The invention discloses a commodity recommendation method based on image and socialized label, which mainly solves the problem that the existing recommendation method can not catch the user's preference well. The actual scheme is: 1. extract the color feature, texture feature and shape feature of the commodity picture; 2. design the optimal semantic space: according to the connection between the user, the label and the commodity picture 22, construct the two sub map and the close neighbor diagram, and map the three kinds of data of the user, the label and the commodity picture to the same space, that is, the best Semantic space; 3. in the optimal semantic space, according to the Euclidean distance between the user and the commodity picture, the commodity pictures are sorted in the order of near to distance, and the previous N commodity pictures from the users are recommended to the users. The invention can more accurately calculate the similarity between the images, effectively handle the complex association structure between the three classes of objects of the label data, and get better recommendation performance, and can be used in the personalized recommendation system of electronic commerce.
【技术实现步骤摘要】
基于图像和社会化标签的商品推荐方法
本专利技术属于数据挖掘
,特别涉及一种商品推荐方法,可用于电子商务的个性化推荐系统。
技术介绍
近年来,随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在海量信息中的消费者不断流失。为了解决该问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种主动信息服务系统,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。传统的推荐系统大多利用用户评分数据,并使用协同过滤算法进行计算筛选,然后推荐给用户。但是,评分数据不能直观反映用户的喜好所在,比如电影评分,使用用户评分数据只能得知用户对该电影是否喜爱,却不能得知用户对电影具体的关注点。因此,基于用户评分数据的推荐系统并不能很好的捕捉用户的具体偏好。
技术实现思路
本专利技术的目的在于针对上述现有技术的不足,提出一种基于图像和社会化标签的商品推荐方法,以更好的捕捉用户的具体偏好。本专利技术的技术方案是这样实现的:一.技术原理社会化标签更能直接地反映用户的偏好,这是因为标签对资源,即商品图片提供了一个有意义的描述,比如针对衣服的图片,通过标签可以了解到这件衣服是“田园风”还是“甜美淑女”,因此,标签体现了用户对于该商品的语义理解,暗示了用户的偏好所在。另外,由于标签数据有三类对象:用户、标签、商品图片,它们之间具有复杂的关联结构,所以无法使用传统的协同过滤算法进行商品推荐。因此,本专利技术设计了一种基于图的多类关联对象降维算法,该算法对用户、标签、商 ...
【技术保护点】
1.一种基于图像和社会化标签的商品推荐方法,其特征在于,包括:(1)提取商品图片的内容特征,即颜色特征、纹理特征和形状特征;(2)设计最优语义空间:2a)利用多核学习算法学习出商品图片所述三种特征之间的权重参数向量,得到最终两张商品图片之间的相似度,将权重参数向量与计算出的商品图片之间的相似度进行融合得到相似度矩阵;2b)定义标签数据为(ui,dj,tk),U为用户集,D为商品图片集,T为标签集,ui表示U中第i个用户,dj表示D中第j个商品图片,tk表示T中第k个标签,标签数据(ui,dj,tk)表示用户ui使用标签tk来标注图片dj;2c)对标签数据中用户与标签之间的联系构建加权二分图,对标签数据中标签与商品图片之间的联系构建加权二分图,对标签数据中用户与商品图片之间的联系构建无权二分图,对商品图片集构建近邻关系图;2d)在保持2c)中二分图和近邻关系图这两种图结构的前提下,将用户、标签和商品图片这三种数据映射到同一空间内,该空间即为最优语义空间;(3)在步骤(2)已经获得的最优语义空间内,根据用户与商品图片的之间的欧氏距离对商品图片按照从近到远的顺序进行排序,将距离用户最近的前N ...
【技术特征摘要】
1.一种基于图像和社会化标签的商品推荐方法,其特征在于,包括:(1)提取商品图片的内容特征,即颜色特征、纹理特征和形状特征;(2)设计最优语义空间:2a)利用多核学习算法学习出商品图片所述三种特征之间的权重参数向量,得到最终两张商品图片之间的相似度,将权重参数向量与计算出的商品图片之间的相似度进行融合得到相似度矩阵;2b)定义标签数据为(ui,dj,tk),U为用户集,D为商品图片集,T为标签集,ui表示U中第i个用户,dj表示D中第j个商品图片,tk表示T中第k个标签,标签数据(ui,dj,tk)表示用户ui使用标签tk来标注图片dj;2c)对标签数据中用户与标签之间的联系构建加权二分图,对标签数据中标签与商品图片之间的联系构建加权二分图,对标签数据中用户与商品图片之间的联系构建无权二分图,对商品图片集构建近邻关系图;2d)在保持2c)中二分图和近邻关系图这两种图结构的前提下,将用户、标签和商品图片这三种数据映射到同一空间内,该空间即为最优语义空间;(3)在步骤(2)已经获得的最优语义空间内,根据用户与商品图片的之间的欧氏距离对商品图片按照从近到远的顺序进行排序,将距离用户最近的前N个商品图片推荐给用户,N的范围是(1,+∞)。2.根据权利要求1所述的方法,其特征在于步骤2a)中利用多核学习算法学习出商品图片所述三种特征之间的权重关系,是通过如下核函数学习出商品图片的颜色特征、纹理特征和形状特征之间的的权重参数向量:其中i表示第i个商品图片,j表示第j个商品图片,H1表示商品图片的特征向量的个数,参数η=[η1,η2,......,ηH]T是需要学习出的权重参数向量,参数ηv表示权重参数向量η=[η1,η2,......,ηH]T中第v个参数,Kv(i,j)表示第v个特征下的两张商品图片之间的相似度,K(i,j,η)表示最终两张商品图片之间的相似度。3.根据权利要求1所述的方法,其特征在于步骤2c)中对用户与标签间的联系构造加权二分图,按如下步骤进行:2c1)定义如下矩阵:其中,ui表示U中第i个用户,dk表示D中第k个商品图片,tj表示T中第j个标签,B表示所有标签数据的集合;2c2)对上述矩阵进行归一化,得到归一化后的矩阵:Rut为结构矩阵化的用户与标签之间的加权二分图。4.根据权利要求1所述的方法,其特征在于步骤2c)中对标签与商品图片间的联系构造加权二分图,按如下步骤进行:2c3)定义如下矩阵其中,uk表示U中第k个用户,dj表示D中第j个商品图片,ti表示T中第i个标签,B表示所有标签数据的集合;2c4)对上述矩...
【专利技术属性】
技术研发人员:赵伟,黄若谷,管子玉,王泉,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。