本發(fā)明實施例涉及計算機應用技術(shù)領域，尤其涉及一種信息推薦方法和裝置。

背景技術(shù)：

在外賣環(huán)境下，現(xiàn)有技術(shù)都是用戶通過輸入框輸入關鍵字搜索相關內(nèi)容，或者應用本身會根據(jù)商圈和用戶偏好進行商家商品推薦。

當用戶看到某個廣告或者看到某個商品圖片，尤其是他對該商品不了解的情況下，他需要仔細閱讀廣告或者查詢相關信息，然后通過輸入框輸入關鍵字搜索相關商品信息，十分的耗時耗精力，用戶體驗度較差，而且用戶對商品的不了解會導致輸入的維度有限，從而導致推薦結(jié)果不夠精確。

另外，根據(jù)商圈和用戶偏好進行商家菜品推薦，很大程度上依賴用戶的下單量和用戶的活躍度，這樣推薦的內(nèi)容就十分的受限。如果用戶的活躍度很低的話也會導致推薦結(jié)果不夠精確。

因此，迫切需要一種方法可以迅速準確地獲取陌生商品的推薦信息。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種信息推薦方法和裝置，可以迅速準確地獲取陌生商品的推薦信息。

第一方面，本發(fā)明實施例中提供了一種信息推薦方法，包括：

檢測到一鍵掃描請求時，掃描獲取商品圖片；

對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；

根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息。

可選地，根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息，包括：

將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對；

若比對一致，則獲取比對一致的樣本商品的特征信息對應的商品信息進行推薦；

若比對不一致，則根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息關聯(lián)的樣本商品信息。

可選地，根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息關聯(lián)的樣本商品信息，包括：

根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息相似度大于第一閾值的關聯(lián)的商品特征信息，根據(jù)所述關聯(lián)的商品特征信息確定對應的關聯(lián)商品信息。

可選地，將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對之后，還包括：

若比對不一致，則確定當前用戶的相似用戶，根據(jù)當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)，在所述關聯(lián)的樣本商品信息中確定與當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相似度最大的商品信息進行推薦。

可選地，確定當前用戶的相似用戶，包括：

根據(jù)當前用戶的歷史訂單數(shù)據(jù)，確定與當前用戶的歷史訂單數(shù)據(jù)相似度大于的第二閾值的歷史訂單數(shù)據(jù)，將相似度大于的第二閾值的歷史訂單數(shù)據(jù)對應的用戶作為當前用戶的相似用戶。

第二方面，本發(fā)明實施例提供了一種信息推薦裝置，包括

獲取模塊，用于檢測到一鍵掃描請求時，掃描獲取商品圖片；

特征提取模塊，用于對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；

推薦模塊，用于根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息。

可選地，所述推薦模塊具體包括：

比對單元，用于將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對；

第一推薦單元，用于在比對一致時，獲取比對一致的樣本商品的特征信息對應的商品信息進行推薦；

第二推薦單元，用于在比對不一致時，根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息關聯(lián)的樣本商品信息。

可選地，所述第一推薦單元用于：

根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息相似度大于第一閾值的關聯(lián)的商品特征信息，根據(jù)所述關聯(lián)的商品特征信息確定對應的關聯(lián)商品信息。

可選地，所述推薦模塊還包括：

第三推薦單元，用于在比對不一致時，確定當前用戶的相似用戶，根據(jù)當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)，在所述關聯(lián)的樣本商品信息中確定與當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相似度最大的商品信息進行推薦。

可選地，所述推薦模塊還包括：

確定單元，用于根據(jù)當前用戶的歷史訂單數(shù)據(jù)，確定與當前用戶的歷史訂單數(shù)據(jù)相似度大于的第二閾值的歷史訂單數(shù)據(jù)，將相似度大于的第二閾值的歷史訂單數(shù)據(jù)對應的用戶作為當前用戶的相似用戶。

