画单生成方法及装置，电子设备，计算机可读存储介质制造方法及图纸

本发明专利技术涉及一种画单生成方法及装置，电子设备，计算机可读存储介质。一种画单生成方法包括：获取画作数据和用户行为数据；利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果；根据所述聚类结果生成画单。可见，本实施例中，由于增加了用户行为数据，可以基于用户的喜好来确定画单，有利于提高推荐效率。本实施例中利用(包括多个聚类算法的)聚类算法组对画作数据进行聚类，提高生成画单的效率和准确率。

【技术实现步骤摘要】
画单生成方法及装置，电子设备，计算机可读存储介质
本专利技术涉及数据处理
，尤其涉及一种画单生成方法及装置，电子设备，计算机可读存储介质。
技术介绍
画作资源日趋丰富，现有的推荐系统中针对画作间的关联度可以得到画单，并然后向用户推荐画单，从而可以提升推荐效率。另外，对于线上的画作欣赏与交易平台以及线下的画作展览，生成画单可有效地确立主题和展区，可以对平台的结构和展览的流程起到指导性作用。现在的画单生成方法，需要人工检阅与标注主题(或关键词)，然后可以对标注内容进行处理，从而得到画单。然而，由于画作信息包括图像、文本、矩阵等多种数据，导致生成画单的难度较大。
技术实现思路
本专利技术提供一种画单生成方法及装置，电子设备，计算机可读存储介质，以解决相关技术中由于画作信息复杂而导致画单生成难度较大的问题。根据本专利技术实施例的第一方面，提供一种画单生成方法，包括：获取画作数据和用户行为数据；利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果；根据所述聚类结果生成画单。可选地，所述聚类算法组至少包括多个采用不同原理的聚类算法和对所述采用不同原理的聚类算法的聚类结果进行融合的融合聚类算法，利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果包括：对所述画作数据和所述用户行为数据进行处理，得到降维后的特征向量；针对所述多个采用不同原理的聚类算法中的每一个算法，将所述降维后的特征向量输入到所述聚类算法，得到用于表征画作间关联关系的中间聚类结果；将所述每个聚类算法的中间聚类结果输入到所述融合聚类算法，得到最终的聚类结果。可选地，所述多个采用不同原理的聚类算法至少包括以下两种：基于划分的聚类、基于层次的聚类、基于密度的聚类和基于模型的聚类。可选地，对所述画作数据和所述用户行为数据进行处理，得到降维后的特征向量包括：根据所述画作数据和所述用户行为数据提取出基于物品的特征向量；融合所述基于物品的特征向量，得到融合特征向量；利用主成份分析法将所述融合特征向量转换为降维后的特征向量。可选地，根据所述画作数据和所述用户行为数据提取出基于物品的特征向量包括：针对所述画作数据中的画作图像信息，利用栈式自编码器逐层提取特征，并将所提取的特征进行降维处理，得到所述画作数据对应的高阶特征向量；针对所述画作数据中的画作特征信息，利用独热编码对类别特征进行编码，并对所述数值特征进行归一化处理，得到第一画作特征向量；针对所述用户行为数据中的结构化的行为数据，利用交替最小二乘法分解所述结构化的行为数据，得到第二画作特征向量；针对所述用户行为数据中的非结构化的行为数据，利用文档主题生成模型提取所述非结构化的行为数据中隐含主题概率向量；所述高阶特征向量、所述第一画作特征向量、所述第二画作特征向量和所述隐含主题概率向量为所述基于物品的特征向量。可选地，将所述每个聚类算法的中间聚类结果输入到所述融合聚类算法，得到最终的聚类结果包括：建立画作集间的两两关联矩阵，所述关联矩阵中各元素的初值为0；利用所述融合聚类算法依次扫描所述多个中间聚类结果中各中间聚类结果；若所述各中间聚类结果中存在两幅画作被划分至同一个类簇中，则将所述两幅画作的关联矩阵中对应元素值增加1；在完成扫描后，若所述关联矩阵中各元素值大于预先设置的元素值阈值，则所述两幅画作划分到同一类簇中，得到最终的聚类结果。可选地，所述画作数据至少包括：画作图像信息和画作特征信息；其中，所述画作特征信息包括以下至少一种：类别、主题、尺寸、作者、年份和材质。可选地，所述用户行为数据至少包括结构化的行为数据和非结构化的行为数据；结构化的行为数据包括以下至少一种：购买行为、评分记录、浏览历史和推送记录；非结构化的行为数据包括以下至少一种：搜索内容、评论及分享内容。根据本专利技术实施例的第二方面，提供一种画单生成装置，包括输入层、聚类算法层和输出层；其中，所述输入层用于获取画作数据和用户行为数据；所述聚类算法层用于利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果；所述输出层用于根据所述聚类结果生成画单。可选地，所述聚类算法层包括特征向量获取模块、中间聚类结果获取模块和融合聚类结果获取模块；所述特征向量获取模块，用于对所述画作数据和所述用户行为数据进行处理，得到降维后的特征向量；所述中间聚类结果获取模块，用于针对所述多个采用不同原理的聚类算法中的每一个算法，将所述降维后的特征向量输入到所述聚类算法，得到用于表征画作间关联关系的中间聚类结果；所述融合聚类结果获取模块，用于将所述每个聚类算法的中间聚类结果输入到所述融合聚类算法，得到最终的聚类结果。可选地，所述特征向量获取模块包括：物品特征向量提取单元，用于根据所述画作数据和所述用户行为数据提取出基于物品的特征向量；融合特征向量获取单元，用于融合所述基于物品的特征向量，得到融合特征向量；特征向量转换单元，用于利用主成份分析法将所述融合特征向量转换为降维后的特征向量。可选地，所述物品特征向量提取单元包括：高阶特征向量获取子单元，用于针对所述画作数据中的画作图像信息，利用栈式自编码器逐层提取特征，并将所提取的特征进行降维处理，得到所述画作数据对应的高阶特征向量；第一画作向量获取子单元，用于针对所述画作数据中的画作特征信息，利用独热编码对类别特征进行编码，并对所述数值特征进行归一化处理，得到第一画作特征向量；第二画作向量获取子单元，用于针对所述用户行为数据中的结构化的行为数据，利用交替最小二乘法分解所述结构化的行为数据，得到第二画作特征向量；隐含主题概率向量获取子单元，用于针对所述用户行为数据中的非结构化的行为数据，利用文档主题生成模型提取所述非结构化的行为数据中隐含主题概率向量；所述高阶特征向量、所述第一画作特征向量、所述第二画作特征向量和所述隐含主题概率向量为所述基于物品的特征向量。可选地，所述融合聚类结果获取模块包括：关联矩阵建立单元，用于建立画作集间的两两关联矩阵，所述关联矩阵中各元素的初值为0；中间聚类结果扫描单元，用于利用所述融合聚类算法依次扫描所述多个中间聚类结果中各中间聚类结果；关联矩阵元素值调整单元，用于在所述各中间聚类结果中存在两幅画作被划分至同一个类簇中时，调整所述两幅画作的关联矩阵中对应的元素值；所述两幅画作的关联矩阵预先设置；画作划分单元，用于在完成扫描且所述关联矩阵中各元素值大于预先设置的元素值阈值时，所述两幅画作划分到同一类簇中，得到最终的聚类结果。根据本专利技术实施例的第三方面，提供一种电子设备，包括第二方面所述的画单生成装置。根据本专利技术实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面所述方法的步骤。可见，本实施例中，由于增加了用户行为数据，可以基于用户的喜好来确定画单，有利于提高推荐效率。本实施例中利用聚类算法组(包括多个聚类算法的)对画作数据进行聚类，提高生成画单的效率和准确率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是本专利技术实施例示出的一种画单生成方本文档来自技高网...

