一種手機移動在線圖像搜索系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種手機移動在線圖像搜索系統(tǒng)，屬于移動【技術(shù)領(lǐng)域】。其特點是：利用強化學(xué)習(xí)、圖像搜索與挖掘理論提高圖像搜索的效率和便捷性，為移動端用戶提供新穎的拍照搜索服務(wù)，充分發(fā)揮移動終端具有獲取圖像信息靈活、方便的特點，在移動用戶進行搜索時，云端在盡可能準(zhǔn)確匹配上傳圖像的基礎(chǔ)上，根據(jù)用戶興趣輔助返回圖像的排序，把用戶最可能喜歡的圖像數(shù)據(jù)排在前面，解決了用戶不能或不愿用文字進行搜索的困難，為用戶提供精準(zhǔn)有效的信息。
【專利說明】一種手機移動在線圖像搜索系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] -種手機移動在線圖像搜索系統(tǒng)，屬于移動【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 據(jù)中國權(quán)威移動互聯(lián)網(wǎng)第三方數(shù)據(jù)挖掘和整合營銷機構(gòu)艾媒咨詢 (iiMediaResearch)發(fā)布的《2012Q3中國移動電子商務(wù)市場季度監(jiān)測報告》顯示，2011年中 國移動電子商務(wù)用戶規(guī)模達到了 0.92億人，到2012年底，中國移動電子商務(wù)用戶規(guī)模將達 到1. 46億人，同比增長58. 7%。預(yù)計到2015年底，移動電子商務(wù)用戶規(guī)模將達到3. 48億 人。2011年中國移動電子商務(wù)市場規(guī)模達到了 156. 7億元，到2012年底，中國移動電子商 務(wù)市場規(guī)模將達到251. 5億元，同比增加60. 5%。預(yù)計到2015年底，移動電子商務(wù)市場規(guī) 模將達到1046. 7億元。移動電子商務(wù)正處于快速發(fā)展時期。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的通過以下技術(shù)方案來實現(xiàn)：
[0004] 一種手機移動在線圖像搜索系統(tǒng)，屬于移動【技術(shù)領(lǐng)域】。其特點是：利用強化學(xué)習(xí)、 圖像搜索與挖掘理論提高圖像搜索的效率和便捷性，為移動端用戶提供新穎的拍照搜索服 務(wù)，充分發(fā)揮移動終端具有獲取圖像信息靈活、方便的特點，在移動用戶進行搜索時，云端 在盡可能準(zhǔn)確匹配上傳圖像的基礎(chǔ)上，根據(jù)用戶興趣輔助返回圖像的排序，把用戶最可能 喜歡的圖像數(shù)據(jù)排在前面，解決了用戶不能或不愿用文字進行搜索的困難，為用戶提供精 準(zhǔn)有效的信息。
[0005] 進一步地，上述的一種手機移動在線圖像搜索系統(tǒng)，其特征在于：所述的強化學(xué)習(xí) 是一種基于Map/Reduce模型的多類特征組合強化學(xué)習(xí)優(yōu)化方法，該方法使多個agent在 各自的環(huán)境中獨立地學(xué)習(xí)特征組合，避免了在傳統(tǒng)Q-學(xué)習(xí)中，每次迭代時只更新一個狀 態(tài)-動作對的Q值。
[0006] 更進一步地，上述的一種手機移動在線圖像搜索系統(tǒng)，其特征在于：所述的圖像搜 索與挖掘理論采用了一種大規(guī)模社區(qū)分析的圖像索引并行構(gòu)建方法，根據(jù)特征向量進行相 似性搜索與數(shù)據(jù)聚類在本質(zhì)上是一致的特性，采用基于Map/Reduce的k-均值聚類算法對 圖像塊實現(xiàn)聚類索引。
[0007] 更進一步地，上述的一種手機移動在線圖像搜索系統(tǒng)，其特征在于：所述的聚類索 引是指在圖像塊的聚類基礎(chǔ)上，將圖像塊的特征聚類索引看作視覺關(guān)鍵詞，圖像將由一系 列的視覺關(guān)鍵詞構(gòu)成的特征聚類向量表示。