所述功能可以通過硬件實現(xiàn)，也可以通過硬件執(zhí)行相應的軟件實現(xiàn)。所述硬件或軟件包括一個或多個與上述功能相對應的模塊。

第三方面，本發(fā)明實施例還提供一種計算機存儲介質(zhì)，所述計算機存儲介質(zhì)存儲有一條或多條計算機指令，所述計算機指令被執(zhí)行時實現(xiàn)如第一方面所述的方法。

第四方面，本發(fā)明實施例還提供一種移動終端，包括存儲器和處理器；其中，

所述存儲器用于存儲一條或多條計算機指令，其中，所述一條或多條計算機指令供所述處理器調(diào)用執(zhí)行；

所述處理器執(zhí)行所述計算機指令時實現(xiàn)如第一方面所述的方法。

通過本發(fā)明實施例提供的技術(shù)手段，當用戶不熟悉商品廣告或圖片中的商品時，即可通過用戶設備中應用程序自帶的一鍵掃描功能觸發(fā)一鍵掃描獲取商品信息的請求，用戶設備即可觸發(fā)相機掃描獲取商品圖片；對商品圖片進行圖片處理提取圖片中的商品特征信息；根據(jù)所述商品特征信息，推薦與所述商品特征信息匹配的商品信息。從而可以實現(xiàn)迅速準確地獲取陌生商品的推薦信息，大大提高了用戶的體驗度。

本發(fā)明的這些方面或其他方面在以下實施例的描述中會更加簡明易懂。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1示出了根據(jù)本發(fā)明一個實施例的信息推薦方法流程示意圖；

圖2示出了根據(jù)本發(fā)明另一個實施例的信息推薦方法流程示意圖；

圖3示出了根據(jù)本發(fā)明又一個實施例的信息推薦方法流程示意圖；

圖4示出了根據(jù)本發(fā)明一個實施例的信息推薦裝置的結(jié)構(gòu)示意圖。

具體實施方式

為了使本技術(shù)領域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述。

在本發(fā)明的說明書和權(quán)利要求書及上述附圖中的描述的一些流程中，包含了按照特定順序出現(xiàn)的多個操作，但是應該清楚了解，這些操作可以不按照其在本文中出現(xiàn)的順序來執(zhí)行或并行執(zhí)行，操作的序號如101、102等，僅僅是用于區(qū)分開各個不同的操作，序號本身不代表任何的執(zhí)行順序。另外，這些流程可以包括更多或更少的操作，并且這些操作可以按順序執(zhí)行或并行執(zhí)行。需要說明的是，本文中的“第一”、“第二”等描述，是用于區(qū)分不同的消息、設備、模塊等，不代表先后順序，也不限定“第一”和“第二”是不同的類型。

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明的應用場景例如為：當用戶看到一個陌生商品廣告，或者翻到一個陌生商品圖片(或陌生商品視頻)時，在現(xiàn)有技術(shù)中，只能通過應用程序進行鍵入有關商品信息的關鍵字進行搜索獲取商品相關的信息列表，這種方式十分耗費用戶的時間，用戶體驗度較差，最關鍵的是，由于用戶對商品的不了解會導致輸入的信息維度有限甚至不準確，從而導致搜索推薦結(jié)果的不準確。

本發(fā)明基于上述技術(shù)問題，首先預設有商品數(shù)據(jù)庫，商品數(shù)據(jù)庫根據(jù)使用該應用程序的所有用戶的歷史訂單數(shù)據(jù)建立的，商品數(shù)據(jù)庫中有每個下單商品的商品標識和商品特征信息；其次，在應用程序中嵌入圖像掃描識別技術(shù)，獲取商品圖片中的商品特征信息，從而根據(jù)獲取的商品特征信息，與商品數(shù)據(jù)庫中的商品特征信息進行比對(匹配)，若存在比對一致的商品特征信息，說明商品數(shù)據(jù)庫中存在該商品的商品信息，即可根據(jù)比對一致的商品特征信息進行商品信息的推薦；如果比對不一致，則可以根據(jù)商品特征信息，在商品數(shù)據(jù)庫中確定與上述獲取的商品特征信息相似度最高的商品特征信息，進而獲取相似度最高的商品信息進行推薦。因此，本發(fā)明的技術(shù)方案不但增加了用戶獲取商品信息的途徑，同時商品信息的推薦更加準確豐富，用戶體驗大大提高。