【技术保护点】
1.一种画单生成方法，其特征在于，包括：获取画作数据和用户行为数据；利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果；根据所述聚类结果生成画单。

【技术特征摘要】
1.一种画单生成方法，其特征在于，包括：获取画作数据和用户行为数据；利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果；根据所述聚类结果生成画单。2.根据权利要求1所述的画单生成方法，其特征在于，所述聚类算法组至少包括多个采用不同原理的聚类算法和对所述采用不同原理的聚类算法的聚类结果进行融合的融合聚类算法，利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果包括：对所述画作数据和所述用户行为数据进行处理，得到降维后的特征向量；针对所述多个采用不同原理的聚类算法中的每一个算法，将所述降维后的特征向量输入到所述聚类算法，得到用于表征画作间关联关系的中间聚类结果；将所述每个聚类算法的中间聚类结果输入到所述融合聚类算法，得到最终的聚类结果。3.根据权利要求2所述的画单生成方法，其特征在于，所述多个采用不同原理的聚类算法至少包括以下两种：基于划分的聚类、基于层次的聚类、基于密度的聚类和基于模型的聚类。4.根据权利要求2所述的画单生成方法，其特征在于，对所述画作数据和所述用户行为数据进行处理，得到降维后的特征向量包括：根据所述画作数据和所述用户行为数据提取出基于物品的特征向量；融合所述基于物品的特征向量，得到融合特征向量；利用主成份分析法将所述融合特征向量转换为降维后的特征向量。5.根据权利要求4所述的画单生成方法，其特征在于，根据所述画作数据和所述用户行为数据提取出基于物品的特征向量包括：针对所述画作数据中的画作图像信息，利用栈式自编码器逐层提取特征，并将所提取的特征进行降维处理，得到所述画作数据对应的高阶特征向量；针对所述画作数据中的画作特征信息，利用独热编码对类别特征进行编码，并对所述数值特征进行归一化处理，得到第一画作特征向量；针对所述用户行为数据中的结构化的行为数据，利用交替最小二乘法分解所述结构化的行为数据，得到第二画作特征向量；针对所述用户行为数据中的非结构化的行为数据，利用文档主题生成模型提取所述非结构化的行为数据中隐含主题概率向量；所述高阶特征向量、所述第一画作特征向量、所述第二画作特征向量和所述隐含主题概率向量为所述基于物品的特征向量。6.根据权利要求2所述的画单生成方法，其特征在于，将所述每个聚类算法的中间聚类结果输入到所述融合聚类算法，得到最终的聚类结果包括：建立画作集间的两两关联矩阵，所述关联矩阵中各元素的初值为0；利用所述融合聚类算法依次扫描所述多个中间聚类结果中各中间聚类结果；若所述各中间聚类结果中存在两幅画作被划分至同一个类簇中，则将所述两幅画作的关联矩阵中对应元素值增加1；在完成扫描后，若所述关联矩阵中各元素值大于预先设置的元素值阈值，则所述两幅画作划分到同一类簇中，得到最终的聚类结果。7.根据权利要求1所述的画单生成方法，其特征在于，所述画作数据至少包括：画作图像信息和画作特征信息；其中，所述画作特征信息包括以下至少一种：类别、主题、尺寸、作者、年份和材质。8.根据权利要求1所述的画单生成方法，其特征在于，所述用户行为数据至少包括结构化的行为数据和非结构化的行为数据；其中，结构化的行为数据包括以下至少一种：购买行为、评分记录、浏览历史和...

【专利技术属性】
技术研发人员：周希波，李慧，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京,11