CN113722523B - 对象推荐方法和装置 - Google Patents
对象推荐方法和装置 Download PDFInfo
- Publication number
- CN113722523B CN113722523B CN202111022539.3A CN202111022539A CN113722523B CN 113722523 B CN113722523 B CN 113722523B CN 202111022539 A CN202111022539 A CN 202111022539A CN 113722523 B CN113722523 B CN 113722523B
- Authority
- CN
- China
- Prior art keywords
- selected object
- user
- prioritization
- behavior
- target user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000006399 behavior Effects 0.000 claims description 110
- 238000012913 prioritisation Methods 0.000 claims description 58
- 230000009471 action Effects 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 10
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 21
- 238000004590 computer program Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本公开提供了一种对象推荐方法和装置,涉及计算机技术领域,尤其涉及基于人工智能的推荐技术领域。实现方案为:获取与目标用户的当前检索图像对应的至少一个历史检索图像,至少一个历史检索图像中的每一个历史检索图像与当前检索图像的相似度大于预设值;以及获取至少一个历史检索图像对应的至少一个被选对象,以推荐给目标用户,其中,至少一个被选对象是由至少一个历史检索图像对应的至少一个历史用户从多个对象中选取而获得的。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及基于人工智能的推荐技术,具体涉及一种对象推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于人工智能的推荐技术,已经渗透到各个领域。其中,基于人工智能的对象推荐技术,根据对象的特征结合用户对对象的偏好,实现向用户推荐对象。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种对象推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种对象推荐方法,包括:获取与目标用户的当前检索图像对应的至少一个历史检索图像,所述至少一个历史检索图像中的每一个历史检索图像与所述当前检索图像的相似度大于预设值;以及获取所述至少一个历史检索图像对应的至少一个被选对象,以推荐给所述目标用户,其中,所述至少一个被选对象是由所述至少一个历史检索图像对应的至少一个历史用户从多个对象中选取而获得的。
根据本公开的另一方面,提供了一种对象推荐装置,包括:第一获取单元,被配置用于获取与目标用户的当前检索图像对应的至少一个历史检索图像,所述至少一个历史检索图像中的每一个历史检索图像与所述当前检索图像的相似度大于预设值;以及第二获取单元,被配置用于获取所述至少一个历史检索图像对应的至少一个被选对象,以推荐给所述目标用户,其中,所述至少一个被选对象是由所述至少一个历史检索图像对应的至少一个历史用户从多个对象中选取而获得的。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器实现根据上述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机实现根据上述的方法。
根据本公开的另一方面,提供了一种计算机程序产品包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的一个或多个实施例,通过获取与当前检索图像的相似度大于预设值的至少一个历史检索图像,将与该至少一个历史检索图像对应的由历史用户从多个对象中选取的至少一个被选对象推荐给与该当前检索图像对应的目标用户。由于被推荐给目标用户的被选对象是由历史检索图像对应的历史用户在基于历史检索图像搜索对象的过程中选取的,其一方面是与历史检索图像的相关的对象,另一方面是经过历史用户的人为筛选和判断之后的在与历史检索图像相关的对象中与历史检索图像的相关度更高且符合其需求的对象,因而将该被选对象推荐给与该历史检索图像相似的当前检索图像对应的目标用户时,该被选对象也与当前检索图像的相关度更高且更符合目标用户的需求。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的对象推荐方法的流程图;
