(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210985333.9 (22)申请日 2022.08.16 (71)申请人 河南职业 技术学院 地址 450046 河南省郑州市郑东 新区龙子 湖高校园区平安大道 210号 (72)发明人 蔡晶晶　李冰　丁玉涛　宋欢　 翟慧　 (74)专利代理 机构 郑州芝麻知识产权代理事务 所(普通合伙) 41173 专利代理师 张丹丹 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/58(2019.01) G06F 16/54(2019.01) G06V 10/26(2022.01)G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于云计算和大数据分析的个性化图像推 荐系统 (57)摘要 本发明涉及图像推荐技术领域， 具体涉及一 种基于云计算和大数据分析的个性化图像推荐 系统， 该系统包括第一数据分析单元： 获取平台 中每张图像的标签集合 以及用户的历史喜爱标 签集合和喜好变动频率； 第二数据分析单元： 根 据用户正在浏览的实时图像将平台中的所有图 像进行排序得到候选图像集合； 第三数据分析单 元： 对候选图像集合中的每张图像进行语义分割 以得到每张图像对应的RGBZ图像以及缩略图的 最小包围框向量和候选框向量； 图像推荐单元： 构建注意力机制和损失函数以训练目标框生成 对抗网络， 利用训练好的目标框生成对抗网络获 取用户的个性化图像推荐结果， 使得图像推荐所 对应的缩略图的呈现效果更加好， 增强用户体验 感。 权利要求书3页 说明书9页 附图1页 CN 115292602 A 2022.11.04 CN 115292602 A 1.一种基于云计算和大 数据分析的个性 化图像推荐系统， 其特 征在于， 该系统包括： 第一数据分析单元， 用于基于大数据得到平台中每张图像的标签集合和用户最近点赞 的V张目标图像， V为正整数， 根据每张目标图像中的标签统计每种 标签的出现次数以作为 用户对相对应标签的喜爱值， 根据喜爱值获取用户的历史喜爱标签集 合和喜好变动频率； 第二数据分析单元， 用于根据用户正在浏 览的实时图像的标签集合得到用户的当前喜 爱标签集合， 结合平台中每张图像的标签集合、 所述历史喜爱标签集合、 所述喜好变动频率 和所述当前喜 爱标签集合分别计算用户对平台中每张图像的兴趣评估值， 按照所述兴趣评 估值从高到低的顺序将平台 中的所有图像进行排序， 得到候选图像集 合； 第三数据分析单元， 用于对候选 图像集合中的当前图像进行语义分割， 得到多个语义 框的形状向量， 形状向量是由语义框的左边界坐标、 上边界坐标、 右 边界坐标和下边界坐标 组成的， 根据每个语义框对应标签的喜爱值计算每个语义框的语义内容重要度， 基于所述 语义内容重要度将当前图像转化为RGBZ图像， Z 是指所述语义内容重要度； 获取候选图像集 合中每张图像对应的RGB Z图像； 根据语义框的形状向量 获取缩略图的最小包围框向量和候 选框向量； 图像推荐单元， 用于利用所述RGBZ图像、 所述最小包围框向量和所述候选框向量构建 目标框生成对抗网络的注意力机制和损失函数， 目标框生成对抗网络包括一个生成网络和 多个判别网络， 基于所述注意力机制和所述损失函数对目标框生成对抗网络进行训练， 利 用训练好的目标框生成对抗网络获取用户的个性 化图像推荐结果。 2.如权利要求1所述的一种基于云计算和大数据分析的个性化图像推荐系统， 其特征 在于， 所述第一数据分析单元中根据喜 爱值获取用户的历史喜 爱标签集合和喜好变动频率 的方法， 包括： 根据用户对每张标签的喜爱值， 将喜爱值从高到低进行排序以选取前K个喜爱值对应 的标签作为用户的历史喜爱标签集 合， K为正整数； 基于用户对目标图像的浏览时间顺序， 将目标图像平均分为多个图像集合， 选取每个 图像集合中top ‑n个喜爱值所对应的标签作为对应图像集合的阶段性标签集合， n为正整 数， 将所述阶段性标签集合组成历史图像标签变动序列， 获取所述历史图像标签变动序列 的样本熵以作为用户的喜好变动频率。 