CN112818229A - 基于家居空间的饰品推荐方法、系统、装置及介质 - Google Patents

Abstract

本发明提供的基于家居空间的饰品推荐方法、系统、装置及介质，方法包括：确定三维家居场景；从三维家居场景中获取第一特征信息，构建得到第一数据集；根据第一数据集，通过饰品组合推荐模型确定推荐饰品；通过饰品组合推荐模型确定推荐饰品包括以下步骤：根据第一数据集获取环境特征，根据环境特征与饰品类型的关联关系，确定饰品类型的嵌入向量；根据环境特征、嵌入向量与饰品特征以及子空间进行融合，确定子空间中的推荐饰品。方法实现了用智能推荐算法代替手工挑选饰品的过程，减少设计室内场景时挑选饰品花费的精力，节约了人力成本，简化了室内设计的过程，大大提高了效率，可广泛应用于计算机数据处理技术领域。

Description

基于家居空间的饰品推荐方法、系统、装置及介质

技术领域

本发明涉及计算机数据处理技术领域，尤其是基于家居空间的饰品推荐方法、系统、装置及存储介质。

背景技术

随着经济的发展，人们对于家居环境越来越看重，其中，合理而舒适的室内饰品布局是室内场景设计的重要环节之一。现阶段，大多数饰品的选择和摆放布局还是需要由用户来手工完成。用户首先从海量的饰品数据库中选择出适合某个子空间的饰品，再将饰品放置到对应空间中，如此重复工作直到完成整个房间的饰品布局。从海量的饰品数据库中挑选饰品，以及重复这样的工作，是非常耗时的工作。同时，对于用户而言，搭配出来的效果依赖于个人审美水平的高低，效果并不可控。

发明内容

有鉴于此，为至少部分解决上述技术问题之一，本发明实施例目的在于提供一种更为智能高效的基于家居空间的饰品推荐方法；同时本申请还提供了对应的实现该方法的系统、装置及计算机可读的存储介质。

第一方面，本申请的技术方案提供了基于家居空间的饰品推荐方法，其步骤包括：

在本申请方案的一种可行的实施例中，所述根据所述企业数据构建企业树这一步骤，其包括：

确定三维家居场景；从所述三维家居场景中获取第一特征信息，构建得到第一数据集；

根据所述第一数据集，通过饰品组合推荐模型确定推荐饰品；

所述通过饰品组合推荐模型确定推荐饰品包括以下步骤：

根据所述第一数据集获取环境特征，根据所述环境特征与饰品类型的关联关系，确定所述饰品类型的嵌入向量；

根据所述环境特征、所述嵌入向量与饰品特征以及子空间进行融合，确定所述子空间中的推荐饰品。

在本申请方案的一种可行的实施例中，所述第一特征信息包括子空间特征信息以及饰品特征信息；所述从所述三维家居场景中获取第一特征信息，构建得到第一数据集这一步骤，其具体为：

