[发明专利]智能背景推荐系统

权利要求书

1.智能背景推荐系统，包括有用户行为挖掘模块（1）、用户行为模块（2）、智能归纳模块（3）和背景推荐调度引擎模块（4），其特征在于，所述用户行为挖掘模块（1）包括有用户特征信息和用户偏好信息，所述用户行为模块（2）包括有自定义背景或者是查询和检索，所述智能归纳模块（3）包括智能检索和智能归类，且通过卷积神经网络归类算法对背景进行归类，所述背景推荐调度引擎模块（4）是用户设置的推荐规则以及采用协同过滤推荐算法 进行智能推荐，其中：

卷积神经网络归类算法：卷积神经网络主要由两部分组成，一部分是特征提取（卷积层、池化层），另一部分是分类识别（全连接层）；

流程：

输入-卷积层-池化层-全连接层--输出；

卷积层：

其中，为输入矩阵的个数，代表第k个输入矩阵，Wk代表卷积核的第k个子卷积核矩阵，即卷积核W对应的输出矩阵的对应位置元素的值；

池化层：

池化层对输入的各个子矩阵进行压缩，将输入子矩阵的每nxn个元素变成一个元素；池化标准是MAX或者是Average，即取对应区域的最大值或者平均值作为池化后的元素值；

全连接层：

在经过卷积和池化的操作之后，卷积神经网络的最后一步是全连接层；这里的神经网络充当一个分类器的作用，输入是不同特征的特征值，输出是分类；

协同过滤推荐算法：K-Means聚类算法做协同过滤，按照用户基于一定的度量来进行聚类，以将用户按照一定距离度量方式分成不同的目标人群，将同样目标人群使用频率高的背景图片推荐给目标用户；

K-Means算法流程；

输入是样本集D={,...},聚类的簇树k,最大迭代次数N；

输出是簇划分C={,,...}；

1) 从数据集D中随机选择k个样本作为初始的k个质心向量：{,,...}

2）对于n=1,2,...,N；

a) 将簇划分C初始化为=Ø t=1,2...k；

b) 对于i=1,2...m,计算样本和各个质心向量(j=1,2,...k)的距离：，将标记最小的为所对应的类别，此时更新；

c) 对于j=1,2,...,k,对中所有的样本点重新计算新的质心；

e) 如果所有的k个质心向量都没有发生变化，则转到步骤3）；

3） 输出簇划分C={,,...}。

2.根据权利要求1所述的智能背景推荐系统，其特征在于，用户特征信息包括有用户的性别、年龄、外貌、身高、城市、家庭背景。

3.根据权利要求1所述的智能背景推荐系统，其特征在于，用户偏好信息包括用户年龄范围、所在行业、业余爱好。

4.根据权利要求1所述的智能背景推荐系统，其特征在于，用户上传背景作品；可以APP、或者小程序、或者网站等入口上传。

5.根据权利要求1所述的智能背景推荐系统，其特征在于，接收到用户上传作品后，首先确定是否合规；是否合规，通过智能加上人工的方式。

6.根据权利要求1所述的智能背景推荐系统，其特征在于，根据用户设置的推荐规则以及采用协同过滤推荐算法 进行智能推荐，用户可以设置自动接收或推荐后主动下载接收。

7.根据权利要求1所述的智能背景推荐系统，其特征在于，归类算法不限于卷积神经网络算法，能对图像分类的算法都可以，如KNN、SVM、BP 神经网络和迁移学习等。

8.根据权利要求1所述的智能背景推荐系统，其特征在于，推荐算法不限于协同过滤推荐算法，能智能推荐的算法都可以，如基于内容的推荐算法和深度学习推荐算法。

9.根据权利要求1所述的智能背景推荐系统，其特征在于，智能背景推荐系统的流程在于：

S1、当用户启动腕表或者APP程序的时候、获取用户的基本信息；

S2、完成用户的查询和行为检索/用户直接自定义上传信息；

S3、通过智能检索，对背景进行归纳排序/智能归类；

S4、将背景推荐给用户/用户直接接受自定义背景信息。