买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市卖点科技股份有限公司

摘要：本发明属于商品动态展示技术领域，本发明公开了一种基于多场景商品动态展示方法及系统；包括：获取商品图像数据和用户行为数据；将商品图像数据划分到n个场景类别中，对商品图像数据进行特征提取，得到对应的高级语义特征向量；采用改进高斯混合模型对高级语义特征向量进行聚类，得到每个场景类别中的m个商品图像特征子集；提取商品图像特征数据的主成分特征向量，将主成分特征向量拼接为场景特征向量；构建场景相似度矩阵；根据场景相似度矩阵和用户行为数据，采用改进马尔可夫决策算法获取最优动态场景顺序，按照最优动态场景顺序动态展示商品图像，使展示顺序更加贴合用户的主观评价，提高用户的购物满意度。

主权项：1.一种基于多场景商品动态展示方法，其特征在于，包括：S1、获取商品图像数据和用户行为数据；S2、将商品图像数据划分到n个场景类别中，对每个场景类别中的商品图像数据进行特征提取，得到对应的高级语义特征向量；S3、采用改进高斯混合模型对每个场景类别中的高级语义特征向量进行聚类，得到每个场景类别中的m个商品图像特征子集；S4、提取每个商品图像特征子集中商品图像特征数据的主成分特征向量，将每个场景类别中的主成分特征向量拼接为对应的场景特征向量；S5、基于场景特征向量，构建场景相似度矩阵；根据场景相似度矩阵和用户行为数据，采用改进马尔可夫决策算法获取最优动态场景顺序，按照最优动态场景顺序动态展示商品图像；所述改进高斯混合模型的获取方式包括：改进高斯混合模型使用K-means++算法对输入数据进行初始聚类，得到R个初始聚类中心，定义改进高斯混合模型的初始参数，初始参数包括初始均值向量、初始协方差矩阵和初始混合系数；对于第个初始聚类，获取其内样本集为CP，则令初始均值向量为第个初始聚类的均值，初始协方差矩阵为第个初始聚类的协方差，初始混合系数为第个初始聚类的样本占比，将初始协方差矩阵进行正则化得到正则化协方差矩阵；其中，为正则化系数，为单位矩阵；采集历史数据，历史数据包括M3组商品图像数据以及商品图像数据对应的高级语义特征向量；将历史数据组成输入数据集，迭代训练改进高斯混合模型，直至收敛或达到预设的最大迭代次数，迭代训练的方式包括：计算输入数据集中的每个数据点属于各个高斯分量的响应度；响应度的计算公式为：；其中，表示第个数据点属于第个高斯分量的响应度，是一个隐变量；为第个高斯分量的混合系数；为多元正态分布的概率密度函数；为第个高斯分量的均值向量，为第个高斯分量的协方差矩阵；为高斯分量的总数，为第个高斯分量的混合系数，为第个高斯分量的均值向量，为第个高斯分量的协方差矩阵；为来自所有个高斯分量的总概率的加权和；基于计算的响应度，重新计算均值向量、协方差矩阵和混合系数；采用小核技巧以及无约束优化算法得到训练完成的改进高斯混合模型；所述构建场景相似度矩阵的方式包括：基于场景特征向量构建一个场景相似度矩阵，场景相似度矩阵中第pi行第pj列的元素表示第pi个场景类别与第pj个场景类别之间的相似度；采用余弦相似度来计算两个场景特征向量之间的相似度，作为场景类别之间的相似度；即完成场景相似度矩阵的构建；所述最优动态场景顺序的获取方式包括：定义一个和场景相似度矩阵相同维度的状态转移概率矩阵；根据场景相似度矩阵来初始化状态转移概率矩阵内的元素；初始化的公式为：，其中，为场景相似度矩阵中第行第列的元素，为中第行第列的元素；为场景类别的索引，为场景相似度矩阵中第行第列的元素；基于用户行为数据计算得到场景重要性得分，场景重要性得分的计算公式为：，其中表示第个场景类别的场景重要性得分，为用户浏览第个场景类别商品的次数，为用户购买第个场景类别商品的次数，为用户对第个场景类别商品的用户商品评价偏重系数；为用户浏览第个场景类别商品的商品停留时间； 为浏览权重系数，为购买权重系数，为评价权重系数，为停留权重系数；将场景重要性得分和状态转移概率矩阵相结合定义一个评分矩阵，评分矩阵中第行第列的元素表示从第个场景类别转移到第个场景类别的评分，，其中，表示第个场景类别的场景重要性得分，表示第个场景类别的场景重要性得分；定义一个长度为的初始动态场景顺序和场景目标；场景目标为找到一个最优的动态场景顺序，使得沿着该顺序转移的总评分最大，定义从场景类别出发，经过个场景类别后的最大评分；则有递推公式：，其中，表示从第个场景类别转移到第个场景类别的评分；计算出从任意起始场景类别出发，经过任意步数后的最大评分，最终得到的给出了从出发、经过个场景类别的最大评分，并回溯获得对应的最优动态场景顺序。

全文数据：

权利要求：

百度查询： 深圳市卖点科技股份有限公司 一种基于多场景商品动态展示方法及系统