[发明专利]家居素材的推荐方法、装置及服务器

权利要求书

1.一种家居素材的推荐方法，其特征在于，包括：

获取待匹配家居素材的标识信息；

根据预先配置的向量索引表，确定所述待匹配家居素材的标识信息对应的素材向量；其中，所述向量索引表是根据所述待匹配家居素材所处的空间场景对应的历史设计方案配置得到的；所述向量索引表包括已有家居素材的标识信息与素材向量之间的对应关系；

计算所述待匹配家居素材的标识信息对应的素材向量与所述向量索引表中各个素材向量之间的向量距离；

基于所述向量距离从各个所述素材向量对应的已有家居素材中，确定与所述待匹配家居素材进行搭配的目标家居素材；

所述方法还包括：

获取与所述待匹配家居素材所处的空间场景对应的历史设计方案；其中，所述历史设计方案包括所述空间场景内的至少一个历史家居素材的标识信息；

对所述历史设计方案中各个所述历史家居素材的标识信息的搭配情况进行统计，得到所述历史设计方案的共现信息；

将所述历史设计方案输入至嵌入模型，并基于所述共现信息对所述嵌入模型进行训练，得到向量索引表；其中，所述嵌入模型包括连续词袋模型、Skip-Gram模型、自编码模型或深度神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述计算所述待匹配家居素材的标识信息对应的素材向量与所述向量索引表中各个素材向量之间的向量距离的步骤，包括：

采用以下公式之一计算所述标识信息对应的素材向量与所述素材向量表中各个素材向量之间的向量距离：余弦距离公式、欧氏距离公式或内积距离公式。

3.根据权利要求1所述的方法，其特征在于，所述基于所述向量距离从各个所述素材向量对应的已有家居素材中，确定与所述待匹配家居素材进行搭配的目标家居素材的步骤，包括：

按照所述向量距离由小到大的顺序，从各个所述素材向量对应的已有家居素材中选择预设数量的已有家居素材；

将选择的已有家居素材确定为与所述待匹配家居素材进行搭配的目标家居素材。

4.根据权利要求1所述的方法，其特征在于，所述基于所述共现信息对嵌入模型进行训练，得到向量索引表的步骤，包括：

利用预设训练工具、预设的优化训练算法和所述共现信息，对所述嵌入模型进行训练，得到向量索引表；其中，所述预设训练工具包括gensim工具或fasttext工具；所述优化训练算法包括hierarchical softmax函数或negative sampling函数。

5.根据权利要求4所述的方法，其特征在于，所述将所述历史设计方案输入至嵌入模型的步骤，包括：

对所述历史设计方案中各个所述历史家居素材的标识信息进行顺序置乱，并将顺序置乱后的历史设计方案输入至嵌入模型。

6.一种家居素材的推荐装置，其特征在于，包括：

标识获取模块，用于获取待匹配家居素材的标识信息；

向量确定模块，用于根据预先配置的向量索引表，确定所述待匹配家居素材的标识信息对应的素材向量；其中，所述向量索引表是根据所述待匹配家居素材所处的空间场景对应的历史设计方案配置得到的；所述向量索引表包括已有家居素材的标识信息与素材向量之间的对应关系；

距离计算模块，用于计算所述待匹配家居素材的标识信息对应的素材向量与所述向量索引表中各个素材向量之间的向量距离；

目标确定模块，用于基于所述向量距离从各个所述素材向量对应的已有家居素材中，确定与所述待匹配家居素材进行搭配的目标家居素材；

还包括训练模块，用于：

获取与所述待匹配家居素材所处的空间场景对应的历史设计方案；其中，所述历史设计方案包括所述空间场景内的至少一个历史家居素材的标识信息；

对所述历史设计方案中各个所述历史家居素材的标识信息的搭配情况进行统计，得到所述历史设计方案的共现信息；

将所述历史设计方案输入至嵌入模型，并基于所述共现信息对所述嵌入模型进行训练，得到向量索引表；其中，所述嵌入模型包括连续词袋模型、Skip-Gram模型、自编码模型或深度神经网络模型。