[发明专利]一种基于图像理解的纺织面料个性化推荐方法

说明书

本发明公开了一种基于图像理解的纺织面料个性化推荐的方法，包括步骤：对面料文本进行描述，主要考虑纹理、颜色分布以及图案形状三个方面；对已有数据集中的面料图像进行表征；多源异构数据提取的文本特征、图像手工特征和深度网络神经特征进行压缩，减少处理速度；采用关系型异构数据库完成对用户数据的采集，完成对面料推荐系统用户标签体系的构建；使用多层次的用户画像模型，完成对用户的群体细分；挖掘数据库中丰富的转换型特征以及生成准确的潜在用户向量表示；将探索循环神经网络挖掘会话上下文的序列关系，动态的融入推进系统；通过交互手段捕获用户对推荐系统的显示或者隐式评价，完成对推荐系统的持续优化。

技术领域

本发明属于纺织面料个性化推荐领域，涉及一种基于图像理解的纺织面料个性化推荐方法。

背景技术

纺织面料个性化推荐系统的应用，可以实现用户非表达出的喜欢的面料的推荐，更能优化用户的选择范围。纺织服装面料通过织物组织、纱线种类、纱线颜色和图案形成独特的纹理，由于织物组织、纱线颜色等不同，使得织物产生千变万化的外观效果。在产品设计领域，设计师常用一些感性意向的词汇对产品进行描述，如现代、律动、轻盈等，而大多数消费者对产品的认知主要集中在视觉效果，直接采用颜色、图案等对产品进行描述，推荐系统可以建立设计师与消费者沟通的桥梁，便于设计师理解消费的正确需求，设计出符合当下消费者需求的产品。此外现在已经是感性消费，在购买服装面料时有的消费者有明确的产品喜好，在检索产品时可以直接搜索关键词，但是还有很多消费者不能准确的描绘对产品的喜好，建立面料个性化推荐系统，可以根据消费者以往的浏览信息，提取消费者隐含的产品喜好，分析这些产品的特征，依据这些产品特征推荐出个性化的符合消费者喜好的产品。

发明内容

基于此，本发明的目的在于提出一种便捷、快速准确的基于图像理解的纺织面料个性化推荐方法。

基于上述目的本发明提供的一种基于图像理解的纺织面料个性化推荐方法，包括以下步骤：

步骤1：对面料文本进行描述，主要考虑纹理、颜色分布以及图案形状三个方面；

步骤2：对已有数据集中的面料图像进行表征，使用面料风格、图案、组织结构及图案成型方式等视角的标注信息对织物进行表征；

步骤3：对多源异构数据提取的文本特征、图像手工特征和深度网络神经特征进行压缩，减少处理速度；

步骤4：采用关系型异构数据库完成对用户数据的采集，实现和发挥用户画像技术，完成对面料推荐系统用户标签体系的构建；

步骤5：使用多层次的用户画像模型，完成对用户的群体细分；

步骤6：挖掘数据库中丰富的转换型特征以及生成准确的潜在用户向量表示；

步骤7：将探索循环神经网络挖掘会话上下文的序列关系，动态的融入推进系统；

步骤8：通过交互手段捕获用户对推荐系统的显示或者隐式评价，完成对推荐系统的持续优化。

优选的，从系列颜色和纹理等低阶特征，到深层网络提取的中阶特征，作为表征面料的系列特征；

优选的，将深度探索组合图像内容和语义标签共同理解和表征面料；

优选的，深度学习模型融合广泛的多元异构数据，更加抽象、更加稠密的深层次表示面料；

优选的，采用交互方式，结合用户基本信息；

优选的，后台实时分析用户的行为信息，有效地刻画用户画像并进行动态更新，挖掘用户动机和偏好；

优选的，从多个视角分析会话上下文信息并动态融入个性化推荐机制；

优选的，搭配图注意模型实现对不同因素权重的自动调节；