圖1示出了根據(jù)本發(fā)明一個實施例的信息推薦方法流程示意圖，如圖1所示，包括：

101、檢測到一鍵掃描請求時，掃描獲取商品圖片；

以百度外賣應用程序為例進行說明，在百度外賣應用程序中嵌入圖像掃描識別技術(shù)，在百度外賣應用程序界面設置有觸發(fā)一鍵掃描請求的按鈕，用戶可以通過觸屏點擊一鍵掃描的按鈕，即可啟動用戶設備相機對商品圖片進行掃描獲取商品圖片。

102、對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；

具體實現(xiàn)時例如包括對商品圖片進行圖像特征提取、不相關圖像過濾、大規(guī)模圖像特征訓練、多層次圖像分類、訓練圖像獲取和相關圖像選擇等處理。

其中，圖像特征提取：在互聯(lián)網(wǎng)中，大多數(shù)圖像是以位圖的方式存儲在jpeg、png、gif等圖像格式中。這種以點陣方式保存的圖像，具有表述簡單，方便壓縮等特點。但是，在使用計算機視覺的方法對數(shù)字圖像進行處理和分析時，這種表述方法的圖像往往不能直接使用，而需要將圖像轉(zhuǎn)化為其他更接近人對圖像認知的方法進行重新表述。這種重新表述的過程就是圖像特征的提取。在特征提取的過程中，可以根據(jù)不同的需要從不同的角度對圖像進行表述，這些表述可以是圖像的明暗、顏色、紋理、興趣點等。

為了將提取的圖像特征應用于后續(xù)不相關圖像過濾以及圖像分類過程中，圖像特征提取不僅僅要定義圖像的特征，同時也需要定義不同圖像間在某個特定特征上的相關性。這種特征表達相關性的定義，可以為圖像間在特征空間上的相似度計算奠定基礎。

其中，不相關圖像過濾：互聯(lián)網(wǎng)上的商品圖像都是由商戶上傳并標注的，這種由社會化用戶上傳的標注總是存在著與實際圖像并不完全符合的問題。這種問題的產(chǎn)生存在多方面的原因，如網(wǎng)購平臺商品類別不健全、上傳者和瀏覽者之間語義鴻溝以及上傳者對搜索引擎的過度優(yōu)化等。若訓練數(shù)據(jù)中存在大量標簽與圖像間不正確的匹配，訓練產(chǎn)生的分類模型將會應噪聲過大而沒有意義。因此，在將直接從網(wǎng)購平臺中爬取的商品圖像及相關標注作為訓練數(shù)據(jù)前，需要對商品圖像中不相關的標簽做一次清理工作。將具有更大相關性的數(shù)據(jù)和其標注，作為訓練數(shù)據(jù)保留下來。這項工作從另一個角度看，即過濾相同標簽下與標簽不相關的圖像。

其中，圖像特征訓練：根據(jù)當前流行的bow分類模型，圖像最終需要表達成詞包的形式。詞包本身則是由圖像中每一個視覺詞出現(xiàn)的頻率所組成。而視覺詞則源于視覺詞典，是由訓練樣本訓練所產(chǎn)生的。在網(wǎng)購平臺商品圖像類別預測的應用中，由于每一幅圖像中都能夠抽取數(shù)百個與尺度、大小、旋轉(zhuǎn)無關的興趣點，因此，相比圖像的數(shù)量，視覺興趣點的數(shù)量更加驚人。而要將這些視覺興趣點訓練成視覺詞典，則需要有支持大規(guī)模數(shù)據(jù)的聚類算法實現(xiàn)。具體的，在本發(fā)明中，選取了相比其他聚類運行效率更高的k-means算法作為基礎，并且在k-means算法上作進一步優(yōu)化，以實現(xiàn)大規(guī)模圖像特征的訓練，最終實現(xiàn)圖像的視覺詞包表達。