获取所述子空间特征信息以及所述饰品特征信息，构成二维数据表，根据所述二维数据表构成所述第一数据集。

在本申请方案的一种可行的实施例中，从所述三维家居场景中获取第一特征信息，构建得到第一数据集这一步骤，其包括：

遍历样板房的文件目录，根据子空间标签提取得到所述子空间特征；并根据板房的文件目录，获取所述环境特征；

获取子空间的坐标，在所述坐标中确定饰品对象，遍历所述饰品对象，获取所述饰品特征信息；

根据所述环境特征、所述子空间特征以及所述饰品特征信息构建所述二维数据表。

在本申请方案的一种可行的实施例中，从所述三维家居场景中获取第一特征信息，构建得到第一数据集这一步骤，其还包括：

对所述二维数据表进行特征工程处理；

所述特征工程处理包括：

去除所述二维数据表中噪声数据；将所述二维数据表的原始特征值进行转化得到特征矩阵。

在本申请方案的一种可行的实施例中，所述特征矩阵包括环境饰品交互矩阵以及子空间饰品交互矩阵；所述将所述二维数据表的原始特征值进行转化得到特征矩阵，其包括：

当所述饰品对象处于样板房环境中，确定存在环境饰品交互行为，根据所述环境饰品交互行为生成所述环境饰品交互矩阵；

当所述饰品出现在所述子空间中，确定存在子空间饰品交互行为，根据所述子空间饰品交互行为生成所述子空间饰品交互矩阵。

在本申请方案的一种可行的实施例中，所述根据所述第一数据集获取环境特征，根据所述环境特征与饰品类型的关联关系，确定所述饰品类型的嵌入向量这一过程，其包括：

根据所述环境特征的环境编号以及所述饰品类型得到潜在特征向量；

根据所述潜在特征向量得到所述饰品类型出现在所述子空间的第一概率；

根据所述第一概率、所述环境编号以及所述饰品类型编码得到所述嵌入向量。

在本申请方案的一种可行的实施例中，所述根据所述环境特征、所述嵌入向量与饰品特征以及子空间进行融合，确定所述子空间中的推荐饰品这一步骤，其包括：

根据所述嵌入向量进行替换空间特征向量以及饰品特征向量；

根据所述空间特征向量以及饰品特征向量训练得到神经网络模型；

根据所述神经网络模型以及所述子空间特征，输出得到所述子空间中的推荐饰品；

根据关联规则生成所述推荐饰品的组合。

第二方面，本发明的技术方案还提供基于家居空间的饰品推荐系统，包括：

数据采集单元，用于确定三维家居场景，从所述三维家居场景中获取第一特征信息，构建得到第一数据集；

数据处理单元，用于根据所述第一数据集，通过饰品组合推荐模型确定推荐饰品；所述通过饰品组合推荐模型确定推荐饰品包括以下步骤：

根据所述第一数据集获取环境特征，根据所述环境特征与饰品类型的关联关系，确定所述饰品类型的嵌入向量；

根据所述环境特征、所述嵌入向量与饰品特征以及子空间进行融合，确定所述子空间中的推荐饰品。

第三方面，本发明的技术方案还提供基于家居空间的饰品推荐装置，其包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当至少一个程序被至少一个处理器执行，使得至少一个处理器运行第一方面中的基于家居空间的饰品推荐方法。

第四方面，本发明的技术方案还提供了一种存储介质，其中存储有处理器可执行的程序，处理器可执行的程序在由处理器执行时用于运行第一方面中的方法。

本发明的优点和有益效果将在下面的描述中部分给出，其他部分可以通过本发明的具体实施方式了解得到：

本方法根据子空间推荐对应的饰品类型，然后根据饰品类型，构造成融合特征输入到推荐模型中，完成单个饰品的推荐任务；通过面向家居空间的单个饰品或多饰品组合推荐算法，实现了用智能推荐算法代替手工挑选饰品的过程，减少设计室内场景时挑选饰品花费的精力，节约了人力成本，简化了室内设计的过程，大大提高了效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于家居空间的饰品推荐方法的步骤流程图；

图2为本发明实施例中局部子空间的放大示意图；

图3为本发明实施例中构造数据集过程中构造交互矩阵的具体过程示意图；

图4为本发明实施例中面向家居子空间单个饰品推荐方法的逻辑流程图；

图5为本发明实施例中为子空间推荐合适的饰品类型，所采用的模型结构示意图；

图6为本发明实施例中为子空间推荐特定的饰品，所采用的另一种模型结构示意图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

本申请的技术方案的核心思路是通过对推荐算法的研究和扩展现有的算法使其可以应用到家居设计中，实现用智能推荐算法代替手工挑选饰品的过程，大大提高工作效率。

在第一方面，如图1所示，本申请所提供的基于家居空间的饰品推荐方法，其包括步骤S01-S03：

S01、确定三维家居场景。

具体地，可以导入预先布置好的三维家具场景的设计图纸，并将该场景内首先将摆放饰品的柜子划分成一个个不可再分的独立空间，称为子空间，子空间就是面向家居空间的饰品推荐算法做推荐的基本单位，然后通过解析三维家居场景文件提取子空间和其中摆放的饰品的原始特征，其中，子空间特征主要包括：场景的类型、风格属性，柜子的类型、大小，子空间的位置、大小；饰品特征主要包括：饰品的类型、风格、位置、大小。

S02、从三维家居场景中获取第一特征信息，构建得到第一数据集。

其中，第一特征信息包括子空间特征信息以及饰品特征信息；第一数据集即为饰品推荐模型的数据集。对子空间特征信息和饰品特征信息特征进行预处理和特征工程后即可得到面向家居空间的饰品推荐模型的数据集。

S03、根据第一数据集，通过饰品组合推荐模型确定推荐饰品。

其中通过饰品组合推荐模型确定推荐饰品包括两个步骤，步骤S031、根据第一数据集获取环境特征，根据环境特征与饰品类型的关联关系，确定饰品类型的嵌入向量；步骤S032、根据环境特征嵌入向量与饰品特征以及子空间进行融合，确定子空间中的推荐饰品。