图3示出了根据本公开的实施例的对象推荐方法中将至少一个被选对象推荐给目标用户的过程的流程图;
图4示出了根据本公开的实施例的对象推荐方法中确定至少一个被选对象的优先级排序的过程的流程图;
图5示出了根据本公开的实施例的对象推荐方法中基于至少一个被选对象中的每一个被选对象对应的一个或多个第一用户行为确定优先级排序的过程的流程图;
图6示出了根据本公开的实施例的对象推荐方法中基于至少一个被选对象中的每一个被选对象对应的一个或多个第一用户行为确定优先级排序的过程的流程图;
图7示出了根据本公开的实施例的对象推荐方法中确定至少一个被选对象的优先级排序的过程的流程图;
图8示出了根据本公开的实施例的对象推荐方法中确定至少一个被选对象的优先级排序的过程的流程图;
图9示出了根据本公开的实施例的对象推荐装置的结构框图;以及
图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行对象推荐方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来观看推荐的对象。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLEiOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT Windows MobileOS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
参看图2,根据本公开的一些实施例的一种车位推荐方法200包括:
步骤S210:获取与目标用户的当前检索图像对应的至少一个历史检索图像,所述至少一个历史检索图像中的每一个历史检索图像与所述当前检索图像的相似度大于预设值;以及
步骤S220:获取所述至少一个历史检索图像对应的至少一个被选对象,以推荐给所述目标用户,其中,所述至少一个被选对象被配置成由所述至少一个历史检索图像对应的至少一个历史用户中的每一个历史用户在多个对象中选取而获得。
根据本公开的一个或多个实施例,通过获取与当前检索图像的相似度大于预设值的至少一个历史检索图像,将与该至少一个历史检索图像对应的由历史用户从多个对象中选取的至少一个被选对象推荐给与该当前检索图像对应的目标用户。由于被推荐给目标用户的被选对象是由历史检索图像对应的历史用户在基于历史检索图像搜索对象的过程中选取的,其一方面是与历史检索图像的相关的对象,另一方面是经过历史用户的人为筛选和判断之后的在与历史检索图像相关的对象中与历史检索图像的相关度更高且符合其需求的对象,因而将该被选对象推荐给与该历史检索图像相似的当前检索图像对应的目标用户时,该被选对象也与当前检索图像的相关度更高且更符合目标用户的需求。
在相关技术中,在基于用户的检索图像为用户推荐对象的过程中,基于用户的检索图像和多个对象中的每一个对象的对象图像的相似度为用户推荐对象,其仅仅能推荐与检索图像相关的对象。当检索图像对应的用户需求不明确或者检索图像不清晰时,推荐的对象往往不能满足用户的进一步的需求。
例如,在物品推荐中,目标用户的当前检索图像是自行拍摄的某品牌的衬衫的照片,推荐的对象往往是与对象图像与该照片相似的衬衫,可能并非该照片中衬衫的同款衬衫。在根据本公开的实施例中,可以通过获取与该照片相似的该历史检索图像,获得该历史检索图像对应的历史用户选取的衬衫,该衬衫因为经过历史用户的筛选和判断,更可能是照片中衬衫的同款衬衫。
在一些实施例中,根据本公开的方法可以用于物品推荐、相似物推荐等等,在此不作限制。
在一些实施例中,对象可以是物品、植物、动物等等,在此并不限定。
在一些实施例中,当前检索图像和历史检索图像是搜索对象的用户的输入的照片、图像等,基于用户输入的照片或图像,为用户推荐对象。
在一些实施例中,在步骤S210中,通过计算当前检索图像与数据库中的多个历史检索图像中的每一个检索图像的相似度,获取该至少一个历史检索图像。
根据一些实施例,在用户基于检索图像选取对象的过程中,获取用户的检索图像并将该检索图像和用户从检索图像从多个对象中选取的一个或多个被选对象以及用户行为关联,以建立上述数据库。例如,在商品推荐中,用户行为可以是点击行为、购买行为、收藏行为等,在此并不限定。
在一个实施例中,将检索图像和与用户从检索图像从多个对象中选取的一个或多个被选对象一一对应的对象标签关联,从而在后续将至少一个被选对象推荐给目标用户时,将与该至少一个被选对象一一对应的对象标签推荐给目标用户,使目标用户基于对象标签可以获取对应的被选对象。对象标签例如可以是与对象链接对应的对象图像、对象属性(如物品的价格、产地)等等,在此并不限定。
在一些实施例中,在建立上述数据库的过程中,还将用户行为和用户行为对应的行为时间关联。
