[发明专利]一种用户喜好自学习的图片推荐方法和装置

说明书

技术领域

本发明公开了一种互联网中根据用户喜好和图像内容特征进行学习的图片推荐方法和装置。

背景技术

图片是互联网中一个极其重要的组成元素。图片对事物的描述更加生动形象具体，用户通过图片能获得更直观的信息。图片更是社交网站用户分享的重点，通过图片用户能够便捷地发布自己的活动、喜好以及身边的的世界。

在互联网应用中，现存图片推荐系统较少。现存较少的图片推荐系统功能不近人意。它们主要有两个问题。①这些系统并非基于图片内容向用户推荐图片。②在这些系统中，用户只能上传本地图片，系统没有提供给用户一种快捷简便的方式分享互联网中的非本地图片。

针对这两个问题，本发明公布了一种互联网中根据用户喜好和图像内容特征进行学习的图片推荐方法和装置。

发明内容

本发明旨在弥补上述互联网中图片推荐系统的不足，它提供了一种互联网中根据用户喜好和图像内容特征进行学习的图片推荐方法，和一种互联网中图片分享的新方式，以提升图片推荐的效果和精确度，简化用户分享图片的操作，为用户带来更好的体验，为互联网应用带来更多的用户和更好的收益。

针对上述问题的第一个方面，本发明提供了一种用户自学习的图像推荐方法，该方法包括：

步骤一：为每个用户建立能够表达他所喜欢图片特征集的模型。

步骤二：在图片数据库中将匹配用户模型的图片推荐给用户，在用户特征库中将与某用户模型相似度较大的用户推荐给该用户。

针对上述问题的第二个方面，本发明提供了一种互联网中图片分享的新装置。在safari，chrome，firefox浏览器中，用户以拖拽方式，将图片从一个选项卡中拖拽至系统中。

附图说明

图1用户喜好自学习，及特征模型建立流程图；

图2图片、人物推荐算法流程图；

图3用户上传图片流程图；

图4拖拽上传示意图；

图5系统界面示意图。

具体实施方式

下面参照附图来对本发明中的各个步骤进行详细描述。

图1是流程图，示出了本发明中根据用户感兴趣的图片动态地学习其喜好内容，并建立用户喜好特征模型的方法。

首先系统记录某用户浏览网站时在系统中喜欢的图片。本次记录与用户之前的历史记录共同构成用户当前记录集。若用户尚无历史记录则本次记录作为用户当前记录集。接着使用MeanShift算法对用户喜好图片内容进行学习，得到用户特征集的MeanShift中心μ和用户特征集中所有特征到MeanShift中心的距离的平均值σ。当第一次学习时，在用户集中随机寻找一点作为MeanShift算法的初始点，在之后的每次学习中，以上一次学习得到的用户MeanShift中心μ作为MeanShift算法的初始点。

图2是流程图，示出了本发明中根据某一个用户的特征模型，为该用户推荐图片和人物的方法。

经过图1所示流程得到用户特征模型。在图片特征库中随机选取一幅图片，将该图片特征与用户特征模型进行匹配，若该图片的特征x满足则把该图片推荐给用户，若不满足则再随机选择一幅图片并进行判断，直到选满8幅图片。在用户特征库中选取离该用户距离最近的4位用户。计算采用欧式距离。

图3是流程图，示出了本发明中用户上传图片使图像特征库更新的过程。

用户上传图片至服务器，服务器使用GIST描述算子对该用户上传的图片进行图像内容特征提取，并将提取的图像内容特征加入到系统图像特征库中。在图2示出的推荐流程中，该上传图片成为系统潜在推荐图片。

图4是系统示意图，示出了本发明中拖拽上传装置。

在chrome，safari，firefox浏览器中打开根据本发明所建立的网站及新浪网站。用户可在新浪网页选项卡中拖拽感兴趣的图片至本文发明系统的容器中并释放，新浪网站的图片被上传至服务器后台，并由后台算法进行图像特征提取。

图5是系统示意图，示出了根据本发明所描述的方法和装置所建立的网站页面。页面左侧为系统根据本发明所描述方法向用户推荐的图片，右上侧为系统根据本发明所描述方法为用户推荐的人物，右下侧为系统根据本发明所描述装置所建立的拖拽模块。

实际使用

该发明能够作为互联网中社交网络的一个功能模块，也能作为以图片分享为主题的互联网应用的核心算法，为用户带来更好的体验，为互联网应用带来更多的用户和更好的收益。