由于影响一个子空间中摆放饰品的因素有两个，一是这个子空间所处的环境，二是该子空间的位置和大小，所以在步骤S02得到了饰品推荐模型的数据集的基础上，分两步来进行单个饰品推荐，第一步挖掘环境特征和摆放饰品类型的关系，为子空间推荐合适的饰品类型，并且得到环境特征和饰品类型的嵌入向量；第二步将环境特征和饰品类型的嵌入向量融合到现有的子空间和饰品特征中，完成为子空间推荐单个饰品的任务。

在本实施例中，步骤S01中从三维家居场景中获取第一特征信息，构建得到第一数据集这一过程，可以进一步具体为：获取子空间特征信息以及饰品特征信息，构成二维数据表，根据二维数据表构成第一数据集。

具体地，实施例中是通过解析XML文件并查询数据库从而提取到柜子子空间和其中摆放的饰品的相关特征信息，构成初始的二维数据。

在一些可行的实施例中，步骤S02中从三维家居场景中获取第一特征信息，构建得到第一数据集这一过程可进一步细分为步骤S021-S023：

S021、遍历样板房的文件目录，根据子空间标签提取得到子空间特征；并根据板房的文件目录，获取环境特征；

S022、获取子空间的坐标，在坐标中确定饰品对象，遍历饰品对象，获取饰品特征信息；

S023、根据环境特征、子空间特征以及饰品特征信息构建二维数据表。

具体地，首先遍历样板房文件的目录，目录中每一个文件夹的名字和样板房ID一一对应，通过样板房ID查询数据库tb_house表获取对应的JX文件，JX文件中保存的是柜子和饰品相关的信息。同时用样板房ID查询tb_filter_object表，获取样板房相关特征和对应值。其次，解析JX文件获取组合柜对应的XML。解析出其中的与柜子有关的标签，然后查询数据库表tb_cab_object和tb_cab_texture得到柜子特征和相关值。并遍历该柜子的子空间，将对应XML字符串作为参数传递给SubSpace对象。再解析SubSpace对象参数，获取子空间相关坐标，包围盒特征以及相关值，遍历子空间下的饰品对象，并将XML传递给Ornament对象。再解析Ornament对象，获取UOBJ标签的Name属性，查询数据库tb_product和tb_filter_object_map表，获取饰品相关属性以及对应值。最终提取出的相关特征构成的二维表，记为A，表A中所有字段为：样板房风格，样板房花色，样板房系列，样板房空间类型，柜子类型，柜子类别，柜子花色，柜子坐标X，柜子坐标Y，柜子坐标Z，柜子宽度，柜子高度，柜子深度，子空间坐标X，子空间坐标Y，子空间坐标Z，子空间宽度，子空间高度，子空间深度，附着板类型，附着板厚度，饰品类别，饰品子类型，饰品风格，饰品颜色，饰品材质，饰品ID，饰品坐标X，饰品坐标Y，饰品坐标Z，饰品宽度，饰品高度以及饰品深度。

在一些可行的实施例中，步骤S02从三维家居场景中获取第一特征信息，构建得到第一数据集这一步骤，其还可包括步骤S024、对二维数据表进行特征工程处理；即去除二维数据表中噪声数据；将二维数据表的原始特征值进行转化得到特征矩阵。

具体地，对于提取到的二维数据表中的子空间和其中摆放的饰品的相关特征信息，还需要进行预处理和特征工程，主要包括：填补缺失值，查找和替换不合理的数值和将原始特征处理为具有特定意义的特征，最终得到子空间额饰品的特征矩阵，详细的处理过程包括：

(1)子空间的宽高深都是连续值，将连续值离散化，进行分箱处理，以200为间隔；

(2)舍弃缺失值超过一半的字段，因为这个字段没有足够的含义和信息量，例如样板房系列、柜子类型、柜子类别、附着板类型、附着板厚度、饰品材质；

(3)以柜子的左下角为坐标原点，利用子空间和饰品的绝对XYZ坐标计算出他们和柜子的相对坐标XYZ坐标；

(4)定义相对宽度、深度和高度用于衡量子空间和饰品相对柜子的位置，例如以柜子的左下角为坐标原点，子空间的XYZ相对坐标除以柜子的宽高深表示子空间的位置(子空间相对宽度，子空间相对高度，子空间相对深度)；

