[发明专利]图片排序推荐方法、装置、电子设备、存储介质

说明书

本发明提供一种图片排序推荐方法、装置、电子设备、存储介质，方法包括：利用第一训练集，训练预分类模型；将预分类模型的一中间层作为一编码器；利用具有场景标签的第二训练集，通过编码器，训练场景分类模型；利用具有优美度标签的第三训练集，通过编码器，训练第一优美度分类模型；利用图像属性，对第一优美度分类模型输出的优美度评分进行修正获得第二优美度模型；将待处理图片输入场景分类模型获得该待处理图片的场景类型；将待处理图片输入第二优美度模型获得该待处理图片的经修正的优美度评分；依据场景类型，按经修正的优美度评分对图片进行排序；以及按图片的排序顺序进行图片的推送。本发明提供的方法及装置提高用户体验。

背景技术

随着互联网技术的发展，OTA(Online Travel Agency，在线旅行社)应运而生。OTA指旅游消费者通过网络向旅游服务提供商预定旅游产品或服务，并通过网上支付或者线下付费，即各旅游主体可以通过网络进行产品营销或产品销售。OTA的出现将原来传统的旅行社销售模式放到网络平台上，更广泛的传递了线路信息，互动式的交流更方便了客人的咨询和订购。

目前，深度学习的兴起使得图像智能化处理成为可能,图像AI技术广泛应用于安防、金融、医疗、交通、工业制造等领域，如何将该技术应用于OTA领域，是本领域技术人员需要研究的课题。

在旅游信息的获取上，图片信息相比文字是一种更为直观的和消费者交流的方式。图像是向用户展示吃喝玩乐住等旅游场景的重要手段之一。面对海量的图像数据和井喷式的图像数量的增长，传统依靠人工复核、挑选图片的工作已经不能满足业务需求。深度学习的兴起使得图像智能化处理成为可能，然而，如何通过深度学习以实现图片的快速排序和精准推送是本领域技术人员亟待解决的技术问题。

发明内容

本发明为了克服上述现有技术存在的缺陷，提供一种图片排序推荐方法、装置、电子设备、存储介质，以实现图片的快速排序和精准推送。

根据本发明的一个方面，提供一种图片排序推荐方法，包括：

利用第一训练集，训练预分类模型；

将所述预分类模型的一中间层作为一编码器；

利用具有场景标签的第二训练集，通过所述编码器，训练场景分类模型；

利用具有优美度标签的第三训练集，通过所述编码器，训练第一优美度分类模型；

利用图像属性，对所述第一优美度分类模型输出的优美度评分进行修正获得第二优美度模型；

将待处理图片输入所述场景分类模型获得该待处理图片的场景类型；

将待处理图片输入所述第二优美度模型获得该待处理图片的经修正的优美度评分；

依据所述场景类型，按所述经修正的优美度评分对图片进行排序；以及

按图片的排序顺序进行图片的推送。

在本发明的一些实施例中，所述预分类模型及所述场景分类模型采用迁移学习来训练。

在本发明的一些实施例中，所述第三训练集中每一图片除了所述优美度标签，还标记有主题类别标签。

在本发明的一些实施例中，所述第一优美度分类模型采用多任务迁移学习来训练。

在本发明的一些实施例中，所述场景分类模型中包括L2范式层。

在本发明的一些实施例中，所述场景分类模型采用Triplet Loss作为损失函数。

在本发明的一些实施例中，所述利用图像属性，对所述第一优美度分类模型输出的优美度评分进行修正获得第二优美度模型包括：

将至少一所述图像属性及所述第一优美度分类模型输出的优美度评分进行特征聚合；