[发明专利]基于词向量的图片推荐方法及相关设备

权利要求书

1.一种基于词向量的图片推荐方法，包括：

获取当前图片的图片信息；

根据所述当前图片的图片信息，调用基于词向量的推荐算法模型，确定推荐图片；其中，所述基于词向量的推荐算法模型用于生成所述当前图片的词向量并基于所述当前图片的词向量确定所述推荐图片；

输出所述推荐图片。

2.根据权利要求1所述的方法，其中，所述方法还包括：

若接收到冷启动消息，则输出标签页，所述标签页中包括多个图片标签；

接收用户点击所述图片标签的信息；

根据所述用户点击图片标签的信息，调用所述基于词向量的推荐算法模型，确定推荐图片；

输出所述推荐图片。

3.根据权利要求1或2所述的方法，其中，所述基于词向量的推荐算法模型的训练方法包括：

确定图片数据集，并根据所述图片数据集构建知识图谱；

按照所述知识图谱中的分类，对所述图片数据集中的图片分别构建对应的第一序列；

对所述图片数据集中的图片随机构建第二序列；

创建第一初始神经网络模型和第二初始神经网络模型；

利用包括所述第一序列的第一训练集训练所述第一初始神经网络模型，利用包括所述第二序列构成的第二训练集训练所述第二初始神经网络模型；

当损失函数达到预设目标时，训练得到的第一神经网络模型和第二神经网络模型即为所述基于词向量的推荐算法模型；

其中，所述第一神经网络模型和第二神经网络模型共享权重。

4.根据权利要求3所述的方法，其中，所述基于词向量的推荐算法模型的训练方法，还包括：根据用户的点击数据，构建第三序列；

利用包括所述第一序列的第一训练集训练所述第一初始神经网络模型，包括：利用包括所述第一序列和第三序列的第一训练集训练所述第一初始神经网络模型。

5.根据权利要求4所述的方法，其中，所述方法还包括：获取用户的点击指令，根据所述点击指令确定推荐图片；

根据用户的点击数据，构建第三序列，包括：

收集根据所述点击指令确定的推荐图片的序列；

根据所述推荐图片的序列，构建所述第三序列。

6.根据权利要求3所述的方法，其中，当损失函数达到预设目标时，训练得到的第一神经网络模型和第二神经网络模型即为所述基于词向量的推荐算法模型，包括：

当所述第一初始神经网络模型和第二初始神经网络模型的目标函数之差处于预设差值范围内时，训练得到的第一神经网络模型和第二神经网络模型即为所述基于词向量的推荐算法模型。

7.根据权利要求3所述的方法，其中，按照所述知识图谱中的分类，对所述图片数据集中的图片分别构建对应的第一序列，包括：

按照所述知识图谱中的某一分类随机排列该分类下的各实体；

对各实体中包括的图片随机地进行排序，进而完成所述图片数据集中每幅图片的排序；

对于排序完成的图片，按照预定个数为一组进行分组，得到多个所述第一序列；

对于所述知识图谱中的每个分类，均采用以上步骤进行处理，得到多个所述第一序列。

8.一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如下方法：

获取当前图片的图片信息；

根据所述当前图片的图片信息，调用基于词向量的推荐算法模型，确定推荐图片；其中，所述基于词向量的推荐算法模型用于生成所述当前图片的词向量并基于所述当前图片的词向量确定所述推荐图片；

输出所述推荐图片。