图片推荐方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种图片推荐方法、装置、设备及存储介质。所述方法包括：获取用户的第一历史图片操作信息，所述第一历史图片操作信息包括：操作图片以及与所述操作图片对应的操作类型；获取与所述操作图片对应的内容特征向量；获取与所述操作类型对应的行为特征向量；根据所述内容特征向量以及所述行为特征向量确定与所述用户匹配的图片分类模型；获取与所述图片分类模型的输出结果匹配的图片，并将所述图片推荐给所述用户。通过本发明专利技术的技术方案，能够优化推荐效果，提高用户体验。

Picture recommendation method, device, device and storage medium

The embodiment of the invention discloses a picture recommendation method, device, device and storage medium. The method includes: acquiring the user's first historical picture operation information, which includes: the operation picture and the operation type corresponding to the operation picture; acquiring the content feature vector corresponding to the operation picture; acquiring the behavior feature vector corresponding to the operation type; and according to the operation type. The content feature vector and the behavior feature vector determine a picture classification model matching the user; obtain a picture matching the output result of the picture classification model, and recommend the picture to the user. Through the technical proposal of the invention, the recommendation effect can be optimized and the user experience improved.

【技术实现步骤摘要】
图片推荐方法、装置、设备及存储介质
本专利技术实施例涉及计算机技术，尤其涉及一种图片推荐方法、装置、设备及存储介质。
技术介绍
随着智能手表的上市，用户可以选择安装表盘作为手表壁纸，相应的表盘壁纸商店应运而生，用户下载表盘后在手表上可以切换不同的表盘作为手表壁纸，如果不喜欢，用户会删除该表盘。若在用户挑选表盘的过程中加入推荐服务，为用户推荐符合用户喜好的壁纸，则可以大大节省用户的挑选时间。传统的表盘推荐服务主要是，根据用户的历史挑选记录，为该用户推荐与之前使用过的表盘具有相同标签或同样类别的表盘。由于现有方案中大多需要预先人为地对各个待选表盘进行分类和贴上标签，且仅仅是单纯地基于用户的挑选行为来选择应该为该用户推荐的表盘，因而推荐效果不佳，降低了用户体验。
技术实现思路
本专利技术实施例提供一种图片推荐方法、装置、设备及存储介质，以实现优化推荐效果，提高用户体验。第一方面，本专利技术实施例提供了一种图片推荐方法，包括：获取用户的第一历史图片操作信息，所述第一历史图片操作信息包括：操作图片以及与所述操作图片对应的操作类型；获取与所述操作图片对应的内容特征向量；获取与所述操作类型对应的行为特征向量；根据所述内容特征向量以及所述行为特征向量确定与所述用户匹配的图片分类模型；获取与所述图片分类模型的输出结果匹配的图片，并将所述图片推荐给所述用户。进一步的，所述内容特征向量包括图片特征向量和描述特征向量；所述获取与所述操作图片对应的内容特征向量，包括：对所述操作图片进行特征提取，获取对应的图片特征向量；对与所述操作图片匹配的描述信息进行特征提取，获取对应的描述特征向量。进一步的，所述对与所述操作图片匹配的描述信息进行特征提取，获取对应的描述特征向量，包括：对与所述操作图片匹配的内容描述信息进行分词处理，获取至少一个关键词；使用卷积神经网络算法，对由所述关键词对应的词向量组合而成的词矩阵进行滤波，获取对应的描述特征向量。进一步的，所述获取与所述操作类型对应的行为特征向量，包括：获取与所述操作类型匹配的标识符；对所述标识符以及与所述操作图片匹配的编号组成的向量进行特征提取，获取对应的行为特征向量。