其中，多層次圖像分類：商品圖像在網(wǎng)購平臺中的特點除了數(shù)量巨大以外，類別也特別多。普通的分類方法往往專注于解決兩類或者少量類別的分類問題。而在商品圖像類別預測任務中，直接應用這些分類模型往往會產(chǎn)生分類效果急劇下降和時間復雜度迅速增長的問題。比如，其中一些相對分類效果較好的方法，會隨著類別數(shù)量的增長而使分類模型的訓練時間和利用分類模型預測新樣本的時間成平方級地增長。不但圖像數(shù)量巨大，類別數(shù)量也巨大的商品圖像類別預測中是不適用的。在網(wǎng)購平臺中，商品的類別總是以層次結(jié)構(gòu)呈現(xiàn)，利用這種人為定義的層次結(jié)構(gòu)，可以將商品圖像的分類過程層次化地進行。這樣不僅能夠加快訓練和預測的速度，如果針對不同類別的商品訓練不同的模型，還能夠提升商品預測的準確率。同時，這種層次化的分類模型訓練方式，也更易于保持訓練分類模型時正負樣本的平衡性。

其中，訓練圖像獲取和相關圖像選擇：由于本發(fā)明所使用的方法需要網(wǎng)購平臺上的商品圖像及其標注信息數(shù)據(jù)所支撐，所以需要向網(wǎng)購平臺爬取海量的訓練圖像。然而，為了有效地利用網(wǎng)購平臺上的商品圖像數(shù)據(jù)，使用科學的方法對網(wǎng)購平臺上的商品圖像及其標注進行采樣至關重要。這是訓練圖像獲取的主要工作。另一方面，在通過商品圖像類別預測系統(tǒng)對商品圖像的類別預測以后，將相關的商品圖像直接返回給用戶能夠極大的提升用戶對于平臺使用的體驗。

通過上述對商品圖片處理提取到商品特征信息，舉例來說，當掃描獲取到藍色運動鞋的圖像時，提取到商品特征信息例如為板鞋、帆布鞋、運動鞋、休閑鞋或旅游鞋等信息。當掃描獲取一幅白色自行車的圖像時，提取到商品特征信息例如為山地自行車、普通自行車、公路自行車、旅行自行車或自行車裝備等信息。當掃描獲取一幅粉紅色上衣的圖像時，提取到商品特征信息例如為雪紡衫、針織衫、連衣裙、寬松t和針織開衫等信息。

103、根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息。

本發(fā)明實施例中，需要構(gòu)建商品數(shù)據(jù)庫，商品數(shù)據(jù)庫中包括所有已上架商品、待上架商品的圖片、標識和特征信息。

商品數(shù)據(jù)庫的構(gòu)建步驟詳述如下：

根據(jù)商品三維模型的三個主方向上的輪廓圖構(gòu)造輪廓特征，首先，使用主成分分析(principalcomponentsanalysis，pca)方法和縮放變換將商品三維模型規(guī)范化到單位立方體中，然后將商品三維模型平行投影到三個主平面上，得到三個輪廓。對每個輪廓進行采樣，即從輪廓圖的中心向輪廓等角距發(fā)射射線，將中心到輪廓的距離作為采樣值，并對采樣值進行sift變換，得到商品輪廓特征。其中，采用的pca圖像預處理方法具有平移、旋轉(zhuǎn)和縮放不變性的優(yōu)點，是圖像處理領域常用的技術(shù)手段，縮放變換方法可以是最近領域插值、雙三次插值和雙線性插值等，具體不再詳述。

對商品輪廓特征進行特征信息訓練，得到每個商品的多個特征信息。商品數(shù)據(jù)庫中可以根據(jù)商品的特性添加或減少特征信息，例如某名牌裙子的特征信息可以是某品牌、衣服、裙子、短款和黑白色等。

