[发明专利]基于人工智能的信息推送方法及人工智能云平台

权利要求书

1.一种基于人工智能的信息推送方法，其特征在于，包括以下步骤：

S1、根据预设数量图片的视觉特征参数及预设的各种图片相似度评价结果进行训练，得到图片相似度评价模型；

S2、获取用户的当前查询图片和/或预订时间内的历史查询图片，得到查询图片组；

S3、获取所述查询图片组中包含检索对象的对象区域A1，根据所述对象区域A1，从数据库中获得图片，并将所获得的图片作为初始判断图片；

S4、提取所述初始判断图片和查询图片组的视觉特征参数，并利用图片相似度评价模型计算得到查询图片组的图片相似度评价结果；

S5、若所述图片相似度评价结果的相似度不大于预设阙值，则重新获得所述查询图片组的对象区域A2，并获得所述对象区域A2的独特性子区域，其中，所述对象区域A2与已获得的对象区域不同，所述独特性子区域为所述对象区域A2内具有显著性特征的区域；根据所述对象区域A2和所述独特性子区域，从所述数据库中选择图片，将所述初始判断图片更新为所选择的图片，并执行步骤S4；

S6、重复步骤S5，直至所述图片相似度评价结果的相似度大于预设阙值，则对所述初始判断图片进行视觉特征编码，得到视觉特征向量表示；

S7、解码所述视觉特征向量表示，得到推荐查询文本；

S8、基于所述推荐查询文本，向用户推送信息。

2.根据权利要求1所述的基于人工智能的信息推送方法，其特征在于，所述根据预设数量图片的视觉特征参数及预设的各种图片相似度评价结果进行训练，得到图片相似度评价模型包括：

分别提取预设数量图片的视觉特征参数，构成特征参数集；并且，预设各种图片相似度评价结果；

使用所述特征参数集作为输入，预设的图片相似度评价结果作为期望输出，使用自学习分类方法进行训练，将训练得到的自学习分类器作为所述图片相似度评价模型。

3.根据权利要求2所述的基于人工智能的信息推送方法，其特征在于，所述视觉特征参数至少包括其中之一：空间频域特性参数，亮度响应非线性特性参数，掩盖效应特性参数。

4.根据权利要求3所述的基于人工智能的信息推送方法，其特征在于，所述空间频域特性参数包括：

对图片中人眼关注度高的像素区域进行增强处理；

对增强后的像素区域进行时域到频域的变换处理；

根据人眼对图像不同频率感知的敏感度不同，对变换中的不同频率的像素值进行加权处理。

5.根据权利要求3所述的基于人工智能的信息推送方法，其特征在于，所述亮度响应非线性特性参数包括：

通过轮廓检测方法提取图像中的轮廓信息；

计算所述轮廓信息所指示的轮廓区域中像素的平均主观亮度参数。

6.根据权利要求3所述的基于人工智能的信息推送方法，其特征在于，所述掩盖效应特性参数包括：

根据人眼对平滑区域和边缘区域的块效应敏感度的不同，对图像中不同位置的块效应进行加权处理。

7.根据权利要求1所述的基于人工智能的信息推送方法，其特征在于，所述解码所述视觉特征向量表示，得到推荐查询文本包括：

将所述视觉特征向量的当前状态添加至当前状态序列，对所述当前状态序列执行以下获取演化步骤以得到向量表示序列组：获取向量表示与所述当前状态序列中各当前状态的相似概率，得到当前相似概率序列，采用最大似然估计获取所述当前相似概率序列中各相似概率与演化至当前状态过程中的所有相似概率的乘积序列，从大到小获取所述乘积序列中预定数量的向量表示，根据各当前状态获取的向量表示将各当前状态演化至下一状态，得到下一状态序列，将所述下一状态序列作为新的当前状态序列，并对所述新的当前状态执行所述获取演化步骤；

基于所述向量表示序列组，得到推荐查询文本序列。

8.根据权利要求1所述的基于人工智能的信息推送方法，其特征在于，所述基于所述推荐查询文本，向用户推送信息包括：

从查询数据库中搜索符合各推荐查询文本的推送信息；

向用户推送搜索到的推送信息。

9.一种人工智能云平台，其特征在于，包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、网络接口以及处理器之间通过总线系统相连，所述网络接口用于与至少一个电子商务直播终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-8中任意一项的基于人工智能的信息推送方法。