[发明专利]基于词向量的图片推荐方法及相关设备

说明书

本公开提供了一种基于词向量的图片推荐方法及相关设备，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。本公开提供基于词向量的图片推荐方法及相关设备，能够较好地进行图片推荐。

技术领域

本公开涉及机器学习技术领域，特别是指一种基于词向量的图片推荐方法及相关设备。

背景技术

用户在使用展示图片的设备时，希望能够基于当前展示的图片或自身的喜好来获得下一张图片，这种方式即为图片推荐。

但是，现有的图片推荐方法要么仅依赖于用户对图片的描述信息，要么仅依赖于图片间的关联关系，推荐效果一般。

发明内容

有鉴于此，本公开实施例的目的之一在于，提出一种基于词向量的图片推荐方法及相关设备，以在一定程度上解决推荐效果不好的问题。

基于上述目的，本公开实施例提供的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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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：