进一步的，所述根据所述内容特征向量以及所述行为特征向量确定与所述用户匹配的图片分类模型，包括：基于深度神经网络算法将所述内容特征向量以及所述行为特征向量输入至与所述用户匹配的原始分类模型中，所述原始分类模型包括根据第二历史图片操作信息确定的分类模型，所述第二历史图片操作信息的操作时间先于所述第一历史图片操作信息；根据所述原始分类模型的输出结果以及所述操作类型确定所述原始分类模型的预测损失值；基于反向传播算法将所述预测损失值反馈至所述原始分类模型的输入端，得到与所述用户匹配的图片分类模型。进一步的，所述根据所述原始分类模型的输出结果以及所述操作类型确定所述原始分类模型的预测损失值，包括：若所述操作图片对应的操作类型包括按照时间先后顺序组合的下载动作以及收藏动作，则根据正相关损失函数以及所述原始分类模型的输出结果确定所述原始分类模型的预测损失值；若所述操作图片对应的操作类型包括按照时间先后顺序组合的下载动作以及删除动作，则根据负相关损失函数以及所述原始分类模型的输出结果确定所述原始分类模型的预测损失值。进一步的，所述损失函数包括：指数损失函数和hinge损失函数。进一步的，所述获取与所述图片分类模型的输出结果匹配的图片，并将所述图片推荐给所述用户，包括：获取反馈至所述原始分类模型输入端的反馈结果，并将所述反馈结果作为所述图片分类模型的输出结果；根据所述输出结果更新与所述用户匹配的推荐图片库中的图片；将更新后的所述推荐图片库中的图片推荐给所述用户。进一步的，所述获取用户的第一历史图片操作信息，包括：获取所述用户在设定表盘商店中，针对设定表盘图片的第一历史图片操作信息。第二方面，本专利技术实施例还提供了一种图片推荐装置，该装置包括：信息获取模块，用于获取用户的第一历史图片操作信息，所述第一历史图片操作信息包括：操作图片以及与所述操作图片对应的操作类型；内容获取模块，用于获取与所述操作图片对应的内容特征向量；行为获取模块，用于获取与所述操作类型对应的行为特征向量；模型确定模块，用于根据所述内容特征向量以及所述行为特征向量确定与所述用户匹配的图片分类模型；图片获取模块，用于获取与所述图片分类模型的输出结果匹配的图片，并将所述图片推荐给所述用户。进一步的，所述内容特征向量包括图片特征向量和描述特征向量；所述内容获取模块，包括：图片向量获取子模块，用于对所述操作图片进行特征提取，获取对应的图片特征向量；描述向量获取子模块，用于对与所述操作图片匹配的描述信息进行特征提取，获取对应的描述特征向量。进一步的，所述描述向量获取子模块具体用于：对与所述操作图片匹配的内容描述信息进行分词处理，获取至少一个关键词；使用卷积神经网络算法，对由所述关键词对应的词向量组合而成的词矩阵进行滤波，获取对应的描述特征向量。进一步的，所述行为获取模块具体用于：获取与所述操作类型匹配的标识符；对所述标识符以及与所述操作图片匹配的编号组成的向量进行特征提取，获取对应的行为特征向量。进一步的，所述模型确定模块，包括：特征向量输入子模块，用于基于深度神经网络算法将所述内容特征向量以及所述行为特征向量输入至与所述用户匹配的原始分类模型中，所述原始分类模型包括根据第二历史图片操作信息确定的分类模型，所述第二历史图片操作信息的操作时间先于所述第一历史图片操作信息；损失值确定子模块，用于根据所述原始分类模型的输出结果以及所述操作类型确定所述原始分类模型的预测损失值；损失值反馈子模块，用于基于反向传播算法将所述预测损失值反馈至所述原始分类模型的输入端，得到与所述用户匹配的图片分类模型。进一步的，所述损失值确定子模块具体用于：若所述操作图片对应的操作类型包括按照时间先后顺序组合的下载动作以及收藏动作，则根据正相关损失函数以及所述原始分类模型的输出结果确定所述原始分类模型的预测损失值；若所述操作图片对应的操作类型包括按照时间先后顺序组合的下载动作以及删除动作，则根据负相关损失函数以及所述原始分类模型的输出结果确定所述原始分类模型的预测损失值。进一步的，所述损失函数包括：指数损失函数和hinge损失函数。进一步的，所述图片获取模块具体用于：获取反馈至所述原始分类模型输入端的反馈结果，并将所述反馈结果作为所述图片分类模型的输出结果；根据所述输出结果更新与所述用户匹配的推荐图片库中的图片；将更新后的所述推荐图片库中的图片推荐给所述用户。进一步的，所述信息获取模块具体用于：获取所述用户在设定表盘商店中，针对设定表盘图片的第一历史图片操作信息。第三方面，本专利技术实施例还提供了一种计算机设备，该设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例中任一所述的图片推荐方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的图片推荐方法。本专利技术实施例通过获取用户的第一历史图片操作信息，获取操作图片对应的内容特征向量以及操作类型对应的行为特征本文档来自技高网...

