[发明专利]一种线上商品搜索方法及系统

说明书

本发明公开了一种线上商品搜索方法及系统。所述方法及系统采用卷积神经网络将图像中的对象特征提取出来，通过深层次卷积神经网络结合哈希码算法的方式创建哈希码，再利用深度学习的方式进行哈希码的匹配，不仅有效地保证对象搜索的准确性和全面性，而且保证了搜索的高效性以及商品推荐的准确性。本发明提供的方法及系统适合应用于各类型的购物软件，实现所需成本小，应用范围广，可以解决用户目前所遇到的对象搜索问题。

技术领域

本发明涉及在线购物技术领域，特别是涉及一种线上商品搜索方法及系统。

背景技术

伴随着科学技术的发展，互联网出现在我们的生活里。随着互联网的迅猛崛起，人们开始利用互联网解决各类生活中的问题。为了满足人们利用互联网购物的需求，淘宝、京东等公司出现在了我们眼前，满足了我们的需求。网上购物逐渐成为了人们日常生活中不可或缺的一部分，网上购物的顾客成为了一个庞大的新生群体。09年，淘宝的用户量就已经达到1.4亿，12年，这个数字变成了8亿。与此同时，网上店铺的数量也在飞速增长，还是以淘宝为例，17年淘宝号称店铺数量已经达到了千万级别。伴随着网上购物领域的繁荣发展，可以看到数据量也在急剧增加，这时，由于数据量变得太过巨大，线上购物的一些弊端开始浮现。

虽然技术在不断的革新，但是线上的庞大数据量，很难如线下一样让顾客轻松找到自己心仪的商品。搜索困难成为顾客购物过程中面临的一大问题。为解决这一问题，近些年来提出了很多的“导购”系统。但大多数搜索系统，都只是根据客户端存储的搜索或浏览记录，来推荐一些商品，很难解决线上线下信息不对称的问题。因为线下拿到了某一商品时，想要进行线上的搜索，不是以往的历史记录可以解决的。例如在现实中看到了一瓶矿泉水，无法确定其准确信息，这时搜索矿泉水，由于数据量的庞大，很难从庞大的搜索结果中找到想要的该商品。当然得知的商品相关信息越多，搜索可以变得越来越精确，但是想要迅速且准确的从大量的数据中得到想要的商品，并不是一件容易的事情。

近些年来，图像检索技术的不断进步，使得很多领域随之发生了巨大的变革。基于内容的图像检索技术的出现，使得线上的图像识别从构想变成了现实。基于内容的图像检索技术(Content-based Image Retrieval，CBIR)借助对图像信息从低层到高层进行处理、分析和理解的过程获取其内容并根据内容进行检索。CBIR技术分为三个层次，一是依据提取图像本身的颜色、纹理、形状等低层特征进行检索；二是基于图像的低层特征，通过识别图像中的对象类别及对象间的空间拓扑关系进行检索；三是基于图像抽象属性(场景语义、行为语义和情感语义)的推理学习进行检索。上述三个层次由低到高，与人的认知接近。CBIR使得很多领域与图像检索联系到了一起，比如我们所熟知的火车站飞机场等人脸识别系统。这些系统的检测方式，大概可以分为两类：(1)基于属性组合的检索：将视频对象提取出来，然后把对象的特征(如颜色、形状、速度、方向等)作为对象的属性，通过属性的组合进行查询与搜索；(2)基于可视词组的视频搜索：通过对视频图像提取特征，然后利用聚类方法将特征转化为可视词组，利用文本检索的相关索引技术，进行视频的检索。但是当今这些应用所采用的识别框架，仍然存在着诸如语意损失过大，识别效率低等问题。尤其是现有的购物推荐与搜索系统通常采用CF(Collaborative Filtering，协同过滤)识别算法，由于该算法并不采用图像分析的方法，单纯进行数据矩阵运算，导致该方法具有识别偏差过大、识别效率低的缺陷。

发明内容

本发明的目的是提供一种线上商品搜索方法及系统，通过采用高精度哈希算法进行线上商品搜索，减少了图像识别误差与语义损失，提高了对象搜索的准确性和全面性，并提高了搜索效率。

为实现上述目的，本发明提供了如下方案：

一种线上商品搜索方法，所述方法包括：

获取服务端存储的服务端商品图片；

采用卷积神经网络提取所述服务端商品图片的视觉特征；