在一些实施例中,在建立上述数据库的过程中,将同一用户在预设的时间段内检索的相同或者相似度大于预设值的多个图像与该用户在基于紧邻该时间段的第一时间段内获取多个被选对象的关联。例如,在用户将拍摄的照片作为检索图像的情况下,往往因为图片质量不够好,使用户进行重复拍摄直至获得最清晰的照片以作为检索图像。由于重复拍摄获得的多个检索图像对应于该用户的同一检索需求,将上述多个检索图像,与该用户基于该多个检索图像从多个对象中选取的一个或多个被选对象关联,可以丰富对应于该一个或多个被选对象的历史检索图像。
在一些实施例中,在步骤S220中,基于步骤S210获取的历史检索图像,根据至少一个历史检索图像中的每一个历史检索图像与对应的用户基于历史检索图像从多个对象中选取的一个或多个被选对象之间的关联关系,获取该至少一个历史检索图像对应的至少一个被选对象(或者与该至少一个被选对象一一对应的对象标签,基于对象标签可以获取对应的被选对象),以推荐给目标用户。
图3示出了根据本公开的一些实施例的对象推荐方法中将至少一个被选对象推荐给目标用户的过程的流程图。
如图3所示,根据一些实施例的一种对象推荐方法还包括:
步骤S310:获取所述至少一个被选对象的优先级排序,所述优先级排序与所述至少一个被选对象中每一个被选对象与所述当前检索图像的相关度相关;以及
步骤S320:基于所述优先级排序,将所述至少一个被选对象推荐给所述目标用户。
按照对象与当前检索图像对应的当前检索行为的相关度进行优先级排序,并基于该优先级排序,将该至少一个被选对象推荐给目标用户,使推荐给目标用户的被选对象是优先级排序中靠前的、与目标用户的当前检索行为相关度高的对象,使推荐给目标用户的对象进一步符合目标用户的需求。
在一些实施例中,对象推荐方法还包括:获取所述至少一个历史用户的每一个历史用户的第一用户行为,所述第一用户行为被配置成基于对应的历史用户从所述多个对象中选取一个或多个被选对象而获得并且与所述一个或多个被选对象中的每一个被选对象对应。
图4示出了根据本公开的一些实施例的对象推荐方法中步骤S310、确定至少一个被选对象的优先级排序的过程的流程图。
如图4所示,确定所述至少一个被选对象的优先级排序包括:
步骤S410:对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的一个或多个所述第一用户行为;以及
步骤S420:基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为,获取所述优先级排序。
基于该至少一个被选对象中的每一个被选对象对应的第一用户行为,获取该优先级排序;由于该第一用户行为基于对应的历史用户从多个对象中选取一个或多个被选对象而获取,其对应于历史用户从多个对象中对一个或多个被选对象的筛选过程,即能够表征历史用户判断被选对象与历史检索图像相关而符合其需求的程度。因此,基于该第一用户行为对至少一个被选对象进行优先级排序的准确性越高,基于该优先级排序向目标用户推荐的对象越准确。
例如,第一用户行为为历史用户在基于历史检索图像从多个对象中选取一个或多个被选对象的点击行为,当被选对象对应的点击行为越多(点击量越多)或者越靠近当前检索图像对应的检索时间,其被历史用户判断为与历史检索图像相关而符合其需求的次数越多,因而与历史检索图像相关而符合其需求的程度越高。
图5示出了根据本公开的一些实施例的对象推荐方法中步骤S420、基于至少一个被选对象中的每一个被选对象对应的一个或多个第一用户行为确定优先级排序的过程的流程图。
在一些实施例中,如图5所示,基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为,获取所述优先级排序包括:
步骤S510:对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的该一个或多个所述第一行为的数量;以及
步骤S520:基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为的数量,获取所述优先级排序。
通过获取被选对象对应的第一用户行为的数量,获取优先级排序,可以向目标用户推荐对应的第一用户行为的数量多的被选对象。
例如,在目标用户基于照片搜索同款物品时,通过历史用户的点击行为,判断对应的点击量多的被选物品,是经搜寻同款物品的历史用户判断的同款物品,将其推荐给目标用户,避免给目标用户推荐毫不相关的物品,也提升了为目标用户推荐的物品的丰富程度。
图6示出了根据本公开的一些实施例的对象推荐方法中步骤S420、基于至少一个被选对象中的每一个被选对象对应的一个或多个第一用户行为确定优先级排序的过程的流程图。
在一些实施例中,如图6所示,所述基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为,获取所述优先级排序包括:
步骤S610:对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的该一个或多个所述第一行为一一对应的一个或多个行为时间点中的第一行为时间点,该第一行为时间点为最靠近与所述当前检索图像对应的检索时间点;以及
