【技术实现步骤摘要】
本专利技术涉及数据分析处理，实现博物馆文物个性化推荐、文创产品精准营销等应用，具体而言，涉及一种基于用户第一视角游览视频的文物寓意兴趣偏好画像构建方法(以青花瓷为例)。
技术介绍
1、青花瓷是中国瓷器的主流品种之一，因其蕴含的美好文化寓意深受老百姓的喜爱，与青花瓷相关的衍生创意产品也层出不穷，如何获取用户对青花瓷的文化寓意兴趣偏好进而进行个性化推荐和相关产品的精准营销是一个亟待解决的共性问题。用户画像(userprofile)是用于刻画客户的兴趣偏好的常用方法，画像一般用表征用户特征的标签(tag)集合表示，其本质是建立一系列属性数据之上的目标用户模型。现有获取用户偏好画像的方法主要是通过对用户调查问卷进行统计分析，该方法不仅费时费力，而且容易造成不同用户对文化寓意理解上存在较大的语义偏差导致画像不准确。本专利技术通过分析第一视角的观赏视频作为用户行为，构建区域注意力、空间注意力和时间注意力三种文化寓意偏好指标，计算用户对某种寓意的兴趣值，进而生成青花瓷寓意兴趣向量，并用直方图表示用户的寓意偏好画像。此方法可广泛应用于博物馆文物个性化推荐、文创产品精准营销等场景。
技术实现思路
1、本专利技术解决的问题是如何从第一视角观赏视频中获取描述用户对文化寓意偏好的用户画像，本专利技术以构建用户对青花瓷寓意偏好的用户画像为例。
2、为解决上述问题，本专利技术提供一种基于第一视角的青花瓷偏好用户画像构建方法，包括：
3、步骤1、采用第一视角拍摄设备采集用户观赏青花瓷文物
4、步骤2、定义青花瓷文化寓意类别集合c＝{三羊开泰，金玉满堂，喜得连科，吉祥如意，渔樵耕读，龙凤呈祥，财源滚滚，万寿无疆，白头偕老，连生贵子，安居乐业}；
5、步骤3、按照预先定义的青花瓷文化寓意类别对n张青花瓷图片进行寓意分类标注和语义分割图像标注形成训练数据集，并做数据增强处理；
6、步骤4、构建青花瓷寓意分类神经网络模型用于获取图片中青花瓷物体的寓意类别、边缘框坐标和语义分割掩码；
7、步骤5、根据步骤4输出的寓意类别、边缘框坐标和语义分割掩码信息，构建区域注意力、空间注意力和时间注意力三种指标表征用户对青花瓷文化寓意类别的兴趣值；
8、步骤6、计算所有青花瓷文化寓意类别的兴趣值并加权归一化后得到用户的青花瓷寓意兴趣向量，然后通过直方图可视化表示用户寓意偏好画像。
9、本专利技术的有益效果是：将第一人称视角视频采样成图片，按照预先定义的文化寓意分类进行寓意分类标注和语义分割图像标注形成数据集，构建青花瓷寓意分类神经网络模型用于识别图片中青花瓷物体的寓意类别、边缘框坐标和语义分割掩码，设计区域注意力、空间注意力和时间注意力三种寓意偏好指标计算用户对某种寓意的兴趣值，进而计算所有寓意的兴趣值并归一化后得到用户的青花瓷寓意兴趣向量，并可用直方图可视化用户兴趣偏好画像。
10、作为优选，所述步骤3具体包括：
11、步骤301、数据采集与标注，采集第一视角视频，按20hz采样频率采样形成训练集，并对训练集中每张图片进行寓意分类标注和语义分割图像标；
12、步骤302、数据增强，对训练集中的图片进行上下左右反转、灰度变化、亮度、饱和度和对比度随机变化处理；
13、所述步骤4具体包括：
14、步骤401、构建基于mask rcnn目标检测网络构建青花瓷寓意分类模型，模型输入为500*500*3青花瓷图片，输出青花瓷物体的寓意类别、边缘框坐标和语义分割掩码；
15、步骤402、训练优化模型参数，损失函数选用：