(5)将二维数据表拆分成子空间的特征表以及饰品的特征表；

(6)根据饰品的特征表统计饰品的宽高深、饰品相对宽度，饰品相对高度，饰品相对深度的最小值，最大值，构造成为饰品新的特征。

在一些可行的实施例中，特征矩阵包括环境饰品交互矩阵以及子空间饰品交互矩阵；进而步骤S024中，将二维数据表的原始特征值进行转化得到特征矩阵，可以进一步细分为步骤S024a-S024b：

S024a、当饰品对象处于样板房环境中，确定存在环境饰品交互行为，根据环境饰品交互行为生成环境饰品交互矩阵；

S024b、当饰品出现在子空间中，确定存在子空间饰品交互行为，根据子空间饰品交互行为生成子空间饰品交互矩阵。

即获得“环境-饰品类型”和“子空间-饰品”交互矩阵。具体地，利用得到二维数据表构造“环境-饰品类型”交互矩阵和“子空间-饰品”交互矩阵，首先定义“环境-饰品类型”行为：对于一个三维家居场景，某个饰品类型出现在该场景中，则认为存在“环境-饰品类型”交互行为，用rating则标识是否存在“环境-饰品类型”交互行为，若存在则rating为1，否则为0，由此构成“环境-饰品类型”交互矩阵(roomEnv，itemCls，rating)，其中roomEnv表示环境类别编号，itemCls表示饰品类型；然后定义“子空间-饰品”行为：对于一个子空间，一个饰品出现在该子空间中，则认为该子空间对该饰品存在交互行为，用rating则标识是否存在“子空间-饰品”交互行为，若存在则rating为1，否则为0，由此构成“子空间-饰品”交互矩阵(spaceID，itemID，rating)，其中spaceID是指子空间的编号，itemID是饰品的编号。结合二维数据表中子空间和饰品的交互记录，最终获得“环境-饰品类型”交互矩阵和“子空间-饰品”交互矩阵。如图2所示，展示了“子空间-饰品”和“样板房环境-饰品类型”交互矩阵的构造过程，图2是一个roomEnv为001的书房的局部子空间放大图示，图上的序号代表子空间的唯一标识spaceID。图3为图2中的部分子空间构造“子空间-饰品”和“样板房环境-饰品类型”交互矩阵的过程，比如，子空间02中存在两个收纳盒，该收纳盒的itemID为SN_013，饰品类型itemCls是5，据此形成了“子空间-饰品”交互矩阵中的spaceID＝02的记录和“样板房环境-饰品类型”交互矩阵中roomEnv＝001，itemCls＝5的记录。

在一些可行的实施例中，如图4所示，步骤S031、根据第一数据集获取环境特征，根据环境特征与饰品类型的关联关系，确定饰品类型的嵌入向量这一过程可以进一步细分为步骤S031a-S031c：

S031a、根据环境特征的环境编号以及饰品类型得到潜在特征向量；

S031b、根据潜在特征向量得到饰品类型出现在子空间的第一概率；

S031c、根据第一概率、环境编号以及饰品类型编码得到嵌入向量。

其中，子空间的第一概率，即饰品类型出现在子空间的概率。具体地，实施例中，首先采用广义矩阵分解模型(generalized matrix factorization model，GMF)为子空间推荐合适的饰品类型，如图5所示，为实施例中GMF的详细结构，它的输入是环境编号(roomEnv)和饰品类型(item_cls)，经过嵌入层编码后得到两者的潜在特征向量，然后将两个特征向量对应位置相乘得到新的向量，最后使用一个全连接层和sigmoid激活函数预测饰品类型出现在子空间的概率，通过灵活设置概率阈值取得适合环境的饰品类型的推荐列表，当模型训练好之后，可以通过该模型编码得到环境编号(roomEnv)和饰品类型(item_cls)的嵌入向量，作为后续的部分输入。

在步骤S031进一步细分的基础下，在一些可行的实施例中，步骤S032、根据环境特征、嵌入向量与饰品特征以及子空间进行融合，确定子空间中的推荐饰品这一步骤，也可以进一步细分为步骤S032a和S032b：

