，执行所述历史使用推荐时，所述计算基准为：

所述一级优化排序中，获取所述设备的每个历史使用主题壁纸的第一向量，并以其中向量值相等且数量最多的第一向量为计算基准；

所述二级优化排序中，获取所述设备的每个历史使用主题壁纸的第二向量，并以其中向量值相等且数量最多的第二向量为计算基准。

7.根据权利要求6所述的一种基于余弦算法的主题壁纸推荐方法，其特征在于，所述主题壁纸还包括第三向量，且第三向量的构建为：获取主题壁纸各像素点的颜色值，构建主题壁纸的第三向量；

所述第三向量中，以颜色值为向量的基础方向，以主题壁纸中具有相同颜色值的像素点数量为向量的具体数值。

8.根据权利要求7所述的一种基于余弦算法的主题壁纸推荐方法，其特征在于，所述推荐方法进行当前使用推荐和历史使用推荐时，均包括：

获取同类别中与计算基准的范围相似度为1的多套主题壁纸，并从中任选一套主题壁纸，根据余弦算法和第三向量计算两套主题壁纸的色彩相似度，并根据色彩相似度进行同类别中范围相似度为1的多套主题壁纸的三级优化排序，且三级优化排序加载于所述二级优化排序中。

9.根据权利要求8所述的一种基于余弦算法的主题壁纸推荐方法，其特征在于，所处余弦算法的计算公式为：

其中，A与B分别表示为两套不同的主题壁纸；Ai表示为A套主题壁纸中的第一向量、第二向量或第三向量的具体值；与Bi表示为B套主题壁纸中的第一向量、第二向量或第三向量的具体值。

10.一种基于余弦算法的主题壁纸推荐系统，其特征在于，包括：

获取构建模块，用于获取所述数据库中的主题壁纸，并根据主题壁纸的相关特性构建至少两个向量；

储存模块，储存有余弦算法；

处理计算模块，根据构建的向量和储存的余弦算法，计算两套主题壁纸的相似度，且其中一套主题壁纸为计算基准，另一套为所述数据库中任意一套主题壁纸；

推荐优化模块，根据计算的主题壁纸的相似度，对数据库中的主题壁纸进行优化排序。

Images