一种基于神经网络的在线商品推荐系统、装置及移动终端制造方法及图纸

本发明专利技术公开了一种基于神经网络的在线商品推荐系统、装置及移动终端，属于神经网络技术领域；系统包括采集装置，获取商品图像并转换为时间脉冲序列输出；识别装置，连接采集装置，通过第一神经网络模型，根据时间脉冲序列识别商品图像，并远程输出相应的识别结果；服务端基于一第二神经网络模型，根据识别结果处理形成推荐信息并反馈；用户端还包括：结果反馈装置，连接识别装置，获取基于推荐信息进行的操作结果并输出；识别装置根据操作结果，对第一神经网络模型和/或对第二神经网络进行更新。上述技术方案的有益效果是：降低移动终端应用数学处理模型对网络带宽的依赖程度；提升图像识别和数据处理的效率，提升使用者的使用体验。

【技术实现步骤摘要】

本专利技术涉及神经网络
，尤其涉及一种基于神经网络的在线商品推荐系统、装置及移动终端。
技术介绍
现有技术中，针对移动终端的在线商品推荐系统，通常会采用设置于移动终端内部的一些数据处理模型实现。这些数学处理模型需要根据使用者个人的习惯的变动进行相适应的调整。但是现有技术中，于移动终端内部实现商品识别并且推荐相应商品的功能，通常受制于移动终端相对较小的运算能力，以及移动终端内部相对固定的数学处理模型，其数据处理依赖于远程服务端的支持，且处理方式比较固定，并不灵活。
技术实现思路
根据现有技术中存在的问题，现提供一种基于神经网络的在线商品推荐系统、装置及移动终端的技术方案，旨在解决现有技术中于移动终端内采用数学处理模型进行在线商品推荐处理时受制于预先固定的处理模型以及模型本身的运算能力而导致的处理方式灵活度较差以及计算能力较差的问题。上述技术方案具体包括：一种基于神经网络的在线商品推荐系统，其中，包括多个用户端以及分别与所述用户端远程连接的服务端，每个所述用户端分别设置于一移动终端内：所述用户端包括：采集装置，用于获取在线推荐的商品图像，并将所述商品图像转换为相应的时间脉冲序列输出；识别装置，连接所述采集装置，通过一预先训练的第一神经网络模型，
根据所述时间脉冲序列识别所述商品图像，并向所述服务端远程输出相应的识别结果；所述服务端基于一预先训练的第二神经网络模型，根据所述识别结果处理形成相应的推荐信息并反馈给所述用户端；所述用户端还包括：结果反馈装置，连接所述识别装置，用于获取使用者基于所述推荐信息进行的操作结果并发送至所述识别装置；所述识别装置根据所述操作结果，对所述第一神经网络模型进行更新，和/或根据所述操作结果发送至所述服务端，以对所述第二神经网络进行更新。优选的，该在线商品推荐系统，其中，所述识别装置包括：训练数据单元，其中预设有多个训练数据，所述训练单元用于输出所述训练数据；模型训练单元，连接所述训练数据单元，用于根据所述训练数据训练建立相应的所述第一神经网络模型；所述模型训练单元还基于所述识别记录更新所述第一神经网络模型。优选的，该在线商品推荐系统，其中，所述训练数据包括训练输入数据以及相应的期望输出数据；所述模型训练单元中包括：处理模块，基于一预设的所述第一神经网络模型，根据所述训练输入数据处理输出相应的训练输出数据；比对模块，连接所述处理模块，用于将所述训练输出数据与所述期望输出数据进行比对，输出相应的比对结果；训练模块，分别连接所述处理模块和所述比对模块，用于根据所述比对结果训练更新所述处理单元所依据的所述第一神经网络模型；所述训练更新模块根据所述比对结果循环更新所述第一神经网络模型，以最终形成训练完毕的所述第一神经网络模型，以供所述识别装置使用。优选的，该在线商品推荐系统，其中，所述操作结果包括用于表示所述识别装置是否能够正确识别所述商品图像的第一结果信息；所述操作结果与相应的所述商品图像结合形成一条相应的识别记录；所述识别装置包括：权重设定单元，根据所述第一结果信息，设定相应的所述识别记录于更新所述第一神经网络模型过程中的权重值；更新单元，连接所述权重设定单元，用于根据相应的所述权重值，确定是否需要根据相应的所述识别记录更新所述第一神经网络模型，并对所述第一神经网络模型进行更新。