基于人工智能的信息推送方法及人工智能云平台技术

本发明专利技术涉及信息处理技术领域，具体涉及一种基于人工智能的信息推送方法及人工智能云平台，旨在解决确定关键词搜索结果不适用于图片，推送信息精准度较低的问题，包括以下步骤：获取查询图片组；从数据库中获得初始判断图片；提取所述初始判断图片和查询图片组的视觉特征参数，并利用图片相似度评价模型计算得到查询图片组的图片相似度评价结果；直至所述图片相似度评价结果的相似度大于预设阙值，则对所述初始判断图片进行视觉特征编码，得到视觉特征向量表示；解码所述视觉特征向量表示，得到推荐查询文本；基于所述推荐查询文本，向用户推送信息。本发明专利技术实现了针对图片的信息推送，且推送信息的精准度较高。且推送信息的精准度较高。

【技术实现步骤摘要】
基于人工智能的信息推送方法及人工智能云平台


[0001]本专利技术涉及信息处理
，具体涉及一种基于人工智能的信息推送方法及人工智能云平台。

技术介绍

[0002]人工智能，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
[0003]目前，用户在通过搜索引擎进行检索时，通常需要向搜索引擎的输入窗口输入检索关键词以获取搜索结果。搜索引擎在接收到当前关键词后，可以基于当前关键词在所有用户的历史查询关键词中出现的频次以及该用户在历史查询记录中对查询关键词的点击反馈数据，确定当前关键词对应的搜索结果。
[0004]然而，目前搜索引擎采用的确定关键词搜索结果的方法不适用于图片搜索，而且由于确定搜索结果时所参考的与用户输入的数据量较少，因此推送的搜索结果的针对性较弱，推送信息的精准度较低。

