用于图像检索的方法、计算设备和计算机存储介质技术

本公开涉及一种用于图像检索的方法、计算设备和计算机存储介质。该方法包括：获取与用户画像标签相关联的用户群中用户在第一预定时间间隔内针对目标对象的图像的历史操作信息；如果确定历史操作信息符合预定条件，基于目标对象的图像的图像特征和相关联的用户画像标签，生成用于索引目标对象的图像的表征特征；如果确定存在与当前用户的用户画像标签，基于用户画像标签和待检索图像的图像特征，生成关于待检索图像的表征特征；以及计算关于待检索图像的表征特征和预定图像数据库中的目标对象的图像的表征特征之间的相似度，以确定图像检索结果。本公开能够使得图像检索结果有效地反映用户实际兴趣偏好和检索意图。

【技术实现步骤摘要】
用于图像检索的方法、计算设备和计算机存储介质
本公开总体上涉及机器学习，并且具体地，涉及用于图像检索的方法、计算设备和计算机存储介质。
技术介绍
传统的图像检索方案主要包括三种：第一种例如是基于文本描述（例如图像名称）的图像检索方法，该方法例如是：根据用户提供的查询关键字找出标注有该查询关键字对应的图像，最后将查询结果返回给用户。第二种例如基于图像内容的图像检索方法，该方法例如是：识别待查询图像中的目标查询对象，从图像数据库中找出包含有该目标查询对象的图像，然后通过相似性度量排序后，将包含有目标查询对象的图像排在所输出检索结果的前面。第三种例如是基于图像特征的图像检索方法，该方法例如是：提取待查询图像的图像特征，基于图像特征进行相似性计算，基于相似性计算结果确定检索结果图像。无论是待查询图像的上述文本描述、图像内容，还是图像特征，其仅能反映有限的图像信息，难以准确地反映用户的实际兴趣偏好和检索意图，因此，基于待查询图像的标签、图像所包括的对象或图像特征的传统的图像检索方案难以使得检索结果准确地反映用户实际兴趣偏好和检索意图。
技术实现思路
本公开提供一种用于图像检索方法、计算设备和计算机存储介质，能够使得图像检索结果有效地反映用户实际兴趣偏好和检索意图。根据本公开的第一方面，提供了一种用于图像检索的方法。该方法包括：获取与用户画像标签相关联的用户群中的多个用户在第一预定时间间隔内针对预定图像数据库中的多个目标对象的图像的历史操作信息,历史操作信息至少包括多个用户针对多个目标对象的图像的历史点击操作信息和针对多个目标对象的历史购买操作信息；响应于确定针对目标对象的图像的历史操作信息符合预定条件，基于目标对象的图像的图像特征和与目标对象的图像相关联的用户画像标签，生成用于索引目标对象的图像的表征特征；经由第一神经网络模型，提取当前用户的待检索图像的图像特征；响应于确定存在与当前用户相关联的用户画像标签，基于与当前用户相关联的用户画像标签和待检索图像的图像特征，生成关于待检索图像的表征特征；以及计算关于待检索图像的表征特征和预定图像数据库中的目标对象的图像的表征特征之间的相似度，以用于基于相似度计算结果和预定相似度阈值，确定与待检索图像匹配的图像检索结果。根据本专利技术的第二方面，还提供了一种计算设备，该设备包括：至少一个处理单元；至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令，指令当由至少一个处理单元执行时，使得计算设备执行本公开的第一方面的方法。根据本公开的第三方面，还提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，计算机程序被机器执行时执行本公开的第一方面的方法。在一些实施例中，基于与当前用户相关联的用户画像标签和待检索图像的图像特征包括：经由第二神经网络模型，提取与当前用户相关联的用户画像标签的特征，以生成关于当前用户的文字特征，第二神经网络模型经由关于用户画像标签的多样本训练；将待检索图像的图像特征和关于当前用户的文字特征输入第三神经网络模型，第三神经网络模型包括输入层、隐藏层和输出层；以及获取隐藏层的特征向量，以生成关于待检索图像的表征特征。在一些实施例中，第三神经网络模型是基于自动编码器模型所构建的，关于待检索图像的表征特征的维度小于待检索图像的图像特征与文字特征的维度之和。在一些实施例中，基于目标对象的图像的图像特征和与目标对象的图像相关联的用户画像标签生成用于索引目标对象的图像的表征特征包括：响应于确定针对目标对象的图像的历史操作信息符合预定条件，建立用户画像标签与目标对象的图像之间的关联；经由第二神经网络模型，提取与目标对象的图像相关联的用户画像标签的特征，以生成关于用户画像标签的文字特征；以及将目标对象的图像的图像特征和关于用户画像标签的文字特征进行拼接、融合或者相加，以便生成用于索引目标对象的图像的表征特征。在一些实施例中，预定条件包括以下至少一项：针对目标对象的图像的历史点击次数大于或者等于第一预定点击次数阈值；以及针对目标对象的图像的转化率大于或者等于第一预定转化率阈值。在一些实施例中，用于图像检索的方法还包括：响应于确定不存在与当前用户相关联的用户画像标签，基于待检索图像的图像特征，确定与待检索图像匹配的图像检索结果。在一些实施例中，建立用户画像标签与目标对象的图像之间的关联包括：向目标用户呈现与用户画像标签相关联的目标对象的图像；获取自向目标用户呈现与用户画像标签相关联的目标对象的图像之后的第二预定时间间隔内、目标用户针对与用户画像标签相关联的目标对象的图像的操作信息；基于操作信息，计算目标用户关于与用户画像标签相关联的目标对象的图像的点击率和转化率；响应于确定所计算的点击率和转化率均不符合预定置信条件，取消用户画像标签与目标对象的图像之间的关联；以及响应于确定所计算的点击率和转化率中的至少一个符合预定置信条件，维持用户画像标签与目标对象的图像之间的关联。在一些实施例中，用于图像检索的方法还包括：确定与预定用户画像标签相关联的目标对象的多个目标类别和多个目标属性；统计与多个目标类别和多个目标属性均相匹配的目标对象集合；确定第三预定时间间隔内针对目标对象集合中的目标对象的操作信息符合预定标签条件的多个用户；以及将符合预定标签条件的多个用户确定为与预定用户画像标签相关联的用户群。提供
技术实现思路
部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。
技术实现思路
部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。附图说明图1示出了根据本公开的实施例的用于实施用于图像检索的方法的系统的示意图。图2示出了根据本公开的实施例的用于图像检索的方法的流程图。图3示出根据本公开实施例的用于文字特征的第二神经网络模型的示意图。图4示出根据本公开一个实施例的用于生成表征特征的第三神经网络模型的示意图。图5示出根据本公开另一个实施例的用于生成表征特征的第三神经网络模型的示意图。图6示出了根据本公开的实施例的用于建立用户画像标签与目标对象的图像之间的关联的方法的流程图。图7示出了根据本公开的实施例的用于确定与预定用户画像标签相关联的用户群的方法的流程图。图8示意性示出了适于用来实现本公开实施例的电子设备的框图。在各个附图中，相同或对应的标号表示相同或对应的部分。具体实施方式下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示本文档来自技高网...