步骤S620:基于所述至少一个被选对象中的每一个被选对象对应的所述第一行为时间点,获取所述优先级排序。
通过获取被选对象对应的第一用户行为对应的行为时间点,获取优先级排序,可以向目标用户推荐对应的行为时间点靠近当前检索图像对应的检索时间点的被选对象。由于推荐的被选对象对应的行为时间点靠近当前检索图像对应的检索时间点,其与当前检索图像的相关度高,避免给用户推荐距离检索时间点久远的与当前检索图像相似但不相关的对象,使给用户推荐的对象更准确。
在一些实施例中,对象推荐方法还包括:获取所述至少一个历史用户的一个或多个第一历史用户的第二用户行为,所述第二用户行为被配成基于对应的第一历史用户从所述至少一个对象中获取一个或多个第一对象而获得并且与所述一个或多个第一对象中的每一个第一对象对应。
图7示出了根据本公开的实施例的对象推荐方法中步骤S310、确定至少一个被选对象的优先级排序的过程的流程图。
如图7所示,确定所述至少一个被选对象的优先级排序包括:
步骤S710:对于所述至少一个第一被选对象的每一个第一被选对象,获取该第一被选对象对应的一个或多个所述第二用户行为;以及
步骤S720:基于所述至少一个被选对象中的每一个被选对象对应的一个或多个所述第一用户行为的数量和所述至少一个第一被选对象的每一个第一被选对象对应的一个或多个所述第二用户行为,获取所述优先级排序。
将对应有第二用户行为的第一被选对象推荐给目标用户,由于第一被选对象是基于历史用户在多个对象中选取而获得的,第二用户行为是基于历史用户在一个或多个被选对象进一步获取对象而获得的(例如,在商品推荐中,基于购买的商品而获得的),其与当前检索图像的相关度更高,因此基于该第二用户行为获取的优先级排序更准确。
图8示出了根据本公开的实施例的对象推荐方法中步骤S310、确定至少一个被选对象的优先级排序的过程的流程图。
在一些实施例中,如图8所示,确定所述至少一个被选对象的优先级排序还包括:
步骤S810:获取所述至少一个被选对象中的每一个被选对象对应的对象图像与所述当前检索图像之间的视觉相似度;以及
步骤S820:基于获取所述至少一个被选对象中的每一个被选对象对应的所述视觉相似度,获取所述优先级排序。
基于被选对象的对象图像与当前检索图像之间的视觉相似度,获取优先级排序;由于被选对象的对象图像与当前检索图像直接对比,可以剔除历史用户获取的被选对象中是其自身感兴趣而不相关的对象,使与当前检索图像相关度更高的对象在优先级排序中靠前,使获得的优先级排序更准确。
在一些实施例中,对象推荐方法还包括获取所述目标用户的目标用户行为,所述目标用户行为与所述目标用户对所述至少一个被选对象的偏好相关;以及其中,步骤S220、基于所述优先级排序,将所述至少一个被选对象推荐给所述目标用户包括:基于所述用户偏好和所述优先级排序,将所述至少一个被选对象推荐给所述目标用户。
基于目标用户至少一个被选对象的偏好,将被选对象推荐给目标用户,使向目标用户推荐的对象符合其偏好,更加精准。
在一些实施例中,用户行为包括下列各项中的至少一项:与所述目标用户从所述至少一个被选对象中选取的一个或多个所选对象中的每一个所选对象对应的第一行为;和与所述目标用户从所述一个或多个所选对象中获取的一个或多个第一所选对象中的每一个所选对象对应的第二行为。
根据目标用户从至少一个被选对象中选取的一个或多个所选对象对应的第一行为,可以获得目标用户的所选对象,从而可以给目标用户推荐与所选对象相同或相似的对象。例如,第一行为点击行为,根据目标用户的所选对象对应的点击量,可以给目标用户推荐其看了又看的对象。
根据目标用户从一个或多个所选对象中获取第一所选对象的第二行为,可以获得目标用户在多个所选对象中更加偏好的对象,从而可以给目标用户推荐与其更加偏好的对象相同或相似的对象。
例如,在商品推荐中,第二行为为购买行为,第一所选对象为目标用户所购买的商品,根据目标用户购买的商品,可以为其推荐与该对象相关的商品。例如购买的是电脑,推荐与电脑相关的配件等。
在一些实施例中,目标用户行为还与优先级排序相关。例如,目标用户行为包括用户对优先级排序标准的选择,根据该目标用户行为,可以为目标用户推荐按照不同优先级排序方式的至少一个被选对象。优先级排序方式可以参考上述确定至少一个被选对象的优先级排序的方法获得。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的另一方面,还提供一种对象推荐装置,参看图9,该装置900包括:第一获取单元910,被配置用于获取与目标用户的当前检索图像对应的至少一个历史检索图像,所述至少一个历史检索图像中的每一个历史检索图像与所述当前检索图像的相似度大于预设值;以及第二获取单元920,被配置用于获取所述至少一个历史检索图像对应的至少一个被选对象,以推荐给所述目标用户,其中,所述至少一个被选对象是由所述至少一个历史检索图像对应的至少一个历史用户中的每一个历史用户在多个对象中选取而获得的。
