[发明专利]一种基于人工智能的家装定制方法、系统及存储介质

权利要求书

1.一种基于人工智能的家装定制方法，其特征在于，包括：

基于目标用户浏览家装项目历史数据建立个人-项目偏好模型；

通过所述个人-项目偏好模型提取个人偏好，将所述个人偏好根据时间进行形式化描述生成个人偏好时间序列；

获取所述个人偏好时间序列中的预设区间内个人偏好信息；

将所述个人偏好信息与候选家装项目信息进行匹配，获取用户对候选家装项目的感兴趣程度；

根据所述感兴趣程度的排序信息生成用户的目标家装风格信息，并根据目标房屋户型图生成目标房屋户型信息；

基于卷积神经网络建立家装定制模型，将所述目标家装风格信息和所述目标房屋户型信息导入所述家装定制模型；

所述家装定制模型通过目标房屋户型信息及目标家装风格信息制定家装方案；

将所述家装方案按照预设的方式显示；

所述目标家装风格信息包含至少一种家装风格k，对不同的家装风格i进行区域化融合，与目标房屋户型图像化信息进行卷积，则家装定制模型的数学表达形式为：

其中，y表示家装定制模型定制的家装方案信息，γ表示模型系数，i表示目标家装风格信息中包含家装风格的总数，j_k表示家装风格k特征区域掩码，g_k表示目标家装风格信息中家装风格k的风格编码集合，*表示卷积计算，f表示目标房屋户型信息的图像特征。

2.根据权利要求1所述的一种基于人工智能的家装定制方法，其特征在于，所述的基于卷积神经网络建立家装定制模型，具体为：

基于卷积神经网络建立初始家装定制模型，初始化模型参数；

获取训练数据，将所述初始家装定制模型分成图像转换模块及家装风格构建模块；

随机采样所述训练数据中的房屋户型图像化信息并设置对应的家装风格标签；

预设所述图像转换模块及家装风格构建模块的权重及梯度信息，并所述图像转换模块及家装风格构建模块进行交替训练；

对于每个t次迭代，对家装风格构建模块训练t-1次迭代，对图像转换模块训练1次迭代，同时对所述权重及梯度信息进行更新；

根据更新后的权重及梯度信息对所述家装定制模型的编码器、解码器参数进行更新；

将初始家装定制模型进行n个t次迭代后，完成训练，生成家装定制模型。

3.根据权利要求1所述的一种基于人工智能的家装定制方法，其特征在于，所述家装定制模型通过目标房屋户型信息及目标家装风格信息制定家装方案，具体为：

获取目标房屋户型信息，将所述目标房屋户型信息进行拆分，生成墙体、地板、天花板的图像化信息；

将所述图像化信息进行特征提取，通过家装定制模型中的编码器将所述特征进行编码，生成图像特征；

获取用户的目标家装风格信息，将所述图像特征及所述目标家装风格信息导入家装定制模型中的家装风格构建模块；

根据所述目标家装风格信息对不同的家装风格进行区域化融合组成滤波器组；

通过目标家装风格对应的滤波器组与图像特征进行卷积，由解码器进行解码得到符合目标家装风格的家装方案。

4.根据权利要求1所述的一种基于人工智能的家装定制方法，其特征在于，还包括：

获取符合目标家装风格的家装方案，将所述家装方案接入家具数据库；

采集用户及家装项目的交互记录，根据所述交互记录采集用户感兴趣家装项目及历史购买家装项目的价格信息，通过所述价格信息分析用户的购买力；

通过所述购买力和家装风格生成家具推荐标签，所述家具数据库通过所述家具推荐标签创建索引任务；

家具数据库中的索引模块根据所述索引任务生成推荐全套家具方案，并附带所述全套家具方案中的单个家具商品链接及价格；

同时，家具数据库还可根据用户的预算对推荐家具方案进行调整。