[0008] 更進一步地，上述的一種手機移動在線圖像搜索系統(tǒng)，其特征在于：所述的興趣輔 助結(jié)合與移動用戶訪問活動相關(guān)聯(lián)圖像的物理特征和語義特征構(gòu)建用戶興趣模型，能從物 理和語義兩個層面體現(xiàn)用戶興趣，使用戶興趣模型更加準(zhǔn)確，同時使用圖像塊語義標(biāo)注特 征聚類方法，實現(xiàn)從圖像物理特征到高層語義特征的映射，能為許多缺少語義標(biāo)注的重要 圖像補充語義，從而進一步提高用戶興趣模型的準(zhǔn)確性。

【具體實施方式】
[0009] -種手機移動在線圖像搜索系統(tǒng)，屬于移動【技術(shù)領(lǐng)域】。其特點是：利用強化學(xué)習(xí)、 圖像搜索與挖掘理論提高圖像搜索的效率和便捷性，為移動端用戶提供新穎的拍照搜索服 務(wù)，充分發(fā)揮移動終端具有獲取圖像信息靈活、方便的特點，在移動用戶進行搜索時，云端 在盡可能準(zhǔn)確匹配上傳圖像的基礎(chǔ)上，根據(jù)用戶興趣輔助返回圖像的排序，把用戶最可能 喜歡的圖像數(shù)據(jù)排在前面，解決了用戶不能或不愿用文字進行搜索的困難，為用戶提供精 準(zhǔn)有效的信息。
[0010] 本項目提出一種基于Map/Reduce模型的多類特征組合強化學(xué)習(xí)優(yōu)化方法，充分 利用圖像各單一特征之間的優(yōu)勢互補特性，綜合考慮多類特征對移動圖像進行描述，具有 更高的圖像聚類精度。該方法使多個agent在各自的環(huán)境中獨立地學(xué)習(xí)特征組合，避免了 在傳統(tǒng)Q-學(xué)習(xí)中，每次迭代時只更新一個狀態(tài)-動作對的Q值。使多個狀態(tài)-動作對的Q 值更新可并發(fā)執(zhí)行，提高了特征組合優(yōu)化的效率。由于在學(xué)習(xí)過程中，多個agent在Map/ Reduce部署環(huán)境中獨立學(xué)習(xí)，使海量圖像的特征組合優(yōu)化具有很強的并發(fā)性和可擴展性。 [0011] 對于海量、高維和動態(tài)的特征數(shù)據(jù)庫，通過線性掃描特征數(shù)據(jù)庫來實現(xiàn)檢索難以 滿足要求。根據(jù)特征向量進行相似性搜索與數(shù)據(jù)聚類在本質(zhì)上是一致的特性，采用基于 Map/Reduce的k-均值聚類算法對圖像塊實現(xiàn)聚類索引。k-means算法的主要計算工作是 將每個樣本分配給距離其最近的聚簇，并且分配不同樣本的操作之間是相互獨立的。在每 次迭代中，k-means算法在部署的數(shù)據(jù)節(jié)點分別執(zhí)行相同的Map和Reduce操作完成圖像塊 聚類過程。
[0012] 在圖像塊的聚類基礎(chǔ)上，將圖像塊的特征聚類索引看作視覺關(guān)鍵詞，圖像將由一 系列的視覺關(guān)鍵詞構(gòu)成的特征聚類向量表示。在部署的Map/Reduce框架中，Map/Reduce過 程采用了向量空間模型及語言模型計算出每個圖像對的語義相似度，構(gòu)建圖像的語義相似 度社會網(wǎng)絡(luò)，提取局部語義社會網(wǎng)絡(luò)。在圖像對的相似度計算中，只考慮高維空間中某些相 關(guān)維上的信息，即只在高維空間的某些有意義的子空間中研究圖像間的相似性或差異性。 并據(jù)此來構(gòu)建相應(yīng)的索引結(jié)構(gòu)，降低聚類索引的高維性引發(fā)的"維度災(zāi)難"的影響。圖像塊 索引與圖像全局層次的語義索引相結(jié)合，使得移動圖像的檢索更具靈活性。