在一些实施例中,该装置900还包括:排序单元,被配置用于确定所述至少一个被选对象的优先级排序,所述优先级排序与所述至少一个被选对象中每一个被选对象与所述当前检索图像的相关度相关;以及推荐单元,被配置用于基于所述优先级排序,将所述至少一个被选对象推荐给所述目标用户。
在一些实施例中,该装置900还包括:第三获取单元,被配置用于获取所述至少一个历史用户的每一个历史用户的第一用户行为,所述第一用户行为是基于对应的历史用户从所述多个对象中选取一个或多个被选对象而获得的并且与所述一个或多个被选对象中的每一个被选对象对应,其中,所述排序单元包括:第一确定子单元,被配置用于对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的一个或多个所述第一用户行为;以及第二确定子单元,被配置用于基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为,确定所述优先级排序。
在一些实施例中,所述第一排序单元包括:数量获取单元,被配置用于对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的该一个或多个所述第一行为的数量;以及第一排序子单元,被配置用于基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为的数量,确定所述优先级排序。
在一些实施例中,所述第一排序单元包括:行为时间获取单元,被配置用于对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的该一个或多个所述第一行为一一对应的一个或多个行为时间点中的第一行为时间点,该第一时间点为最靠近与所述当前检索图像对应的检索时间点;以及第二排序子单元,被配置用于基于所述至少一个被选对象中的每一个被选对象对应的所述第一行为时间点,确定所述优先级排序。
在一些实施例中,该装置900还包括:第四获取单元,被配置用于获取所述至少一个历史用户的一个或多个第一历史用户的第二用户行为,所述第二用户行为被配成基于对应的第一历史用户从所述至少一个对象中获取一个或多个第一对象而获得并且与所述一个或多个第一对象中的每一个第一对象对应,其中,所述排序单元包括:第二获取子单元,被配置用于对于所述至少一个第一被选对象的每一个第一被选对象,获取该第一被选对象对应的一个或多个所述第二用户行为;以及第二排序单元,被配置用于基于所述至少一个被选对象中的每一个被选对象对应的一个或多个所述第一用户行为的数量和所述至少一个第一被选对象的每一个第一被选对象对应的一个或多个所述第二用户行为,确定所述优先级排序。
在一些实施例中,所述排序单元还包括:第三获取子单元,被配置用于获取所述至少一个被选对象中的每一个被选对象对应的对象图像与所述当前检索图像之间的视觉相似度;以及其中,第三排序单元,被配置用于基于获取所述至少一个被选对象中的每一个被选对象对应的所述视觉相似度,确定所述优先级排序。
在一些实施例中,还包括:用户行为获取单元,被配置用于获取所述目标用户的用户行为,所述用户行为与所述目标用户对所述至少一个被选对象的偏好相关;以及其中,所述推荐单元还被配置用于基于所述用户偏好和所述优先级排序,将所述至少一个被选对象推荐给所述目标用户。
根据本公开的另一方面,还提供一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有计算机程序,所述计算机程序在被所述至少一个处理器执行时实现根据上述的方法。
根据本公开的另一方面,还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的另一方面,还提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图10,现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM1003中,还可存储设备1000操作所需的各种程序和数据。计算单元801、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向设备1000输入信息的任何类型的设备,输入单元1006可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (12)
1.一种对象推荐方法,包括:
获取与目标用户的当前检索图像对应的至少一个历史检索图像,所述至少一个历史检索图像中的每一个历史检索图像与所述当前检索图像的相似度大于预设值;
获取所述至少一个历史检索图像对应的至少一个被选对象,以推荐给所述目标用户,其中,所述至少一个被选对象是由所述至少一个历史检索图像对应的至少一个历史用户从多个对象中选取而获得的;
获取所述至少一个历史用户的一个或多个第一历史用户的第二用户行为,所述第二用户行为被配置成基于对应的第一历史用户从所述至少一个被选对象中获取至少一个第一被选对象而获得并且与所述至少一个第一被选对象中的每一个第一被选对象对应;
