[发明专利]基于神经网络结果再处理的图像推荐方法及装置

说明书

本发明公开了一种基于神经网络结果再处理的图像推荐方法及装置，该方法包括：确定多个候选推荐图像；所述多个候选推荐图像为将目标图像输入至预设的神经网络推荐模型处理得到的多个推荐图像；确定所述目标图像对应的目标用户的偏好图像特征；确定所述目标图像与所述多个候选推荐图像的关于所述偏好图像特征的相似度信息；根据所述相似度信息，从所述多个候选推荐图像中确定出目标推荐图像。可见，本发明能够根据用户的偏好图像特征，对神经网络推荐模型的推荐结果进行再处理，以得到更符合用户偏好的推荐图像，从而可以达到更优秀的推荐效果，有利于提高用户的满意度，进而可以为用户提供更具针对性的图像推荐服务。

技术领域

本发明涉及图像推荐技术领域，尤其涉及一种基于神经网络结果再处理的图像推荐方法及装置。

背景技术

在现有的商业模式中,图像往往比文字更有吸引力,其展示和推广效果更加显著。因此,如何利用图像为用户进行商业素材的推荐显得尤为重要。同时，在进行图像素材的设计时，也可以从过往的热点素材的相似素材中寻找灵感，进一步为创作新素材提供灵感。这些目标的实现，都无法脱离图像推荐这一基础的技术方案。

相似图像的推荐，实质上是根据图像特征，对图像数据库的检索。现有技术中，常利用训练好的神经网络模型进行图像的推荐，其能自动学习到图像抽象特征，从而达到不错的推荐效果。然而，神经网络模型的推荐结果大部分缺乏可解释性，学习到的特征为兼具多种底层特征的高级耦合形态，很难对其进行解耦，所以其得到的推荐图像是按照整体特征的相似度来计算的。

可见，现有的图像推荐技术没有考虑到用户对于特定的图像特征的偏好，其推荐效果差，用户满意度低，无法为用户推荐出具有针对性的图像结果。

发明内容

本发明所要解决的技术问题在于，提供一种基于神经网络结果再处理的图像推荐确定方法及装置，能够根据用户的偏好图像特征，对神经网络推荐模型的推荐结果进行再处理，以得到更符合用户偏好的推荐图像，从而可以达到更优秀的推荐效果，有利于提高用户的满意度，进而可以为用户提供更具针对性的图像推荐服务。

为了解决上述技术问题，本发明第一方面公开了一种基于神经网络结果再处理的图像推荐方法，所述方法包括：

确定多个候选推荐图像；所述多个候选推荐图像为将目标图像输入至预设的神经网络推荐模型处理得到的多个推荐图像；

确定所述目标图像对应的目标用户的偏好图像特征；

确定所述目标图像与所述多个候选推荐图像的关于所述偏好图像特征的相似度信息；

根据所述相似度信息，从所述多个候选推荐图像中确定出目标推荐图像。

作为一种可选的实施方式，在本发明第一方面中，所述偏好图像特征包括颜色特征、形状特征、纹理特征和空间关系特征中的一种或多种，和/或，所述相似度信息包括欧式距离、余弦相似度、皮尔逊相关系数、修正余弦相似度、汉明距离、曼哈顿距离和空间关系相似度中的一种或多种；所述空间关系相似度包括拓扑关系相似度、方向关系相似度和距离关系相似度中的一种或多种。

作为一种可选的实施方式，在本发明第一方面中，所述确定所述目标图像与所述多个候选推荐图像的关于所述偏好图像特征的相似度信息，包括：

计算所述目标图像的颜色特征与每一所述候选推荐图像的颜色特征之间的相似度信息；所述颜色特征包括颜色直方图、颜色集、颜色矩、颜色聚合向量和颜色相关图中的一种或多种；

和/或，

计算所述目标图像的形状特征与每一所述候选推荐图像的形状特征之间的相似度信息；所述形状特征包括轮廓特征、区域特征和图像矩特征中的一种或多种；

和/或，