3.如权利要求1所述的一种基于云计算和大数据分析的个性化图像推荐系统， 其特征 在于， 所述第二数据分析 单元中兴趣评估值的获取 方法， 包括： 利用余弦相似度函数分别计算当前喜爱标签集合与第 i张图像的标签集合之间的第 一 余弦相似度、 用户的历史喜爱标签集 合与第i张图像的标签集 合之间的第二 余弦相似度； 获取用户的所述喜好变动频率与 所述第二余弦相似度之间的乘积， 将乘积与 所述第一 余弦相似度进行相加得到用户对平台 中第i张图像的兴趣评估值。 4.如权利要求1所述的一种基于云计算和大数据分析的个性化图像推荐系统， 其特征 在于， 所述第三数据分析 单元中语义内容重要度的获取 方法， 包括： 将所有语义框对应标签的喜爱值进行累加得到喜爱值总和， 令每个语义框对应标签的 喜爱值与所述喜爱值总和的比值作为对应 语义框的语义内容重要度。 5.如权利要求1所述的一种基于云计算和大数据分析的个性化图像推荐系统， 其特征 在于， 所述第三数据分析单元中根据语义框的形状向量 获取缩略图的最小包围框向量和候权　利　要　求　书 1/3 页 2 CN 115292602 A 2选框向量的方法， 包括： 基于候选图像集合中所有图像的多个语义框的形状向量， 选择形状向量中最小的左边 界坐标、 最小的上边界坐标、 最大的右边界坐标和最大的下边界坐标组成最小包围框向量； 设置候选 框向量中的每 个元素值都在最小包围框向量中， 且候选 框向量需要满足： right′ ‑left′≥64 down′ ‑up′≥64 其中， right ′为候选框向量中的右边界坐标； left ′为候选框向量中的左边界坐标； down′为候选框向量中的下边界坐标； up ′为候选框向量中的上边界坐标； ε为比例值。 6.如权利要求5所述的一种基于云计算和大数据分析的个性化图像推荐系统， 其特征 在于， 所述图像 推荐单元中注意力机制的构建方法， 包括： 任意选取一张RGBZ图像， 基于所述候选框向量在RGBZ图像中竖向选取D个像素点， 横向 选取D* ε个像素点， 得到H个满足所述候选框向量的比例值 ε 的子块； 根据RGBZ图像中每个像 素点的R值、 G值、 B值和Z值， 将 每个子块中所有像素点按照从左到右、 从上到下的顺序， 对每 个像素点的R值、 G值、 B值和Z值依次进行拼接， 得到对应子块的特 征向量； 根据所述特征向量获取当前子块对其他子块的注意力 权重， 利用注意力 权重对当前子 块的所述特 征向量进行 更新； 注意力权 重的计算公式为： 其中， αji为第i个子块相对于第j个子块的注意力权重； ||为向量拼接操作； LReLU为激 活函数； 是差异性向量， 且T为转置符号； Fi为第i个子块的特征向量； Fj为第j个子块的特 征向量； W1是线性变化矩阵； k1为调节参数； Comj为第j个子块的重复重要度； 更新公式为： 其中， F′i为第i个子块的新特 征向量； Fi为第i个子块的所述特 征向量。 7.如权利要求6所述的一种基于云计算和大数据分析的个性化图像推荐系统， 其特征 在于， 所述图像 推荐单元中重复重要度的获取 方法， 包括： 对子块中所有像素点的Z值计算平均值， 将平均值作为重复重要度。 8.如权利要求1所述的一种基于云计算和大数据分析的个性化图像推荐系统， 其特征 在于， 所述图像 推荐单元中损失函数的计算公式： Loss＝Llit+LG+Z1L1+Z2L2+…+ZNLN Llit＝|Smin‑S| 其中， Loss为损失函数； Llit为语义专注度； Smin为最小包围框向量所对应的面积； S为网 络输出的生成框的面积； LG为非感兴趣的语 义内容的占比； LN为第N个判 别网络的损失函 数；权　利　要　求　书 2/3 页 3 CN 115292602 A 3