确定所述至少一个被选对象的优先级排序,所述优先级排序与所述至少一个被选对象中每一个被选对象与所述当前检索图像的相关度相关,其中,所述确定所述至少一个被选对象的优先级排序包括:
对于所述至少一个第一被选对象的每一个第一被选对象,获取该第一被选对象对应的一个或多个所述第二用户行为;以及
基于所述至少一个被选对象中的每一个被选对象对应的一个或多个第一用户行为的数量和所述至少一个第一被选对象的每一个第一被选对象对应的一个或多个所述第二用户行为,确定所述优先级排序;
获取所述目标用户的目标用户行为,其中,所述目标用户行为与所述目标用户对所述至少一个被选对象的偏好相关,所述目标用户行为包括下列各项中的至少一项:
与所述目标用户从所述至少一个被选对象中选取的一个或多个所选对象中的每一个所选对象对应的第一用户行为;和
与所述目标用户从所述一个或多个所选对象中获取的一个或多个第一所选对象中的每一个所选对象对应的第二用户行为;以及
基于所述优先级排序,将所述至少一个被选对象推荐给所述目标用户,包括:
基于所述目标用户行为和所述优先级排序,将所述至少一个被选对象推荐给所述目标用户。
2.根据权利要求1所述的方法,还包括:
获取所述至少一个历史用户的每一个历史用户的第一用户行为,所述第一用户行为是基于对应的历史用户从所述多个对象中选取一个或多个被选对象而获得的并且与所述一个或多个被选对象中的每一个被选对象对应,其中,所述确定所述至少一个被选对象的优先级排序包括:
对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的一个或多个所述第一用户行为;以及
基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为,确定所述优先级排序。
3.根据权利要求2所述的方法,其中,所述基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为,确定所述优先级排序包括:
对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的该一个或多个所述第一用户行为的数量;以及
基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为的数量,确定所述优先级排序。
4.根据权利要求2所述的方法,其中,所述基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为,确定所述优先级排序包括:
对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的该一个或多个所述第一用户行为一一对应的一个或多个行为时间点中的第一行为时间点,该第一行为时间点为最靠近与所述当前检索图像对应的检索时间点;以及
基于所述至少一个被选对象中的每一个被选对象对应的所述第一行为时间点,确定所述优先级排序。
5.根据权利要求1所述的方法,所述确定所述至少一个被选对象的优先级排序还包括:
获取所述至少一个被选对象中的每一个被选对象对应的对象图像与所述当前检索图像之间的视觉相似度;以及
基于获取所述至少一个被选对象中的每一个被选对象对应的所述视觉相似度,确定所述优先级排序。
6.一种对象推荐装置,包括:
第一获取单元,被配置用于获取与目标用户的当前检索图像对应的至少一个历史检索图像,所述至少一个历史检索图像中的每一个历史检索图像与所述当前检索图像的相似度大于预设值;
第二获取单元,被配置用于获取所述至少一个历史检索图像对应的至少一个被选对象,以推荐给所述目标用户,其中,所述至少一个被选对象是由所述至少一个历史检索图像对应的至少一个历史用户从多个对象中选取而获得的;
第四获取单元,被配置用于获取所述至少一个历史用户的一个或多个第一历史用户的第二用户行为,所述第二用户行为被配成基于对应的第一历史用户从所述至少一个被选对象中获取一个或多个第一被选对象而获得并且与所述一个或多个第一被选对象中的每一个第一被选对象对应;
排序单元,被配置用于确定所述至少一个被选对象的优先级排序,所述优先级排序与所述至少一个被选对象中每一个被选对象与所述当前检索图像的相关度相关,所述排序单元包括:
第二获取子单元,被配置用于对于所述至少一个第一被选对象的每一个第一被选对象,获取该第一被选对象对应的一个或多个所述第二用户行为;以及
第二排序单元,被配置用于基于所述至少一个被选对象中的每一个被选对象对应的一个或多个第一用户行为的数量和所述至少一个第一被选对象的每一个第一被选对象对应的一个或多个所述第二用户行为,确定所述优先级排序;
用户行为获取单元,被配置用于获取所述目标用户的用户行为,所述用户行为与所述目标用户对所述至少一个被选对象的偏好相关,所述目标用户行为包括下列各项中的至少一项:
与所述目标用户从所述至少一个被选对象中选取的一个或多个所选对象中的每一个所选对象对应的第一用户行为;和
与所述目标用户从所述一个或多个所选对象中获取的一个或多个第一所选对象中的每一个所选对象对应的第二用户行为;以及