步驟103具體是將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對，若比對一致，則在商品數(shù)據(jù)庫中獲取比對一致的樣本商品特征信息對應的樣本商品的標識，推薦與所述樣本商品的標識對應的商品信息。

本發(fā)明實施例中，在應用程序中嵌入圖像掃描識別技術(shù)，獲取商品圖片中的目標商品特征信息，從而根據(jù)目標商品特征信息，與商品數(shù)據(jù)庫中的樣本商品特征信息進行比對(匹配)，若存在比對一致的樣本商品特征信息，說明商品數(shù)據(jù)庫中存在與目標商品相同的樣本商品，對樣本商品信息進行推薦即可。具體應用時，用戶只需要利用用戶設備(如手機)對目標商品圖片進行圖像掃描，即可收到與目標商品類同的樣本商品的信息，具有極佳的用戶體驗。

圖2示出了根據(jù)本發(fā)明另一個實施例的信息推薦方法流程示意圖，如圖2所示，當商品數(shù)據(jù)庫中不存在與目標商品特征信息一致的樣本商品特征信息時，所述方法包括：

201、檢測到一鍵掃描請求時，掃描獲取商品圖片；

以百度外賣應用程序為例進行說明，在百度外賣應用程序中嵌入圖像掃描識別技術(shù)，在百度外賣應用程序界面設置有觸發(fā)一鍵掃描請求的按鈕，用戶可以通過觸屏點擊一鍵掃描的按鈕，即可啟動用戶設備相機對商品圖片進行掃描獲取商品圖片。

202、對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；

具體實現(xiàn)時例如包括對商品圖片進行圖像特征提取、不相關圖像過濾、大規(guī)模圖像特征訓練、多層次圖像分類、訓練圖像獲取和相關圖像選擇等處理。

203、將目標商品的特征信息與商品數(shù)據(jù)庫中的商品特征信息進行比對。

204、在比對不一致時，根據(jù)目標商品的特征信息，確定并推薦關聯(lián)商品信息。

具體地，根據(jù)目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與目標商品的特征信息相似度大于第一閾值的樣本商品的特征信息(即關聯(lián)的商品特征信息)，或者確定與目標商品的特征信息相似度最大的樣本商品的特征信息(即關聯(lián)的商品特征信息)，根據(jù)關聯(lián)的商品特征信息確定對應的關聯(lián)商品標識，確定并推薦與所述關聯(lián)商品標識對應的關聯(lián)商品信息。

另外，本實施例中確定目標商品和樣本商品的相似度時，可以對商品數(shù)據(jù)庫中的每個商品輪廓特征進行字典訓練，得到每個商品對應的訓練矩陣，將每個商品對應的訓練矩陣存入商品數(shù)據(jù)庫。對商品數(shù)據(jù)庫中所有商品的訓練矩陣進行橫向排列得到欠定矩陣；根據(jù)預設的重構(gòu)誤差值和欠定矩陣對目標商品圖片進行重構(gòu)，得到目標商品圖片對應的重構(gòu)矩陣；根據(jù)目標商品圖片對應的重構(gòu)矩陣和樣本商品對應的訓練矩陣計算每個樣本商品對應的重構(gòu)殘差值；根據(jù)重構(gòu)殘差值，在商品數(shù)據(jù)庫中確定與目標商品相似或關聯(lián)的樣本商品。具體地，得到的每個樣本商品的重構(gòu)殘差值按照升序排列，值越小表示與目標商品越相似。

本發(fā)明實施例中，在應用程序中嵌入圖像掃描識別技術(shù)，獲取商品圖片中的目標商品特征信息，從而根據(jù)目標商品特征信息，與商品數(shù)據(jù)庫中的樣本商品特征信息進行比對(匹配)，若比對不一致時，可以根據(jù)目標商品的特征信息，確定并推薦關聯(lián)商品信息。具體應用時，用戶只需要利用用戶設備(如手機)對目標商品圖片進行圖像掃描，即可收到與目標商品相似或關聯(lián)的樣本商品的信息，具有極佳的用戶體驗。