[0013] 另外，系統(tǒng)結(jié)合與移動用戶訪問活動相關(guān)聯(lián)圖像的物理特征和語義特征構(gòu)建用戶 興趣模型，能從物理和語義兩個層面體現(xiàn)用戶興趣，使用戶興趣模型更加準(zhǔn)確，同時使用圖 像塊語義標(biāo)注特征聚類方法，實現(xiàn)從圖像物理特征到高層語義特征的映射，能為許多缺少 語義標(biāo)注的重要圖像補充語義，從而進一步提高用戶興趣模型的準(zhǔn)確性；采用興趣衰減因 子和增量更新技術(shù)實現(xiàn)用戶興趣模型的更新，可降低用戶興趣模型更新的代價，保證用戶 興趣模型的時新性；基于云計算的并行計算和處理實現(xiàn)用戶興趣模型構(gòu)建和更新，能提高 用戶興趣模型的構(gòu)建和更新的效率。
[0014] 隨著移動互聯(lián)網(wǎng)用戶數(shù)的高速增長，移動互聯(lián)網(wǎng)市場的發(fā)展前景廣闊，決定了互聯(lián) 網(wǎng)的主戰(zhàn)場將從電腦轉(zhuǎn)移到移動終端，現(xiàn)有的互聯(lián)網(wǎng)運營商采取網(wǎng)頁手機化的辦法來開展移 動互聯(lián)網(wǎng)業(yè)務(wù)，具體地說就是將網(wǎng)頁簡化便于在手機屏幕上瀏覽，由于移動終端便捷性帶 來的屏幕尺寸的限制，用戶無法進行比較復(fù)雜的操作，因此，目前手機進行互聯(lián)網(wǎng)的活動收 到比較大的限制，用戶體驗滿意度不高，本項目利用先發(fā)優(yōu)勢，具有很好的產(chǎn)業(yè)化前景。
【權(quán)利要求】
1. 一種手機移動在線圖像搜索系統(tǒng)，屬于移動【技術(shù)領(lǐng)域】。其特點是：利用強化學(xué)習(xí)、 圖像搜索與挖掘理論提高圖像搜索的效率和便捷性，為移動端用戶提供新穎的拍照搜索服 務(wù)，充分發(fā)揮移動終端具有獲取圖像信息靈活、方便的特點，在移動用戶進行搜索時，云端 在盡可能準(zhǔn)確匹配上傳圖像的基礎(chǔ)上，根據(jù)用戶興趣輔助返回圖像的排序，把用戶最可能 喜歡的圖像數(shù)據(jù)排在前面，解決了用戶不能或不愿用文字進行搜索的困難，為用戶提供精 準(zhǔn)有效的信息。
2. 根據(jù)權(quán)利要求1所述的一種手機移動在線圖像搜索系統(tǒng)，其特征在于：所述的強化 學(xué)習(xí)是一種基于Map/Reduce模型的多類特征組合強化學(xué)習(xí)優(yōu)化方法，該方法使多個agent 在各自的環(huán)境中獨立地學(xué)習(xí)特征組合，避免了在傳統(tǒng)Q-學(xué)習(xí)中，每次迭代時只更新一個狀 態(tài)-動作對的Q值。
3. 根據(jù)權(quán)利要求1所述的一種手機移動在線圖像搜索系統(tǒng)，其特征在于：所述的圖像 搜索與挖掘理論采用了一種大規(guī)模社區(qū)分析的圖像索引并行構(gòu)建方法，根據(jù)特征向量進行 相似性搜索與數(shù)據(jù)聚類在本質(zhì)上是一致的特性，采用基于Map/Reduce的k-均值聚類算法 對圖像塊實現(xiàn)聚類索引。
4. 根據(jù)權(quán)利要求3所述的一種手機移動在線圖像搜索系統(tǒng)，其特征在于：所述的聚類 索引是指在圖像塊的聚類基礎(chǔ)上，將圖像塊的特征聚類索引看作視覺關(guān)鍵詞，圖像將由一 系列的視覺關(guān)鍵詞構(gòu)成的特征聚類向量表示。
5. 根據(jù)權(quán)利要求2所述的一種手機移動在線圖像搜索系統(tǒng)，其特征在于：所述的興趣 輔助結(jié)合與移動用戶訪問活動相關(guān)聯(lián)圖像的物理特征和語義特征構(gòu)建用戶興趣模型，能從 物理和語義兩個層面體現(xiàn)用戶興趣，使用戶興趣模型更加準(zhǔn)確，同時使用圖像塊語義標(biāo)注 特征聚類方法，實現(xiàn)從圖像物理特征到高層語義特征的映射，能為許多缺少語義標(biāo)注的重 要圖像補充語義，從而進一步提高用戶興趣模型的準(zhǔn)確性。
【文檔編號】G06F17/30GK104142919SQ201310161561
【公開日】2014年11月12日 申請日期:2013年5月6日 優(yōu)先權(quán)日:2013年5月6日
【發(fā)明者】束蘭, 黃裕新 申請人:蘇州搜客信息技術(shù)有限公司