优选的，该在线商品推荐系统，其中，当所述第一结果信息表示所述识别装置能够识别所述商品图像时，所述权重设定单元将相应的所述权重值设定为一第一预设值；当所述第一结果信息表示所述识别装置无法识别所述第二预设值时，所述权重设定单元将相应的所述权重值设定为一第二预设值；所述更新单元根据所述权重值为第二预设值的所述第一结果信息更新所述第一神经网络模型。优选的，该在线商品推荐系统，其中，所述操作结果包括用于表示使用者是否忽略所述推荐信息的第二结果信息；所述操作结果与相应的所述商品图像结合形成一条相应的识别记录；所述识别装置包括：权重设定单元，根据所述第二结果信息，设定相应的所述识别记录于更新所述第二神经网络模型过程中的权重值；更新单元，连接所述权重设定单元，用于根据所述权重值确定是否需要更新所述第二神经网络模型，并将相应的所述识别记录发送至所述服务端以更新所述第二神经网络模型。优选的，该在线商品推荐系统，其中，当所述第二结果信息表示使用者对所述推荐信息进行操作时，所述权重设定单元将相应的所述权重值设定为一第一预设值；当所述第二结果信息表示使用者忽略所述推荐信息时，所述权重设定单元将相应的所述权重值设定为一第二预设值；所述更新单元将所述权重值为第二预设值的所述第二结果信息对应的
所述识别记录发送至所述服务端，以更新所述第二神经网络模型。优选的，该在线商品推荐系统，其中，所述操作结果包括用于表示使用者选择所述推荐信息的顺次的第三结果信息；所述识别装置包括：权重设定单元，根据所述第三结果信息，设定相应的所述识别记录于更新所述第二神经网络模型过程中的权重值；更新单元，连接所述权重设定单元，用于根据所述权重值确定是否需要更新所述第二神经网络模型，并将相应的所述识别记录发送至所述服务端以更新所述第二神经网络模型。优选的，该在线商品推荐系统，其中，当所述第三结果信息表示使用者所选择的所述推荐信息为第一顺次时，所述权重设定单元将相应的所述权重值设定为一第一预设值；当所述第三结果信息表示使用者所选的所述推荐信息不为第一顺次时，所述权重设定单元将相应的所述权重值设定为一第二预设值；所述更新单元将所述权重值为第二预设值的所述第二结果信息对应的所述识别记录发送至所述服务端，以更新所述第二神经网络模型。优选的，该在线商品推荐系统，其中：所述权重设定单元将所述第一预设值设定为一正常值；所述权重设定单元将所述第二预设值设定为高于所述正常值。优选的，该在线商品推荐系统，其中，所述采集装置为所述移动终端的摄像头。优选的，该在线商品推荐系统，其中，所述第一神经网络模型和所述第二网络模型均为脉冲神经网络模型。一种识别装置，应用于移动终端；其中，所述识别装置通过以多行多列排布并相互关联的多个神经单元模块块处理形成的神经网络模型对外部输入的商品图像进行识别；外部输入的商品图像被转换成相应的时间脉冲序列并发送至所述识别装置内。优选的，该识别装置，其中，经所述商品图像转换的所述时间脉冲序列
由多个子脉冲序列构成；每个所述神经单元模块用于处理一个所述子脉冲序列；所述识别装置中包括：排程设定单元，分别连接每个所述神经单元模块，用于获取每个所述神经单元模块的工作状态，并控制每个所述神经单元模块的排程；序列存储单元，连接所述排程设定单元，用于按序保存所有所述子脉冲序列；所述排程设定单元控制处于空闲状态的所述神经单元模块处理所述序列存储单元中保存的一个预设的所述子脉冲序列；所述排程设定单元从所述序列存储单元中删除已被处理的所述子脉冲序列。优选的，该识别装置，其中，每个所述神经单元模块中包括以多行多列排布并相互关联的神经单元。优选的，该识别装置，其中，所述第一神经网络模型和所述第二神经网络模型均为脉冲神经网络模型。一种移动终端，其中，包括上述的在线商品推荐系统中的用户端。一种移动终端，其中，包括上述的识别装置。上述技术方案的有益效果是本文档来自技高网...

