[发明专利]自适应多感知相似度检测和解析

说明书

实施例涉及一种计算跨图像对象的视觉相似度的智能计算机平台。对象检测算法用于标识图像对象并产生所标识的对象的张量表示。执行对象的多视觉上下文相似度以评估并确定相关对象图像。响应于产品图像选择而动态地执行对相似度的重新评估。重新评估利用相关对象图像的张量表示，由此执行相似度的数学评估和对象图像标识。基于动态重新评估和以最小迭代的对象交互在定向结果上的收敛来标识并选择最终产品。

背景技术

本公开的实施例涉及自然语言处理和电子图像处理。更具体地，实施例涉及认知计算和深度学习以将产品搜索和动机整合在电子环境中。

在人工智能计算机系统的领域，自然语言系统(诸如IBM Watson^TM人工智能计算机系统或者其他自然语言问答系统)基于由系统获取的知识来处理自然语言。为了处理自然语言，系统可以利用从数据源或知识的语料库得到的数据来训练。

机器学习(ML)(其是人工智能(AI)的子集)利用算法以从数据中学习并基于该数据来产生预见。AI是指当机器基于信息能够做出使给定话题中的成功的几率最大化的决策时的智能。更具体地，AI能够从数据集中学习以解决问题并提供相关推荐。AI是认知计算的子集，其是指按规模学习、带着目的进行推理并且自然地与人类交互的系统。认知计算是计算机科学和认知科学的混合。认知计算利用自我教导的算法，其使用数据挖掘、视觉识别、以及自然语言处理来解决问题并优化人类处理。

发明内容

实施例包括用于高效产品标识和收敛的系统、计算机程序产品和方法。

在一个方面中，提供了用于与智能计算机平台一起用于计算视觉相似度并响应于所计算的相似度而标识产品的系统。处理单元被提供为可操作地耦合到存储器并且可操作地耦合到人工智能平台。知识引擎的形式的工具由人工智能平台激活并用于执行相似度评估和产品标识。知识引擎被提供有对象管理器和上下文管理器。对象管理器利用对象检测算法来标识两个或更多个图像对象，并且产生每个标识的对象的张量表示。张量表示是对象图像特征的多特征数学表示。每个对象特征是所表示的对象内的物理分量。上下文管理器评估多视觉上下文相似度。更具体地，上下文管理器针对相关对象图像的对应向量应用向量相似度算法，并且基于从算法返回的相似度上下文来标识一个或多个相似对象。响应于对被表示为图像的产品的选择，上下文管理器基于所选择的产品图像的张量表示与(多个)相关对象图像的张量表示的接近度来动态重新评估相似度上下文。响应于动态重新评估而标识并选择最终产品。

在另一方面中，提供了用于与智能计算机平台一起用于计算视觉相似度并响应于所计算的相似度而标识产品的计算机程序设备。设备具有包含于其中的程序代码。程序代码由处理单元可执行以支持相似度评估以及产品选择和标识。程序代码采用对象检测算法来标识两个或更多个图像对象，并且产生每个图像对象的张量表示。张量表示是对象图像特征的多特征数学表示，每个对象图像特征是对象内的物理分量。程序代码评估多视觉上下文相似度，包括针对一个或多个相关对象图像的一个或多个对应向量应用向量相似度算法。程序代码基于从向量相似度算法返回的相似度上下文来标识一个或多个相似对象。响应于对产品图像的选择，程序代码基于所选择的产品图像的张量表示与一个或多个相关对象图像的张量表示的接近度来动态重新评估相似度上下文。响应于动态重新评估而标识并选择最终产品。

在又一方面中，提供了用于由智能计算机平台用于计算视觉相似度并响应于所计算的相似度而标识产品的方法。方法采用对象检测算法来标识两个或更多个图像对象，每个对象是物理的。产生每个图像对象的张量表示。张量表示是对象图像特征的多特征数学表示，并且每个对象图像特征是对象内的物理分量。评估多视觉上下文相似度。方法包括针对一个或多个相关对象图像的一个或多个对应向量应用向量相似度算法，并且基于从向量相似度算法返回的相似度上下文来标识一个或多个相似对象。响应于选择产品图像，方法基于所选择的产品图像的张量表示与一个或多个相关对象图像的张量表示的接近度来动态重新评估相似度上下文。响应于动态重新评估而标识并选择最终产品。

这些和其他特征和优点将从结合附图进行的(多个)当前优选实施例的以下详细描述中变得显而易见。