技术实现思路

[0005]因此，本专利技术的目的是提供一种基于人工智能的信息推送方法及人工智能云平台，解决现有技术中确定关键词搜索结果不适用于图片，针对性较弱，推送信息精准度较低的问题。
[0006]本专利技术的技术目的是通过以下技术方案得以实现的：
[0007]一种基于人工智能的信息推送方法，包括以下步骤：
[0008]S1、根据预设数量图片的视觉特征参数及预设的各种图片相似度评价结果进行训练，得到图片相似度评价模型；
[0009]S2、获取用户的当前查询图片和/或预订时间内的历史查询图片，得到查询图片组；
[0010]S3、获取所述查询图片组中包含检索对象的对象区域A1，根据所述对象区域A1，从数据库中获得图片，并将所获得的图片作为初始判断图片；
[0011]S4、提取所述初始判断图片和查询图片组的视觉特征参数，并利用图片相似度评价模型计算得到查询图片组的图片相似度评价结果；
[0012]S5、若所述图片相似度评价结果的相似度不大于预设阙值，则重新获得所述查询图片组的对象区域A2，并获得所述对象区域A2的独特性子区域，其中，所述对象区域A2与已获得的对象区域不同，所述独特性子区域为所述对象区域A2内具有显著性特征的区域；根据所述对象区域A2和所述独特性子区域，从所述数据库中选择图片，将所述初始判断图片更新为所选择的图片，并执行步骤S4；
[0013]S6、重复步骤S5，直至所述图片相似度评价结果的相似度大于预设阙值，则对所述初始判断图片进行视觉特征编码，得到视觉特征向量表示；
[0014]S7、解码所述视觉特征向量表示，得到推荐查询文本；
[0015]S8、基于所述推荐查询文本，向用户推送信息。
[0016]可选地，所述根据预设数量图片的视觉特征参数及预设的各种图片相似度评价结果进行训练，得到图片相似度评价模型包括：
[0017]分别提取预设数量图片的视觉特征参数，构成特征参数集；并且，预设各种图片相似度评价结果；
[0018]使用所述特征参数集作为输入，预设的图片相似度评价结果作为期望输出，使用自学习分类方法进行训练，将训练得到的自学习分类器作为所述图片相似度评价模型。
[0019]可选地，所述视觉特征参数至少包括其中之一：空间频域特性参数，亮度响应非线性特性参数，掩盖效应特性参数。
[0020]可选地，所述空间频域特性参数包括：
[0021]对图片中人眼关注度高的像素区域进行增强处理；
[0022]对增强后的像素区域进行时域到频域的变换处理；
[0023]根据人眼对图像不同频率感知的敏感度不同，对变换中的不同频率的像素值进行加权处理。
[0024]可选地，所述亮度响应非线性特性参数包括：
[0025]通过轮廓检测方法提取图像中的轮廓信息；
[0026]计算所述轮廓信息所指示的轮廓区域中像素的平均主观亮度参数。
[0027]可选地，所述掩盖效应特性参数包括：
[0028]根据人眼对平滑区域和边缘区域的块效应敏感度的不同，对图像中不同位置的块效应进行加权处理。
[0029]可选地，所述解码所述视觉特征向量表示，得到推荐查询文本包括：
[0030]将所述视觉特征向量的当前状态添加至当前状态序列，对所述当前状态序列执行以下获取演化步骤以得到向量表示序列组：获取向量表示与所述当前状态序列中各当前状态的相似概率，得到当前相似概率序列，采用最大似然估计获取所述当前相似概率序列中各相似概率与演化至当前状态过程中的所有相似概率的乘积序列，从大到小获取所述乘积序列中预定数量的向量表示，根据各当前状态获取的向量表示将各当前状态演化至下一状态，得到下一状态序列，将所述下一状态序列作为新的当前状态序列，并对所述新的当前状态执行所述获取演化步骤；
[0031]基于所述向量表示序列组，得到推荐查询文本序列。
[0032]可选地，所述基于所述推荐查询文本，向用户推送信息包括：
[0033]从查询数据库中搜索符合各推荐查询文本的推送信息；
[0034]向用户推送搜索到的推送信息。
[0035]本专利技术的另一技术目的是通过以下技术方案得以实现的：
[0036]一种人工智能云平台，包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、网络接口以及处理器之间通过总线系统相连，所述网络接口用于与至少一个电子商务直播终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器
用于执行所述机器可读存储介质中的程序、指令或代码。
[0037]本专利技术的有益效果：
[0038]通过获取查询图片组，并从数据库中获得初始判断图片，然后提取所述初始判断图片和查询图片组的视觉特征参数，并、利用图片相似度评价模型计算得到查询图片组的图片相似度评价结果，直至所述图片相似度评价结果的相似度大于预设阙值，则对所述初始判断图片进行视觉特征编码，得到视觉特征向量表示；解码所述视觉特征向量表示，得到推荐查询文本；基于所述推荐查询文本，向用户推送信息，实现了适用于图片的高效、准确且富于针对性的信息推送。
具体实施方式
[0039]为了使本
的人员更好地理解本申请方案，下面将结合本实施例，对技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0040]需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的信息推送方法，其特征在于，包括以下步骤：S1、根据预设数量图片的视觉特征参数及预设的各种图片相似度评价结果进行训练，得到图片相似度评价模型；S2、获取用户的当前查询图片和/或预订时间内的历史查询图片，得到查询图片组；S3、获取所述查询图片组中包含检索对象的对象区域A1，根据所述对象区域A1，从数据库中获得图片，并将所获得的图片作为初始判断图片；S4、提取所述初始判断图片和查询图片组的视觉特征参数，并利用图片相似度评价模型计算得到查询图片组的图片相似度评价结果；S5、若所述图片相似度评价结果的相似度不大于预设阙值，则重新获得所述查询图片组的对象区域A2，并获得所述对象区域A2的独特性子区域，其中，所述对象区域A2与已获得的对象区域不同，所述独特性子区域为所述对象区域A2内具有显著性特征的区域；根据所述对象区域A2和所述独特性子区域，从所述数据库中选择图片，将所述初始判断图片更新为所选择的图片，并执行步骤S4；S6、重复步骤S5，直至所述图片相似度评价结果的相似度大于预设阙值，则对所述初始判断图片进行视觉特征编码，得到视觉特征向量表示；S7、解码所述视觉特征向量表示，得到推荐查询文本；S8、基于所述推荐查询文本，向用户推送信息。2.根据权利要求1所述的基于人工智能的信息推送方法，其特征在于，所述根据预设数量图片的视觉特征参数及预设的各种图片相似度评价结果进行训练，得到图片相似度评价模型包括：分别提取预设数量图片的视觉特征参数，构成特征参数集；并且，预设各种图片相似度评价结果；使用所述特征参数集作为输入，预设的图片相似度评价结果作为期望输出，使用自学习分类方法进行训练，将训练得到的自学习分类器作为所述图片相似度评价模型。3.根据权利要求2所述的基于人工智能的信息推送方法，其特征在于，所述视觉特征参数至少包括其中之一：空间频域特性参数，亮度响应非线性特性参数，掩盖效应特性参数。4.根据权利要求3所述的基于人工智能的信息推送方法，其特征在于，所述空间频域特性参数包括：对图片中人眼关注度高的像素区域进行增强...

【专利技术属性】
技术研发人员：曹建华，
申请(专利权)人：江苏欣业大数据科技有限公司，
类型：发明
国别省市：