推荐单元,被配置用于基于所述优先级排序,将所述至少一个被选对象推荐给所述目标用户,所述推荐单元还被配置用于基于所述用户偏好和所述优先级排序,将所述至少一个被选对象推荐给所述目标用户。
7.根据权利要求6所述的装置,还包括:
第三获取单元,被配置用于获取所述至少一个历史用户的每一个历史用户的第一用户行为,所述第一用户行为是基于对应的历史用户从所述多个对象中选取一个或多个被选对象而获得的并且与所述一个或多个被选对象中的每一个被选对象对应,其中,所述排序单元包括:
第一获取子单元,被配置用于对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的一个或多个所述第一用户行为;以及
第一排序单元,被配置用于基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为,确定所述优先级排序。
8.根据权利要求7所述的装置,其中,所述第一排序单元包括:
数量获取单元,被配置用于对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的该一个或多个所述第一用户行为的数量;以及
第一排序子单元,被配置用于基于所述至少一个被选对象中的每一个被选对象对应的该一个或多个所述第一用户行为的数量,确定所述优先级排序。
9.根据权利要求7所述的装置,其中,所述第一排序单元包括:
行为时间获取单元,被配置用于对于所述至少一个被选对象的每一个被选对象,获取该被选对象对应的该一个或多个所述第一用户行为一一对应的一个或多个行为时间点中的第一行为时间点,该第一行为时间点为最靠近与所述当前检索图像对应的检索时间点;以及
第二排序子单元,被配置用于基于所述至少一个被选对象中的每一个被选对象对应的所述第一行为时间点,确定所述优先级排序。
10.根据权利要求6所述的装置,其中,所述排序单元还包括:
第三获取子单元,被配置用于获取所述至少一个被选对象中的每一个被选对象对应的对象图像与所述当前检索图像之间的视觉相似度;以及其中,
第三排序单元,被配置用于基于获取所述至少一个被选对象中的每一个被选对象对应的所述视觉相似度,确定所述优先级排序。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任意一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111022539.3A CN113722523B (zh) | 2021-09-01 | 2021-09-01 | 对象推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111022539.3A CN113722523B (zh) | 2021-09-01 | 2021-09-01 | 对象推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113722523A CN113722523A (zh) | 2021-11-30 |
CN113722523B true CN113722523B (zh) | 2023-11-17 |
Family
ID=78680781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111022539.3A Active CN113722523B (zh) | 2021-09-01 | 2021-09-01 | 对象推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722523B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102667777A (zh) * | 2009-12-24 | 2012-09-12 | 株式会社尼康 | 检索辅助系统、检索辅助方法以及检索辅助程序 |
CN105531701A (zh) * | 2014-07-04 | 2016-04-27 | 微软技术许可有限责任公司 | 个性化趋势图像搜索建议 |
CN109062994A (zh) * | 2018-07-04 | 2018-12-21 | 平安科技(深圳)有限公司 | 推荐方法、装置、计算机设备和存储介质 |
CN112100489A (zh) * | 2020-08-27 | 2020-12-18 | 北京百度网讯科技有限公司 | 对象推荐的方法、装置和计算机存储介质 |
CN112579909A (zh) * | 2020-12-28 | 2021-03-30 | 北京百度网讯科技有限公司 | 对象推荐方法及装置、计算机设备和介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102687140B (zh) * | 2009-12-30 | 2016-03-16 | 诺基亚技术有限公司 | 用于有助于基于内容的图像检索的方法和装置 |