圖3示出了根據(jù)本發(fā)明又一個實施例的信息推薦方法流程示意圖，如圖3所示，當商品數(shù)據(jù)庫中不存在與目標商品特征信息一致的樣本商品特征信息時，所述方法還包括：

301、檢測到一鍵掃描請求時，掃描獲取商品圖片；

以百度外賣應用程序為例進行說明，在百度外賣應用程序中嵌入圖像掃描識別技術(shù)，在百度外賣應用程序界面設置有觸發(fā)一鍵掃描請求的按鈕，用戶可以通過觸屏點擊一鍵掃描的按鈕，即可啟動用戶設備相機對商品圖片進行掃描獲取商品圖片。

302、對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；

具體實現(xiàn)時例如包括對商品圖片進行圖像特征提取、不相關圖像過濾、大規(guī)模圖像特征訓練、多層次圖像分類、訓練圖像獲取和相關圖像選擇等處理。

303、將目標商品的特征信息與商品數(shù)據(jù)庫中的商品特征信息進行比對。

304、在比對不一致時，根據(jù)目標商品的特征信息，確定關聯(lián)商品信息。

具體地，根據(jù)目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與目標商品的特征信息相似度大于第一閾值的樣本商品的特征信息(即關聯(lián)的商品特征信息)，或者確定與目標商品的特征信息相似度最大的樣本商品的特征信息(即關聯(lián)的商品特征信息)，根據(jù)關聯(lián)的商品特征信息確定對應的關聯(lián)商品標識，確定與所述關聯(lián)商品標識對應的關聯(lián)商品信息。

另外，本實施例中確定目標商品和樣本商品的相似度時，可以對商品數(shù)據(jù)庫中的每個商品輪廓特征進行字典訓練，得到每個商品對應的訓練矩陣，將每個商品對應的訓練矩陣存入商品數(shù)據(jù)庫。對商品數(shù)據(jù)庫中所有商品的訓練矩陣進行橫向排列得到欠定矩陣；根據(jù)預設的重構(gòu)誤差值和欠定矩陣對目標商品圖片進行重構(gòu)，得到目標商品圖片對應的重構(gòu)矩陣；根據(jù)目標商品圖片對應的重構(gòu)矩陣和樣本商品對應的訓練矩陣計算每個樣本商品對應的重構(gòu)殘差值；根據(jù)重構(gòu)殘差值，在商品數(shù)據(jù)庫中確定與目標商品相似或關聯(lián)的樣本商品。具體地，得到的每個樣本商品的重構(gòu)殘差值按照升序排列，值越小表示與目標商品越相似。

305、確定當前用戶的相似用戶，根據(jù)當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)，在所述關聯(lián)商品信息中確定與當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相似度最大的商品信息進行推薦。

具體地，有關當前用戶的相似用戶的確定是：根據(jù)當前用戶的歷史訂單數(shù)據(jù)，確定與當前用戶的歷史訂單數(shù)據(jù)相似度大于的第二閾值的歷史訂單數(shù)據(jù)，將相似度大于第二閾值的歷史訂單數(shù)據(jù)對應的用戶作為當前用戶的相似用戶。

需要說明的是，有關第二閾值的確定不僅考慮匹配維度數(shù)，還考慮維度的權(quán)重分配，權(quán)重分配來自當前用戶的歷史訂單商品維度的頻次，頻次高的維度權(quán)重大。

需要說明的是，關聯(lián)商品本身有多個維度的信息，而當前用戶歷史訂單里的商品也有多個維度的信息，同理，還有當前用戶的相似用戶的歷史訂單里的商品也有多個維度的信息。