S032a、根据嵌入向量进行替换空间特征向量以及饰品特征向量；

S032b、根据空间特征向量以及饰品特征向量训练得到神经网络模型；

S032c、根据神经网络模型以及子空间特征，输出得到子空间中的推荐饰品。

具体地，实施例中利用“子空间-饰品”交互矩阵(spaceID，itemID，rating)和子空间特征向量、饰品的特征向量以及在步骤S031c中获得的环境编号(roomEnv)和饰品类型(item_cls)的嵌入向量，使用神经网络学习饰品摆放和子空间大小、位置间的关系，实现根据子空间特征推荐合适的饰品。如图6所示，为子空间推荐饰品的模型结构图。首先用获得的环境编号(roomEnv)的嵌入向量代替子空间特征向量中的样板房环境编号，用饰品类型(item_cls)的嵌入向量代替饰品特征向量中的饰品类型编号，然后将两组特征向量分别输入到两个不同的MLP，编码得到两组高维空间的特征表示，然后计算两个向量的点积作为对项目的预测分数，再根据“子空间-饰品”行为矩阵和损失函数训练编码子空间和饰品特征的两个MLP的参数，训练好模型后，只要输入待预测的子空间的特征，即可在现有的饰品中给出推荐列表。

进一步的，实施中得到的推荐结果可以是单个的饰品，或者是根据关联规则生成推荐饰品的组合。

具体地，为推荐饰品地组合，首先利用关联规则挖掘算法生成包含多个饰品的三维家居饰品组合；例如，多个饰品一起放置在了同一子空间中，则将记为一项集itemSet，利用子空间和饰品的交互记录，处理得到包含若干个项集的标准化项集itemSets，然后基于Apriori算法进行饰品组合推荐，算法最终输出符合最小支持度和最小置信度的关联规则列表，也就可以根据相应的关联规则生成饰品组合。然后根据单个饰品推荐算法推荐的饰品列表，在关联规则生成的饰品组合中寻找包括这些饰品的饰品组合，将这些饰品组合推荐给子空间，实现面向家居子空间的多饰品组合推荐算法，例如有一个子空间，其单品推荐列表中包括了a、b、c三个饰品，根据Apriori算法得到的饰品组合，(a，d，e)、(b，f)构成两组饰品组合，那么对子空间做出的组合推荐结果一定包括(a，d，e)、(b，f)这两组饰品组合。

综合上述所有步骤，以某一可行的实施例为历，本申请方法的技术方案的实施过程为：首先，从三维场景中提取子空间及饰品的信息，构造数据集，接着采用泛化的矩阵分解算法推荐出子空间对应的饰品类型，然后根据饰品类型，构造成融合特征输入到推荐模型中，完成单个饰品的推荐任务。利用Apriori算法挖掘饰品间的关联关系生成饰品组合，通过推荐出的单个饰品，寻找合适的饰品组合完成组合推荐的目标。

第二方面，本发明的一种软件系统实施例，即基于家居空间的饰品推荐系统，包括：

数据采集单元，用于确定三维家居场景，从三维家居场景中获取第一特征信息，构建得到第一数据集；

数据处理单元，用于根据第一数据集，通过饰品组合推荐模型确定推荐饰品；通过饰品组合推荐模型确定推荐饰品包括以下步骤：

根据第一数据集获取环境特征，根据环境特征与饰品类型的关联关系，确定饰品类型的嵌入向量；

根据环境特征、嵌入向量与饰品特征以及子空间进行融合，确定子空间中的推荐饰品。

第三方面，本申请的技术方案还提供基于家居空间的饰品推荐装置的实施例，其包括至少一个处理器；至少一个存储器，用于存储至少一个程序；当至少一个程序被至少一个处理器执行，使得至少一个处理器运行如第一方面中的基于家居空间的饰品推荐方法。

本发明实施例还提供了一种存储介质内存储有程序，程序被处理器执行，实现如第一方面中的方法。

从上述具体的实施过程，可以总结出，本发明所提供的技术方案相较于现有技术存在以下优点或优势：

1)本申请的技术方案根据三维家居场景里标记相应的子空间和饰品信息，构建相应的饰品推荐数据集，弥补了在本技术领域数据集的缺失；

2)本申请的技术方案提出了面向家居子空间的单个饰品和多饰品组合推荐方法，实现了用智能推荐算法代替手工挑选饰品的过程，减少设计室内场景时挑选饰品花费的精力，节约了人力成本，简化了室内设计的过程，大大提高了效率；

3)本申请的技术方案提出的智能推荐算法为没有设计经验的普通用户提供了自行设计室内陈设的途径，将普通用户纳入到软件的使用人群，优化了用户体验，增加了用户的忠诚度，增加了室内设计软件的附加价值。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨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，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.基于家居空间的饰品推荐方法，其特征在于，包括以下步骤：