US20210035183A1 (en) * | 2019-07-31 | 2021-02-04 | Synchronoss Technologies, Inc. | Method and system for a recommendation engine utilizing progressive labeling and user content enrichment |
-
2021
- 2021-09-01 CN CN202111022539.3A patent/CN113722523B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102667777A (zh) * | 2009-12-24 | 2012-09-12 | 株式会社尼康 | 检索辅助系统、检索辅助方法以及检索辅助程序 |
CN105531701A (zh) * | 2014-07-04 | 2016-04-27 | 微软技术许可有限责任公司 | 个性化趋势图像搜索建议 |
CN109062994A (zh) * | 2018-07-04 | 2018-12-21 | 平安科技(深圳)有限公司 | 推荐方法、装置、计算机设备和存储介质 |
CN112100489A (zh) * | 2020-08-27 | 2020-12-18 | 北京百度网讯科技有限公司 | 对象推荐的方法、装置和计算机存储介质 |
CN112579909A (zh) * | 2020-12-28 | 2021-03-30 | 北京百度网讯科技有限公司 | 对象推荐方法及装置、计算机设备和介质 |
Non-Patent Citations (2)
Title |
---|
Learning to Personalize Trending Image Search Suggestion;Chun-Che Wu等;《research & development in information retrieval, ACM;全文 * |
个性化图像检索和推荐;冀振燕;姚伟娜;皮怀雨;;北京邮电大学学报(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113722523A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112637629B (zh) | 直播内容推荐方法及装置、电子设备和介质 | |
CN114791982B (zh) | 对象推荐方法和装置 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
KR20230006601A (ko) | 정렬 방법, 정렬 모델의 트레이닝 방법, 장치, 전자 기기 및 매체 | |
CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
CN113868453B (zh) | 对象推荐方法和装置 | |
CN116304335A (zh) | 对象推荐方法、用户偏好识别方法及装置 | |
CN115269989B (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
CN113722523B (zh) | 对象推荐方法和装置 | |
CN114445190A (zh) | 商品推荐方法和装置 | |
CN114880580A (zh) | 信息推荐方法及装置、电子设备和介质 | |
CN114238745A (zh) | 一种提供搜索结果的方法及装置、电子设备和介质 | |
CN113722534B (zh) | 视频推荐方法和装置 | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN114861071B (zh) | 对象推荐方法和装置 | |
CN113536120B (zh) | 基于用户行为的兴趣点召回方法和装置 | |
CN115578451B (zh) | 图像处理方法、图像处理模型的训练方法和装置 | |
CN114036389B (zh) | 对象推荐方法、推荐模型的训练方法及装置 | |
CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
CN116070711B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN113963234B (zh) | 数据标注处理方法、装置、电子设备和介质 | |
CN117194798A (zh) | 内容的推荐方法、装置、电子设备和介质 | |
CN114780819A (zh) | 对象推荐方法和装置 | |
CN115630228A (zh) | 对象推荐方法和对象推荐模型的训练方法 | |
CN116610875A (zh) | 地图兴趣点检索方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |