[发明专利]一种基于图片属性提取的用户商品信息推送方法及设备

说明书

技术领域

本发明涉及计算机技术领域，特别涉及一种基于图片属性提取的用户商品信息推送方法及设备。

背景技术

近些年电商进入蓬勃发展的高速阶段，一些大型B2C在纷纷涌向资本市场的同时，一些专注面向B2C的导购平台也在纷纷突起。电商导购平台发展的前期阶段主要是单纯为用户提供流量引导和商品推荐，并且所专注的市场也多位女性群体，因此并不能全方面满足用户的针对购物需求。后期一直在定位上更加垂直和精准而努力，以期专门针对用户推荐有强烈需求的商品，使得所推荐的商品完全符合用户需求，因而更具精准和用户体验。

而且，现有电商导购一般采用用户搜索查询或者分类查询的方式来找到目标商品，但是对商品的样式比如衣服的样式，皮包的材质等并不易用简单的文字来描述，为用户准确检索感兴趣的商品提升了难度；而且，只考虑商品的文字描述信息，很容易忽略商品的其他特性，单纯的基于商品的文字描述无法准确的挑选出合适的商品；此外，一般的商品推送都是建立在用户购买和浏览记录的基础上的，根据这些发现用户的购买兴趣，推送内容相对单一，无法帮助当前用户找到符合自己的其他商品。

而近些年，计算机识别和物品特征抽取等计算机技术兴起，同时人工智能、神经网络的推广应用为用户购买的指导提供了新的研发方向。而且知识图谱在电商平台的建立，为垂直精准定位客户需求提供了个性化的信息源。建立图像对应的知识图谱，可以帮助我们描述关键词的含义，把关键词拓展为图像表现出来；同时图像搜索，有助于找到最相似的图像。所以亟需一种基于图像的导购，有助于发现用户的购买兴趣以及更深层的知识，为用户带来便捷、高效、精准的商品搜索和推荐，从而享受新颖的购物体验。

发明内容

为了解决现有技术中用户商品推荐不够垂直精准的问题，本发明实施例提供了一种基于图片属性提取的用户商品信息推送方法及设备。所述技术方案如下：

一方面，本发明提供了一种基于图片属性提取的用户商品信息推送方法，所述方法包括：

获取触发推荐的指令；

根据上述指令提取商品属性，从用户兴趣库中搜索包括上述商品属性的目标商品；

形成推荐商品列表并向用户推送商品信息。

其中，触发推荐的指令包括基于系统或商家的被动触发指令和基于用户的主动触发指令；

所述被动触发指令包括天气、时令、生日、节日或系统自定义特殊日期；

所述主动触发指令包括用户主动录入预设场景信息。

进一步地，所述根据主动触发指令提取商品属性的步骤包括：

用户在电商平台输入预设场景信息，所述预设场景信息为图片、文本或图片与文本信息的组合；

利用预先训练的神经网络提取图片特征，获取与上述图片特征相对应的语义特征，将语义特征定义为目标商品属性；

所述主动触发指令提取商品属性还包括用户在电商平台输入预设场景信息中的文本信息所提取的商品属性。

进一步地，所述用户兴趣库的创建方法包括：

根据用户在电商平台的图片搜索、浏览、购买和收藏记录，获取电商平台信息库中用户感兴趣商品的商品信息，制得用户/商品基础信息表，所述商品信息至少包括商品图片；

利用预先训练的神经网络提取用户/商品基础信息表中商品的图片特征，获取与上述图片特征相对应的语义特征，将语义特征定义为商品属性；

创建以商品属性为基本知识单元和以商品类别、商品属性类型之间的关联关系为框架的用户兴趣库。

优选地，所述从用户兴趣库中搜索包括商品属性的目标商品的具体方式为以根据触发指令提取的商品属性为关键词对用户兴趣库中的商品进行搜索；所述商品属性包括颜色、材料质地、品质、类型、风格、品牌、产地。

其中，所述形成商品推荐列表的方式包括用户协同过滤和商品协同过滤。

具体地，用户协同过滤的具体方法包括：

利用用户兴趣库中商品的商品属性的文本信息对商品属性类别进行提取，确认用户的当前商品偏好；

定义目标用户的用户兴趣库中每一个商品属性值为该商品属性的基础标准值，计算其他用户兴趣库中相同商品属性的值与所述基础标准值的商，并定义这个商为相似度权重；

计算得到其他用户相对于目标用户的相似度权重，并确认其他用户的当前商品偏好；

获得目标用户相对于其他用户当前没有偏好的商品列表，依据计算得到其他用户相对于目标用户相似度权重进行排序，预测目标用户潜在商品偏好，得到推荐商品列表。

具体地，商品协同过滤包括：