[发明专利]一种基于图像内容的用户兴趣细分方法及系统

权利要求书

1.一种基于图像内容的用户兴趣细分方法，其特征在于，包括训练用户标签模型和预测细分新用户群组；

所述训练用户标签模型，基于大量用户照片集的标签信息，利用LDA算法对用户的标签信息进行训练获得用户标签模型；

所述预测细分新用户群组，运用所述用户标签模型预测并且细分新用户的个性化群组；

所述训练用户标签模型包括步骤：

1.1收集大量的用户和每个用户的用户照片集；

1.2对所述用户照片集进行标签处理，获取用户照片集的标签信息；

1.3将所述用户的标签信息转换成文本模式，形成文本文档；

1.4利用LDA算法训练所述文本文档，形成用户标签模型；

所述步骤1.4包括步骤：

1.4.1构建用户属性字典：结合所有训练用户文本文档形成用户属性字典，而且所述字典记录每一个标签出现的次数；移除文本文档中标签属性发生数少于5次的标签信息；移除在文本文档中出现超过90％的标签信息；在剩下的标签信息中，保留最前列的200个标签信息；

1.4.2构建用户标签模型：基于步骤1.4.1用户属性字典，创建代表整个训练数据集的词袋；利用所述词袋，把所有训练用户的标签信息从文本格式转换成BOW数据；利用BOW数据和相关参数训练用户标签模型。

2.根据权利要求1所述的一种基于图像内容的用户兴趣细分方法，其特征在于，所述步骤1.3中，用户的标签信息将记录入文本文档，而他们的去向通过他们的POI信息反应出来，形成文本文档的内容。

3.根据权利要求1所述的一种基于图像内容的用户兴趣细分方法，其特征在于，利用用户经常出入的场所信息预测用户特征或行为习惯作为标签信息。

4.根据权利要求1所述的一种基于图像内容的用户兴趣细分方法，其特征在于，所述步骤1.4中，利用LDA算法进行模型训练生成预定数量的主要兴趣话题。

5.根据权利要求3所述的一种基于图像内容的用户兴趣细分方法，其特征在于，所述用户标签模型中所有标签信息的主要兴趣话题将划分为N个相关主题性的话题。

6.根据权利要求1所述的一种基于图像内容的用户兴趣细分方法，其特征在于，预测细分新用户群组包括步骤：

2.1收集新用户照片集；

2.2对所述新用户照片集进行标签处理，获取新用户照片集的标签信息；

2.3将所述新用户的标签信息转换成文本模式，形成新用户的文本文档；

2.4把新用户的文本文档填充到已经训练好的用户标签模型中；

2.5所述用户标签模型输出新用户的各个主题可能性并与所有可能主题相对立，从而预测并且细分出新用户的个性化群组。

7.根据权利要求3所述的一种基于图像内容的用户兴趣细分方法，其特征在于，所述预测细分新用户群组，包括步骤：基于所述字典，构建新用户标签信息的BOW数据；将新用户的BOW数据填入所述用户标签模型；用户标签模型将输出新用户可能性主题，从而预测并且细分出新用户的个性化群组。

8.一种基于图像内容的用户兴趣细分系统，其特征在于，包括训练用户标签模型模块和预测细分新用户群组模块，所述训练用户标签模型模块和预测细分新用户群组模块设置在服务器中，所述训练用户标签模型模块连接所述预测细分新用户群组模块，所述预测细分新用户群组模块与客户端相互通信；

所述训练用户标签模型模块，基于大量用户照片集的标签信息，利用LDA算法对用户的标签信息进行训练获得用户标签模型；

所述预测细分新用户群组模块，运用所述用户标签模型预测并且细分新用户的个性化群组；

所述训练用户标签模型模块用于执行以下步骤：

1.1收集大量的用户和每个用户的用户照片集；

1.2对所述用户照片集进行标签处理，获取用户照片集的标签信息；

1.3将所述用户的标签信息转换成文本模式，形成文本文档；

1.4利用LDA算法训练所述文本文档，形成用户标签模型；

所述步骤1.4包括步骤：

1.4.1构建用户属性字典：结合所有训练用户文本文档形成用户属性字典，而且所述字典记录每一个标签出现的次数；移除文本文档中标签属性发生数少于5次的标签信息；移除在文本文档中出现超过90％的标签信息；在剩下的标签信息中，保留最前列的200个标签信息；

1.4.2构建用户标签模型：基于步骤1.4.1用户属性字典，创建代表整个训练数据集的词袋；利用所述词袋，把所有训练用户的标签信息从文本格式转换成BOW数据；利用BOW数据和相关参数训练用户标签模型。