基于用户特征及大数据训练的智能设计方法和系统技术方案

本发明专利技术公开了一种基于用户特征及大数据训练的智能设计方法和系统，包括：获取用户的交互信息生成用户的特征信息，结合基础信息生成用户信息；获取用户对目标工艺品的目标创作信息，进行预处理及格式化处理，结合用户信息确定用户需求信息；基于深度学习方法构建工艺品智能创作模型，基于用户需求信息进行目标工艺品的三维信息构建；将目标工艺品的三维信息反馈至用户，获取用户的对三维信息的交互信息进行用户需求信息的修正，更新目标工艺品的三维信息，并利用修正后的用户需求信息丰富用户特征

【技术实现步骤摘要】
基于用户特征及大数据训练的智能设计方法和系统


[0001]本专利技术涉及工艺品设计
，更具体的，涉及一种基于用户特征及大数据训练的智能设计方法和系统
。

技术介绍

[0002]近年来，伴随着人工智能技术的快速发展，艺术创意领域正在发生着翻天覆地的变化，特别是
ChatGPT、Midjourney、Stable Diffusion
等工具的出现，让创作的门槛大大降低，越来越多的人正在尝试利用人工智能技术进行艺术创作，这些作品不仅具有独特的创意和表现形式，也在很大程度上突破了传统艺术的边界
。
同时，
3D
模型在智能设计领域以其可塑性，可编辑性有着属于自己的独特优势，扩展了
2D
设计的上限
。
一方面，站在用户的角度，除了基础商品信息之外，越来越多其他的信息会被纳入最终购买决策中，例如在购买大件家具的时候，用户会考虑家具的颜色和款式和家中的硬装是否搭配，功能性以及舒适性是否满足家人使用
。
另一方面，站在卖家角度，也开始发现
3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于用户特征及大数据训练的智能设计方法，其特征在于，包括以下步骤：获取用户的交互信息，根据所述交互信息生成用户的特征信息，基于所述特征信息及基础信息生成用户信息；获取用户对目标工艺品的目标创作信息，将所述目标创作信息进行预处理及格式化处理，结合用户信息确定用户需求信息；基于深度学习方法构建工艺品智能创作模型，通过大数据手段进行训练，通过所述工艺品智能创作模型基于所述用户需求信息进行目标工艺品的三维信息构建；将目标工艺品的三维信息反馈至用户，获取用户的对三维信息的交互信息进行所述用户需求信息的修正，更新目标工艺品的三维信息，并利用修正后的用户需求信息丰富用户特征
。2.
根据权利要求1所述的一种基于用户特征及大数据训练的智能设计方法，其特征在于，获取用户的交互信息，根据所述交互信息生成用户的特征信息，基于所述特征信息及基础信息生成用户信息，具体为：获取用户在历史时间段的交互信息，生成用户的交互数据集，利用所述交互数据集进行用户的嵌入表示，通过用户嵌入表示进行相似度计算，将所述相似度符合预设标准的用户作为相似用户；获取所述相似用户的嵌入表示，引入注意力机制获取注意力权重，表征用户之间的关联特征，通过所述注意力权重进行加权聚合获取相似用户的特征信息；从用户的交互信息中提取交互项目，将所述交互项目按照时序进行排序处理获取交互时序序列，并根据用户对交互项目的交互次数及交互时长获取所述交互时序序列中交互项目的初始权重；通过自注意力网络对多数交互时序序列进行学习表示，结合交互项目的初始权重及自注意力权重获取交互项目的特征信息；将用户对应的相似用户的特征信息及交互项目的特征信息进行特征融合生成用户的特征信息，将所述用户的特征信息结合用户的基础信息生成用户信息
。3.
根据权利要求1所述的一种基于用户特征及大数据训练的智能设计方法，其特征在于，获取用户对目标工艺品的目标创作信息，将所述目标创作信息进行预处理及格式化处理，结合用户信息确定用户需求信息，具体为：获取用户对目标工艺品的创作需求，将所述创作需求进行分词，获取各个词的词向量，根据所述词向量将所述创作需求进行分类获取需求类别；基于所述需求类别将所述词向量进行聚类生成子数据集，利用所述需求类别设置子数据集的数据标签，根据各数据标签的子数据集获取目标创作信息；将所述目标创作信息根据预设数据格式进行预处理及格式化处理，通过用户信息匹配所述目标创作信息，生成用户对目标工艺品的用户需求信息
。4.
根据权利要求1所述的一种基于用户特征及大数据训练的智能设计方法，其特征在于，基于深度学习方法构建工艺品智能创作模型，通过大数据手段进行训练，具体为：根据用户及交互项目在低维空间中构建无向图，将交互项目的表现形式作为节点的附加特征，通过图卷积神经网络对所述无向图进行表示学习；基于图卷积神经网络构建工艺品智能创作模型，利用大数据手段获取训练数据进行模
型训练，将所述用户需求信息导入图卷积神经网络进行特征编码；通过图卷积神经网络的消息传播及邻居聚合机制结合获取用户的向量化表示及交互项目的向量化表示，计算用户的向量化表示及交互项目的向量化表示的内积；根据内积获取内积排序，基于内积排序获取预设数量的交互项目，作为用户需求信息对应的候选交互项目，作为图卷积神经网络的输出；将所述候选交互向量结合目标工艺品的基础三维模型，生成目标工艺品的三维信息
。5.
根据权利要求1所述的一种基于用户特征及大数据训练的智能设计方法，其特征在于，将目标工艺品的三维信息反馈至用户，获取用户的对三维信息的交互信息进行所述用户需求信息的修正，更新目标工艺品的三维信息，具体为：获取目标工艺品的三维信息，将所述三维信息反馈至用户进行可视化显示，获取用户与目标工艺品三维信息的交互信息，将所述交互信息与需求类别进行匹配；根据历史用户需求获取用户对应各需求类别之间的关联特征，通过所述关联特征基于用户的交互信息生成修正推荐信息，判断用户对所述修正推荐信息的反馈；通过用户的反馈判断用户对修正推荐信息的满意度，当所述满意度低于预设阈值时，则停止修正推荐，并重新学习所述关联特征；当用户完成目标工艺品的三维信息交互后，将最终目标工艺品三维信息发送至
3D
打印设备进行作品生成，并获取修正后用户需求信息
。6.
根据权利要求1所述的一种基于用户特征及大数据训练的智能设计方法，其特征在于，利用修正后的用户需求信息丰富用户特征，具体为：获取预设时间内的历史用户需求信息，将所述历史用户需求信息结合时间戳构建用户需求序列，基于所述用户需求序列构建用户个性化数据库；获取修正后的用户需求信息与所述用户需求信息的偏差特征，利用所述偏差特征在所述用户个性化...

【专利技术属性】
技术研发人员：刘再行，赖培源，王昌栋，杨永仕，李奎，廖晓东，赖剑煌，
申请(专利权)人：广东省华南技术转移中心有限公司中山大学，
类型：发明
国别省市：