【技术保护点】
1.一种用于图像检索的方法，包括：/n获取与用户画像标签相关联的用户群中的多个用户在第一预定时间间隔内针对预定图像数据库中的多个目标对象的图像的历史操作信息, 所述历史操作信息至少包括所述多个用户针对多个目标对象的图像的历史点击操作信息和针对所述多个目标对象的历史购买操作信息；/n响应于确定针对目标对象的图像的历史操作信息符合预定条件，基于所述目标对象的图像的图像特征和与所述目标对象的图像相关联的用户画像标签，生成用于索引所述目标对象的图像的表征特征；/n经由第一神经网络模型，提取当前用户的待检索图像的图像特征；/n响应于确定存在与所述当前用户相关联的用户画像标签，基于与所述当前用户相关联的用户画像标签和待检索图像的图像特征，生成关于待检索图像的表征特征；以及/n计算关于待检索图像的表征特征和预定图像数据库中的目标对象的图像的表征特征之间的相似度，以用于基于相似度计算结果和预定相似度阈值，确定与所述待检索图像匹配的图像检索结果。/n

【技术特征摘要】
1.一种用于图像检索的方法，包括：
获取与用户画像标签相关联的用户群中的多个用户在第一预定时间间隔内针对预定图像数据库中的多个目标对象的图像的历史操作信息,所述历史操作信息至少包括所述多个用户针对多个目标对象的图像的历史点击操作信息和针对所述多个目标对象的历史购买操作信息；
响应于确定针对目标对象的图像的历史操作信息符合预定条件，基于所述目标对象的图像的图像特征和与所述目标对象的图像相关联的用户画像标签，生成用于索引所述目标对象的图像的表征特征；
经由第一神经网络模型，提取当前用户的待检索图像的图像特征；
响应于确定存在与所述当前用户相关联的用户画像标签，基于与所述当前用户相关联的用户画像标签和待检索图像的图像特征，生成关于待检索图像的表征特征；以及
计算关于待检索图像的表征特征和预定图像数据库中的目标对象的图像的表征特征之间的相似度，以用于基于相似度计算结果和预定相似度阈值，确定与所述待检索图像匹配的图像检索结果。


2.根据权利要求1所述的方法，其中基于与所述当前用户相关联的用户画像标签和待检索图像的图像特征包括：
经由第二神经网络模型，提取与所述当前用户相关联的用户画像标签的特征，以生成关于所述当前用户的文字特征，所述第二神经网络模型经由关于用户画像标签的多样本训练；
将待检索图像的图像特征和关于所述当前用户的文字特征输入第三神经网络模型，所述第三神经网络模型包括输入层、隐藏层和输出层；以及
获取所述隐藏层的特征向量，以生成关于待检索图像的表征特征。


3.根据权利要求2所述的方法，其中所述第三神经网络模型是基于自动编码器模型所构建的，关于待检索图像的表征特征的维度小于所述待检索图像的图像特征与所述文字特征的维度之和。


4.根据权利要求1所述的方法，其中基于所述目标对象的图像的图像特征和与所述目标对象的图像相关联的用户画像标签生成用于索引所述目标对象的图像的表征特征包括：
响应于确定针对目标对象的图像的历史操作信息符合预定条件，建立所述用户画像标签与目标对象的图像之间的关联；
经由第二神经网络模型，提取与目标对象的图像相关联的用户画像标签的特征，以生成关于所述用户画像标签的文字特征；以及
将所述目标对象的图像的图像特征和关于...

【专利技术属性】
技术研发人员：王克伟，
申请(专利权)人：上海众旦信息科技有限公司，
类型：发明
国别省市：上海;31