一种基于深度哈希检索的图像推荐方法、系统及终端设备技术方案

本发明专利技术公开了一种基于深度哈希检索的图像推荐方法、系统及终端设备，所述方法包括：通过爬虫程序从互联网上爬取图像数据，并对所述图像数据进行预处理，得到预处理后的图像数据；将所述预处理后的图像数据输入至已训练的深度哈希模型中，得到哈希值，并基于所述哈希值，确定图像候选集；获取用户历史交互数据，将所述用户历史交互数据与所述图像候选集输入至预设的排序模型中，得到图像推荐列表，并将所述图像推荐列表反馈给用户。本发明专利技术通过深度哈希算法确定图像候选集，并基于排序模型来确定图像推荐列表，能大大提高图像检索速度，从而加快图像的推荐流程。而加快图像的推荐流程。而加快图像的推荐流程。

【技术实现步骤摘要】
一种基于深度哈希检索的图像推荐方法、系统及终端设备


[0001]本专利技术涉及图像推荐
，尤其涉及一种基于深度哈希检索的图像推荐方法、系统及终端设备。

技术介绍

[0002]随着社交、多媒体资讯、电商等网络平台的数据多元化发展，特别是图像数据，数字图像的数量正以惊人的速度增长。面对这种发展趋势，人们对信息的潜在需求逐渐从文字转移到图像上。然而，用户很难从庞大繁杂的图像数据库中快速找到自己感兴趣的图像。因此，面向用户兴趣的图像推荐逐渐成为一个热门的研究方向。与此同时，互联网上图像数据的爆炸式增长也给推荐系统的发展带来新的机遇和挑战。
[0003]对于以用户为核心的网络平台来说，通过捕捉用户偏好并进行个性化推荐，推荐系统可以快速向用户推荐感兴趣的内容，这对提高用户对信息的获取效率和提升网络平台的经济效益都具有十分重要的意义。然而，对于图像推荐领域来说，从稀疏的用户图像交互数据中挖掘出用户对图像的兴趣画像变得愈发困难。而图像本身具有稠密的语义信息，利用图像丰富的视觉信息来挖掘用户和图像相关性，成为图像推荐的一个突破口。因此，图像推荐的关键挑战在于如何挖掘图像的高级语义信息，以及如何对图像与用户进行相关表示的建模，从而解决用户需求和过载图像数据之间的矛盾。
[0004]图像推荐作为推荐系统的一个细分领域，早期的图像推荐基本上都是将图像视为一个项目，利用图像的描述属性以及用户交互记录来进行推荐，算法上采用传统的Content
‑
Based算法、ItemCF协同过滤算法或矩阵分解算法等。随着图像特征提取技术的不断发展，图像推荐的算法开始融入人工提取的图像特征，这对基于内容的推荐系统效果提升最为明显。与此同时，图像检索技术也给图像推荐带来了一些新的启发，传统的图像检索过程，先通过人工对图像进行文字标注，再利用关键字来检索图像，这种依据图像描述的字符匹配程度提供检索结果的方法既耗时又主观多义，推荐效果不理想。在大规模图像的应用场景下，给定一张查询图片，快速从百万量级的图像数据库中通过图像特征来找出内容相近的一定数量的图片，这种基于内容的图像检索(content
‑
based image retrieval)，是目前非常流行的研究方向，但是其检索速度依然受限于图像特征向量。由此可见，现有的图像推荐方法耗时，推荐效率低。
[0005]因此，现有技术还有待改进和提高。

