[发明专利]一种融合视觉特征和用户评分的图像推荐方法

说明书

本发明公开了一种融合视觉特征和用户评分的图像推荐方法，包括：1、爬取数据集并从数据集中提取物品图像和用户对相应物品图像的评分矩阵；2、对所有采集到的物品图像利用卷积神经网络CNN进行图像视觉特征提取，得到视觉特征矩阵；3、建立预测偏好模型，利用基于元素的交替最小二乘法更新预测偏好模型；4、从最终的预测偏好模型中得到用户对所有物品图像的偏好值，将偏好值进行降序排序，并选取前top个偏好值所对应的物品图像推荐给用户。本发明将视觉特征和用户评分进行融合，从而能够提高推荐精度和实现个性化推荐。

技术领域

本发明属于基于计算机视觉技术的图像处理技术领域，主要是涉及到矩阵分解的图像推荐方法。

背景技术

近些年来，伴随着电子商务的快速发展，产生了海量的网络图像数据，面对这样大量的图像数据，用户希望可以快速的定位自己感兴趣的图像信息，搜索成为实现此目的的必备的功能，而搜索是由用户主动发起的服务请求，为了让系统主动地为客户提供服务，就出现了图像推荐系统，通过分析用户感兴趣的历史数据和图像数据库中的图像数据，为用户推荐图像数据库中最有可能是用户感兴趣的图像内容，也就是将与用户历史感兴趣的图像最接近的图像推荐给用户。

目前各大电子商务网站中所使用的商品检索系统大多是使用基于关键字的检索，例如，淘宝，亚马逊等，而基于关键字的图像检索系统要求商品图像必须附加商品的名称、种类等相关文字描述信息，再根据用户输入的搜索关键字与商品的文字描述进行匹配，然而文字信息难以完整描述商品的所有特征，并且受用户主观因素的影响非常大，使得用户输入的商品描述信息很难做到客观精准，很有可能针对不同的商品需求会在用户主观条件下反映出相同的关键字或者相同的商品需求反映出不同的关键字而使得返回的图像集差异很大，这极大的降低了用户搜索自己感兴趣图像的效率。而且在此基于关键字的搜索过程中，整理规范商品的附加文字信息需要耗费大量的时间和人力，而搜索关键字由于用户主观因素的影响对搜索结果也造成了很大的影响。如何能够降低这些因素对检索结果的影响越来越引起人们的高度重视和广泛关注，利用图像内容来进行相关检索而减少对文字信息的依赖可以有效地解决以上所提出的问题。

传统的基于图像内容的图像检索都是通过图像的颜色、纹理或者形状的视觉特征来提取图像的视觉特征，而这种检索方法会受到图像拍摄时的环境和图像拍摄设备的影响，会对图像搜索结果产生非常严重的影响。如何将这些因素对检索结果的影响尽量降低，仍然是一个难点。而且这种传统的图像推荐只关注了物品的本身属性，无法考虑到用户的个人喜好和兴趣，无法实现精准的个性化推荐。

发明内容

针对上述现有技术中存在的诸多问题，本发明提出一种融合视觉特征和用户评分的图像推荐方法，以期能提高推荐精度和实现个性化推荐。

本发明为解决技术问题采用如下技术方案：

本发明一种融合视觉特征和用户评分的图像推荐方法的特点是按如下步骤进行：

步骤1、通过网络爬虫从网站上爬取物品图像集P和相应的物品评分数据集Q；

步骤2、从所述物品图像集P中提取出N幅物品图像，从相应的物品评分数据集Q中提取出M个用户对N幅物品图像的评价信息，从而得到M个用户对N幅物品图像的评分矩阵所述评分矩阵Y中任意用户u对任意物品图像i的评分记为y_ui，若y_ui＝1表示用户u评价了物品图像i对应的物品，y_ui＝0表示用户u未评价物品图像i对应的物品；

步骤3、对所述N幅物品图像进行归一化处理得到图像集C；

步骤4、利用卷积神经网络CNN对所述图像集C中的N幅图像分别进行特征提取，得到N幅图像的视觉特征矩阵其中，T表示每幅图像的视觉特征的维度，每一列向量表示图像i所对应的视觉特征向量；

步骤5、利用式(1)建立预测偏好模型：