[发明专利]画单生成方法及装置，电子设备，计算机可读存储介质

权利要求书

1.一种画单生成方法，其特征在于，包括：

获取画作数据和用户行为数据；

利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果；

根据所述聚类结果生成画单。

2.根据权利要求1所述的画单生成方法，其特征在于，所述聚类算法组至少包括多个采用不同原理的聚类算法和对所述采用不同原理的聚类算法的聚类结果进行融合的融合聚类算法，利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果包括：

对所述画作数据和所述用户行为数据进行处理，得到降维后的特征向量；

针对所述多个采用不同原理的聚类算法中的每一个算法，将所述降维后的特征向量输入到所述聚类算法，得到用于表征画作间关联关系的中间聚类结果；

将所述每个聚类算法的中间聚类结果输入到所述融合聚类算法，得到最终的聚类结果。

3.根据权利要求2所述的画单生成方法，其特征在于，所述多个采用不同原理的聚类算法至少包括以下两种：

基于划分的聚类、基于层次的聚类、基于密度的聚类和基于模型的聚类。

4.根据权利要求2所述的画单生成方法，其特征在于，对所述画作数据和所述用户行为数据进行处理，得到降维后的特征向量包括：

根据所述画作数据和所述用户行为数据提取出基于物品的特征向量；

融合所述基于物品的特征向量，得到融合特征向量；

利用主成份分析法将所述融合特征向量转换为降维后的特征向量。

5.根据权利要求4所述的画单生成方法，其特征在于，根据所述画作数据和所述用户行为数据提取出基于物品的特征向量包括：

针对所述画作数据中的画作图像信息，利用栈式自编码器逐层提取特征，并将所提取的特征进行降维处理，得到所述画作数据对应的高阶特征向量；

针对所述画作数据中的画作特征信息，利用独热编码对类别特征进行编码，并对所述数值特征进行归一化处理，得到第一画作特征向量；

针对所述用户行为数据中的结构化的行为数据，利用交替最小二乘法分解所述结构化的行为数据，得到第二画作特征向量；

针对所述用户行为数据中的非结构化的行为数据，利用文档主题生成模型提取所述非结构化的行为数据中隐含主题概率向量；

所述高阶特征向量、所述第一画作特征向量、所述第二画作特征向量和所述隐含主题概率向量为所述基于物品的特征向量。

6.根据权利要求2所述的画单生成方法，其特征在于，将所述每个聚类算法的中间聚类结果输入到所述融合聚类算法，得到最终的聚类结果包括：

建立画作集间的两两关联矩阵，所述关联矩阵中各元素的初值为0；

利用所述融合聚类算法依次扫描所述多个中间聚类结果中各中间聚类结果；

若所述各中间聚类结果中存在两幅画作被划分至同一个类簇中，则将所述两幅画作的关联矩阵中对应元素值增加1；

在完成扫描后，若所述关联矩阵中各元素值大于预先设置的元素值阈值，则所述两幅画作划分到同一类簇中，得到最终的聚类结果。

7.根据权利要求1所述的画单生成方法，其特征在于，所述画作数据至少包括：画作图像信息和画作特征信息；其中，所述画作特征信息包括以下至少一种：类别、主题、尺寸、作者、年份和材质。

8.根据权利要求1所述的画单生成方法，其特征在于，所述用户行为数据至少包括结构化的行为数据和非结构化的行为数据；其中，

结构化的行为数据包括以下至少一种：购买行为、评分记录、浏览历史和推送记录；

非结构化的行为数据包括以下至少一种：搜索内容、评论及分享内容。

9.一种画单生成装置，其特征在于，包括输入层、聚类算法层和输出层；其中，

所述输入层用于获取画作数据和用户行为数据；

所述聚类算法层用于利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果；

所述输出层用于根据所述聚类结果生成画单。