16、l＝lcls+lbox+lmask
17、其中，lcls为寓意类别损失，lbox为边缘框坐标损失，lmask为语义分割掩码损失；lcls，lbox，lmask均为交叉熵损失函数；其中，交叉熵损失函数的计算公式为：
18、dkl(p||q)＝-h(p)+h(p,q)
19、
20、交叉熵损失函数用于衡量两个概率的区别，式中，衡量p,q两个概率的区别，p为确定的概率分布，则其交叉熵h(p)为一个常数，dkl(p||q)为相对熵，采用梯度下降法最小化损失函数做参数更新，完成模型的训练，得到青花瓷寓意分类模型权重参数。
21、作为优选，所述步骤5具体包括：
22、步骤501、根据用户在观赏时会主动抵近感兴趣的物体，因此采用计算视野中青花瓷物体的面积大小来定义寓意i的区域注意力指标如下：
23、
24、式中，sij表示单张青花瓷图片中寓意i物体的面积，simg表示青花瓷图片的像素总面积，n表示寓意i物体出现的图片数量，n表示视频中采样的图片数量，计算的结果表征寓意i物体相对于图片的面积比值，比值越大，说明用户对寓意i感兴趣程度越大；
25、步骤502、根据用户对于感兴趣的物体，会聚焦物体，通过分析用户正视物体，即视野中心点是用户感兴趣物体的焦点，因此采用计算寓意i物体中心到图片中心距离来定义寓意i的空间注意力指标如下：
26、
27、式中，limg表示图片对角线长度的二分之一,lij表示寓意i物体中心点到青花瓷图片中心点距离；m表示单张青花瓷图片中寓意i物体出现的次数，n表示寓意i物体出现的青花瓷图片数量；计算结果表征寓意i物体中心点到青花瓷图片中心点的距离，di越大，说明用户对第i种寓意感兴趣程度越大；
28、步骤503、基于步骤1中对第一视角视频采样为n张青花瓷图片，根据采样时间间隔来定义寓意i的时间注意力指标如下：
29、
30、t＝δ*n
31、式中，n代表寓意i分类出现的青花瓷图片数量，δ指代采样时间间隔；tmax表征最大的寓意i观赏时间，tmin表征最小的寓意i观赏时间，寓意i观赏的时间越长，说明用户对该寓意越感兴趣。
32、作为优选，所述步骤6中对区域注意力指标、空间注意力指标和时间注意力指标加权处理得到：
33、pi＝αri+βdi+γti
34、式中，α是区域注意力分数ri的系数，β是空间注意力分数di的系数，γ是时间注意力分数ti的系数，此处将α、β、γ三个参数分别赋予0.3，0.3，0.4数值来对用户偏好指标归一化，其中pi是用户画像p中寓意i分量，分数值越大，说明用户对该类寓意类别的青花瓷的偏好越大。
本文档来自技高网...【技术保护点】
1.一种基于第一视角的青花瓷偏好用户画像构建方法，其特征在于，包括：
2.根据权利要求1所述的基于第一视角的青花瓷偏好用户画像构建方法，其特征在于，所述步骤3具体包括：
3.根据权利要求1所述的基于第一视角的青花瓷偏好用户画像构建方法，其特征在于，所述步骤5具体包括：
4.根据权利要求1所述的基于第一视角的青花瓷偏好用户画像构建方法，其特征在于，所述步骤6中对区域注意力指标、空间注意力指标和时间注意力指标加权处理得到：
【技术特征摘要】
1.一种基于第一视角的青花瓷偏好用户画像构建方法，其特征在于，包括：
2.根据权利要求1所述的基于第一视角的青花瓷偏好用户画像构建方法，其特征在于，所述步骤3具体包括：
3.根据权利要求1所述的基于第一视角...
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。