技术实现思路

[0006]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于深度哈希检索的图像推荐方法、系统及终端设备，旨在解决现有技术中的图像推荐方法耗时，推荐效率低的问题。
[0007]为了解决上述技术问题，本专利技术所采用的技术方案如下：
[0008]第一方面，本专利技术提供一种基于深度哈希检索的图像推荐方法，其中，方法包括：
[0009]通过爬虫程序从互联网上爬取图像数据，并对所述图像数据进行预处理，得到预处理后的图像数据；
[0010]将所述预处理后的图像数据输入至已训练的深度哈希模型中，得到哈希值，并基于所述哈希值，确定图像候选集；
[0011]获取用户历史交互数据，将所述用户历史交互数据与所述图像候选集输入至预设的排序模型中，得到图像推荐列表，并将所述图像推荐列表反馈给用户。
[0012]在一种实现方式中，所述对所述图像数据进行预处理，得到预处理后的图像数据，包括：
[0013]对所述图像数据进行格式检测、图片清洗以及图片索引。
[0014]在一种实现方式中，所述基于所述哈希值，确定图像候选集，包括：
[0015]获取索引数据库，所述索引数据库中包括所述图像数据所对应的图像特征；
[0016]基于所述哈希值与所述图像特征，确定所述图像候选集。
[0017]在一种实现方式中，所述基于所述哈希值与所述图像特征，确定所述图像候选集，包括：
[0018]基于所述哈希值，计算所述图像数据的图像特征彼此之间的相似度，并获取所述相似度高于预设阈值的图像特征，得到候选图像特征；
[0019]基于所述候选图像特征，得到候选图像数据，并将所述候选图像数据作为所述图像候选集。
[0020]在一种实现方式中，所述获取用户历史交互数据，包括：
[0021]获取用户在历史时间段内通过浏览、点击、收藏图片生成历史查询项，并将所述历史查询项作为所述用户历史交互数据。
[0022]在一种实现方式中，所述将所述用户历史交互数据与所述图像候选集输入至预设的排序模型中，得到图像推荐列表，包括：
[0023]根据所述用户历史交互数据，确定所述历史查询项所对应的反馈行为数据；
[0024]基于所述排序模型，根据所述反馈行为数据，对所述图像候选集中每一张图像数据进行排序，输出所述图像推荐列表。
[0025]在一种实现方式中，所述基于所述排序模型，根据所述反馈行为数据，对所述图像候选集中每一张图像数据进行排序，输出所述图像推荐列表，包括：
[0026]基于所述排序模型，对所述图像候选集中每一张图像数据进行贝叶斯分析得到的最大后验概率；
[0027]基于所述最大后验概率对所述图像候选集中每一张图像数据进行排序，输出所述图像推荐列表。
[0028]第二方面，本专利技术实施例还提供一种基于深度哈希检索的图像推荐系统，其特征在于，所述系统包括：
[0029]图像数据处理模块，用于通过爬虫程序从互联网上爬取图像数据，并对所述图像数据进行预处理，得到预处理后的图像数据；
[0030]图像候选集确定模块，用于将所述预处理后的图像数据输入至已训练的深度哈希模型中，得到哈希值，并基于所述哈希值，确定图像候选集；
[0031]图像推荐模块，用于获取用户历史交互数据，将所述用户历史交互数据与所述图
像候选集输入至预设的排序模型中，得到图像推荐列表，并将所述图像推荐列表反馈给用户。
[0032]第三方面，本专利技术实施例还提供一种终端设备，其中，终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的基于深度哈希检索的图像推荐程序，处理器执行基于深度哈希检索的图像推荐程序时，实现上述方案中任一项的基于深度哈希检索的图像推荐方法的步骤。
[0033]第四方面，本专利技术实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有基于深度哈希检索的图像推荐程序，基于深度哈希检索的图像推荐程序被处理器执行时，实现上述方案中任一项的基于深度哈希检索的图像推荐方法的步骤。
[0034]有益效果：与现有技术相比，本专利技术提供了一种基于深度哈希检索的图像推荐方法，本专利技术首先通过爬虫程序从互联网上爬取图像数据，并对所述图像数据进行预处理，得到预处理后的图像数据。然后，将所述预处理后的图像数据输入至已训练的深度哈希模型中，得到哈希值，并基于所述哈希值，确定图像候选集。最后，获取用户历史交互数据，将所述用户历史交互数据与所述图像候选集输入至预设的排序模型中，得到图像推荐列表，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度哈希检索的图像推荐方法，其特征在于，所述方法包括：通过爬虫程序从互联网上爬取图像数据，并对所述图像数据进行预处理，得到预处理后的图像数据；将所述预处理后的图像数据输入至已训练的深度哈希模型中，得到哈希值，并基于所述哈希值，确定图像候选集；获取用户历史交互数据，将所述用户历史交互数据与所述图像候选集输入至预设的排序模型中，得到图像推荐列表，并将所述图像推荐列表反馈给用户。2.根据权利要求1所述的基于深度哈希检索的图像推荐方法，其特征在于，所述对所述图像数据进行预处理，得到预处理后的图像数据，包括：对所述图像数据进行格式检测、图片清洗以及图片索引。3.根据权利要求1所述的基于深度哈希检索的图像推荐方法，其特征在于，所述基于所述哈希值，确定图像候选集，包括：获取索引数据库，所述索引数据库中包括所述图像数据所对应的图像特征；基于所述哈希值与所述图像特征，确定所述图像候选集。4.根据权利要求3所述的基于深度哈希检索的图像推荐方法，其特征在于，所述基于所述哈希值与所述图像特征，确定所述图像候选集，包括：基于所述哈希值，计算所述图像数据的图像特征彼此之间的相似度，并获取所述相似度高于预设阈值的图像特征，得到候选图像特征；基于所述候选图像特征，得到候选图像数据，并将所述候选图像数据作为所述图像候选集。5.根据权利要求1所述的基于深度哈希检索的图像推荐方法，其特征在于，所述获取用户历史交互数据，包括：获取用户在历史时间段内通过浏览、点击、收藏图片生成历史查询项，并将所述历史查询项作为所述用户历史交互数据。6.根据权利要求1所述的基于深度哈希检索的图像推荐方法，其特征在于，所述将所述用户历史交互数据与所述图像候选集输入至预设的排序模型中，得到图像推荐列表，包括：根据所述用户历史交互数据，确...

【专利技术属性】
技术研发人员：聂伟，周俊亮，秦斌，
申请(专利权)人：深圳大学，
类型：发明
国别省市：