确定三维家居场景；

从所述三维家居场景中获取第一特征信息，构建得到第一数据集；

根据所述第一数据集，通过饰品组合推荐模型确定推荐饰品；

所述通过饰品组合推荐模型确定推荐饰品包括以下步骤：

根据所述第一数据集获取环境特征，根据所述环境特征与饰品类型的关联关系，确定所述饰品类型的嵌入向量；

根据所述环境特征、所述嵌入向量与饰品特征以及子空间进行融合，确定所述子空间中的推荐饰品。

2.根据权利要求1所述的基于家居空间的饰品推荐方法，其特征在于，所述第一特征信息包括子空间特征信息以及饰品特征信息；所述从所述三维家居场景中获取第一特征信息，构建得到第一数据集这一步骤，其具体为：

获取所述子空间特征信息以及所述饰品特征信息，构成二维数据表，根据所述二维数据表构成所述第一数据集。

3.根据权利要求2所述的基于家居空间的饰品推荐方法，其特征在于，从所述三维家居场景中获取第一特征信息，构建得到第一数据集这一步骤，其包括：

遍历样板房的文件目录，根据子空间标签提取得到所述子空间特征；并根据板房的文件目录，获取所述环境特征；

获取子空间的坐标，在所述坐标中确定饰品对象，遍历所述饰品对象，获取所述饰品特征信息；

根据所述环境特征、所述子空间特征以及所述饰品特征信息构建所述二维数据表。

4.根据权利要求3所述的基于家居空间的饰品推荐方法，其特征在于，所述从所述三维家居场景中获取第一特征信息，构建得到第一数据集这一步骤，其还包括：

对所述二维数据表进行特征工程处理；

所述特征工程处理包括：

去除所述二维数据表中噪声数据；将所述二维数据表的原始特征值进行转化得到特征矩阵。

5.根据权利要求4所述的基于家居空间的饰品推荐方法，其特征在于，所述特征矩阵包括环境饰品交互矩阵以及子空间饰品交互矩阵；所述将所述二维数据表的原始特征值进行转化得到特征矩阵，其包括：

当所述饰品对象处于样板房环境中，确定存在环境饰品交互行为，根据所述环境饰品交互行为生成所述环境饰品交互矩阵；

当所述饰品出现在所述子空间中，确定存在子空间饰品交互行为，根据所述子空间饰品交互行为生成所述子空间饰品交互矩阵。

6.根据权利要求2所述的基于家居空间的饰品推荐方法，其特征在于，所述根据所述第一数据集获取环境特征，根据所述环境特征与饰品类型的关联关系，确定所述饰品类型的嵌入向量这一过程，其包括：

根据所述环境特征的环境编号以及所述饰品类型得到潜在特征向量；

根据所述潜在特征向量得到所述饰品类型出现在所述子空间的第一概率；

根据所述第一概率、所述环境编号以及所述饰品类型，编码得到所述嵌入向量。

7.根据权利要求6所述的基于家居空间的饰品推荐方法，其特征在于，所述根据所述环境特征、所述嵌入向量与饰品特征以及子空间进行融合，确定所述子空间中的推荐饰品这一步骤，其包括：

根据所述嵌入向量进行替换空间特征向量以及饰品特征向量；

根据所述空间特征向量以及饰品特征向量训练得到神经网络模型；

根据所述神经网络模型以及所述子空间特征，输出得到所述子空间中的推荐饰品；

根据关联规则生成所述推荐饰品的组合。

8.基于家居空间的饰品推荐系统，其特征在于，包括：

数据采集单元，用于确定三维家居场景，从所述三维家居场景中获取第一特征信息，构建得到第一数据集；

数据处理单元，用于根据所述第一数据集，通过饰品组合推荐模型确定推荐饰品；所述通过饰品组合推荐模型确定推荐饰品包括以下步骤：

根据所述第一数据集获取环境特征，根据所述环境特征与饰品类型的关联关系，确定所述饰品类型的嵌入向量；

根据所述环境特征、所述嵌入向量与饰品特征以及子空间进行融合，确定所述子空间中的推荐饰品。

9.基于家居空间的饰品推荐装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器运行如权利要求1-7任一项所述的基于家居空间的饰品推荐方法。

10.一种存储介质，其中存储有处理器可执行的程序，其特征在于：所述处理器可执行的程序在由处理器执行时用于运行如权利要求1-7中任一项所述的基于家居空间的饰品推荐方法。

Images