【技术保护点】
一种基于神经网络的在线商品推荐系统，其特征在于，包括多个用户端以及分别与所述用户端远程连接的服务端，每个所述用户端分别设置于一移动终端内：所述用户端包括：采集装置，用于获取在线推荐的商品图像，并将所述商品图像转换为相应的时间脉冲序列输出；识别装置，连接所述采集装置，通过一预先训练的第一神经网络模型，根据所述时间脉冲序列识别所述商品图像，并向所述服务端远程输出相应的识别结果；所述服务端基于一预先训练的第二神经网络模型，根据所述识别结果处理形成相应的推荐信息并反馈给所述用户端；所述用户端还包括：结果反馈装置，连接所述识别装置，用于获取使用者基于所述推荐信息进行的操作结果并发送至所述识别装置；所述识别装置根据所述操作结果，对所述第一神经网络模型进行更新，和/或根据所述操作结果发送至所述服务端，以对所述第二神经网络进行更新。

【技术特征摘要】
1.一种基于神经网络的在线商品推荐系统，其特征在于，包括多个用户端以及分别与所述用户端远程连接的服务端，每个所述用户端分别设置于一移动终端内：所述用户端包括：采集装置，用于获取在线推荐的商品图像，并将所述商品图像转换为相应的时间脉冲序列输出；识别装置，连接所述采集装置，通过一预先训练的第一神经网络模型，根据所述时间脉冲序列识别所述商品图像，并向所述服务端远程输出相应的识别结果；所述服务端基于一预先训练的第二神经网络模型，根据所述识别结果处理形成相应的推荐信息并反馈给所述用户端；所述用户端还包括：结果反馈装置，连接所述识别装置，用于获取使用者基于所述推荐信息进行的操作结果并发送至所述识别装置；所述识别装置根据所述操作结果，对所述第一神经网络模型进行更新，和/或根据所述操作结果发送至所述服务端，以对所述第二神经网络进行更新。2.如权利要求1所述的在线商品推荐系统，其特征在于，所述识别装置包括：训练数据单元，其中预设有多个训练数据，所述训练单元用于输出所述训练数据；模型训练单元，连接所述训练数据单元，用于根据所述训练数据训练建立相应的所述神经网络模型；所述模型训练单元还基于所述识别记录更新所述第一神经网络模型。3.如权利要求2所述的在线商品推荐系统，其特征在于，所述训练数据包括训练输入数据以及相应的期望输出数据；所述模型训练单元中包括：处理模块，基于一预设的所述第一神经网络模型，根据所述训练输入数据处理输出相应的训练输出数据；比对模块，连接所述处理模块，用于将所述训练输出数据与所述期望输出数据进行比对，输出相应的比对结果；训练模块，分别连接所述处理模块和所述比对模块，用于根据所述比对结果训练更新所述处理单元所依据的所述第一神经网络模型；所述训练更新模块根据所述比对结果循环更新所述第一神经网络模型，以最终形成训练完毕的所述第一神经网络模型，以供所述识别装置使用。4.如权利要求1所述的在线商品推荐系统，其特征在于，所述操作结果包括用于表示所述识别装置是否能够正确识别所述商品图像的第一结果信息；所述操作结果与相应的所述商品图像结合形成一条相应的识别记录；所述识别装置包括：权重设定单元，根据所述第一结果信息，设定相应的所述识别记录于更新所述第一神经网络模型过程中的权重值；更新单元，连接所述权重设定单元，用于根据相应的所述权重值，确定是否需要根据相应的所述识别记录更新所述第一神经网络模型，并对所述第一神经网络模型进行更新。5.如权利要求4所述的在线商品推荐系统，其特征在于，当所述第一结果信息表示所述识别装置能够识别所述商品图像时，所述权重设定单元将相应的所述权重值设定为一第一预设值；当所述第一结果信息表示所述识别装置无法识别所述第二预设值时，所述权重设定单元将相应的所述权重值设定为一第二预设值；所述更新单元根据所述权重值为第二预设值的所述第一结果信息更新所述第一神经网络模型。6.如权利要求1所述的在线商品推荐系统，其特征在于，所述操作结果包括用于表示使用者是否忽略所述推荐信息的第二结果信息；所述操作结果与相应的所述商品图像结合形成一条相应的识别记录；所述识别装置包括：权重设定单元，根据所述第二结果信息，设定相应的所述识别记录于更新所述第二神经网络模型过程中的权重值；更新单元，连接所述权重设定单元，用于根据所述权重值确定是否需要更新所述第二神...

【专利技术属性】
技术研发人员：郑介誌，林福辉，
申请(专利权)人：展讯通信上海有限公司，
类型：发明
国别省市：上海;31