【技术保护点】
1.一种图片推荐方法，其特征在于，包括：获取用户的第一历史图片操作信息，所述第一历史图片操作信息包括：操作图片以及与所述操作图片对应的操作类型；获取与所述操作图片对应的内容特征向量；获取与所述操作类型对应的行为特征向量；根据所述内容特征向量以及所述行为特征向量确定与所述用户匹配的图片分类模型；获取与所述图片分类模型的输出结果匹配的图片，并将所述图片推荐给所述用户。

【技术特征摘要】
1.一种图片推荐方法，其特征在于，包括：获取用户的第一历史图片操作信息，所述第一历史图片操作信息包括：操作图片以及与所述操作图片对应的操作类型；获取与所述操作图片对应的内容特征向量；获取与所述操作类型对应的行为特征向量；根据所述内容特征向量以及所述行为特征向量确定与所述用户匹配的图片分类模型；获取与所述图片分类模型的输出结果匹配的图片，并将所述图片推荐给所述用户。2.根据权利要求1所述的方法，其特征在于，所述内容特征向量包括图片特征向量和描述特征向量；所述获取与所述操作图片对应的内容特征向量，包括：对所述操作图片进行特征提取，获取对应的图片特征向量；对与所述操作图片匹配的描述信息进行特征提取，获取对应的描述特征向量。3.根据权利要求2所述的方法，其特征在于，所述对与所述操作图片匹配的描述信息进行特征提取，获取对应的描述特征向量，包括：对与所述操作图片匹配的内容描述信息进行分词处理，获取至少一个关键词；使用卷积神经网络算法，对由所述关键词对应的词向量组合而成的词矩阵进行滤波，获取对应的描述特征向量。4.根据权利要求1所述的方法，其特征在于，所述获取与所述操作类型对应的行为特征向量，包括：获取与所述操作类型匹配的标识符；对所述标识符以及与所述操作图片匹配的编号组成的向量进行特征提取，获取对应的行为特征向量。5.根据权利要求1所述的方法，其特征在于，所述根据所述内容特征向量以及所述行为特征向量确定与所述用户匹配的图片分类模型，包括：基于深度神经网络算法将所述内容特征向量以及所述行为特征向量输入至与所述用户匹配的原始分类模型中，所述原始分类模型包括根据第二历史图片操作信息确定的分类模型，所述第二历史图片操作信息的操作时间先于所述第一历史图片操作信息；根据所述原始分类模型的输出结果以及所述操作类型确定所述原始分类模型的预测损失值；基于反向传播算法将所述预测损失值反馈至所述原始分类模型的输入端，得到与所述用户匹配的图片分类模型。6.根据权利要求5所述的方法，其特征在于，所述根据所述原始分类模型的输出结果以及所述操作类型确...

【专利技术属性】
技术研发人员：汪剑，
申请(专利权)人：出门问问信息科技有限公司，
类型：发明
国别省市：北京,11