對應地，在關聯(lián)商品的確定中，例如將兩份歷史訂單商品信息進行對比計算，計算比重依據(jù)相似維度的匹配數(shù)，首推匹配維度最多的商品為關聯(lián)商品；其次，根據(jù)兩份歷史訂單的商品維度信息，可以確定某個種類或某幾個種類的維度信息出現(xiàn)的頻次較高，本實施例中，可以認為高頻次維度的權(quán)重更大，低頻次的維度權(quán)重相對較低。因此，當出現(xiàn)匹配維度相同的商品，首推權(quán)重維度高的商品為關聯(lián)商品。

本發(fā)明實施例根據(jù)目標商品的特征信息確定相似的關聯(lián)商品特征信息，將用戶自身的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相結(jié)合，在關聯(lián)商品信息中確定與用戶自身的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相似度最大的商品信息(即滿足用戶自身的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)最多的商品)并進行置頂推薦。通過結(jié)合關聯(lián)商品信息和相似用戶的歷史訂單數(shù)據(jù)可以增加推薦平臺的計算維度，進而也會提高推薦結(jié)果的精度，而且通過相似用戶的關聯(lián)商品信息會擴充推薦結(jié)果的豐富度，從而刺激用戶的粘度和下單的選擇。

圖4示出了根據(jù)本發(fā)明一個實施例的信息推薦裝置的結(jié)構(gòu)示意圖，如圖4所示，包括：

獲取模塊41，用于檢測到一鍵掃描請求時，掃描獲取商品圖片；

特征提取模塊42，用于對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；

推薦模塊43，用于根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息。

可選地，所述推薦模塊43具體包括：

比對單元431，用于將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對；

第一推薦單元432，用于在比對一致時，獲取比對一致的樣本商品的特征信息對應的商品信息進行推薦；

第二推薦單元433，用于在比對不一致時，根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息關聯(lián)的樣本商品信息。

可選地，所述第一推薦單元432用于：

根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息相似度大于第一閾值的關聯(lián)的商品特征信息，根據(jù)所述關聯(lián)的商品特征信息確定對應的關聯(lián)商品信息。

可選地，所述推薦模塊43還包括：

第三推薦單元434，用于在比對不一致時，確定當前用戶的相似用戶，根據(jù)當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)，在所述關聯(lián)的樣本商品信息中確定與當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相似度最大的商品信息進行推薦。

可選地，所述推薦模塊43還包括：

確定單元435，用于根據(jù)當前用戶的歷史訂單數(shù)據(jù)，確定與當前用戶的歷史訂單數(shù)據(jù)相似度大于的第二閾值的歷史訂單數(shù)據(jù)，將相似度大于的第二閾值的歷史訂單數(shù)據(jù)對應的用戶作為當前用戶的相似用戶。

圖4所示裝置可以執(zhí)行圖1-圖3所示實施例中的方法，其實現(xiàn)原理和技術(shù)效果不再贅述。

在一個可能的設計中，圖4所示的信息推薦裝置的結(jié)構(gòu)中包括處理器和存儲器，所述存儲器用于存儲支持信息推薦裝置執(zhí)行上述第一方面中信息推薦方法的程序，所述處理器被配置為用于執(zhí)行所述存儲器中存儲的程序。

所述程序包括一條或多條計算機指令，其中，所述一條或多條計算機指令供所述處理器調(diào)用執(zhí)行。

所述處理器用于：檢測到一鍵掃描請求時，掃描獲取商品圖片；對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息。

所述處理器還用于：將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對；若比對一致，則獲取比對一致的樣本商品的特征信息對應的商品信息進行推薦；若比對不一致，則根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息關聯(lián)的樣本商品信息。

所述處理器還用于：根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息相似度大于第一閾值的關聯(lián)的商品特征信息，根據(jù)所述關聯(lián)的商品特征信息確定對應的關聯(lián)商品信息。

所述處理器還用于：若比對不一致，則確定當前用戶的相似用戶，根據(jù)當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)，在所述關聯(lián)的樣本商品信息中確定與當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相似度最大的商品信息進行推薦。

所述處理器還用于：根據(jù)當前用戶的歷史訂單數(shù)據(jù)，確定與當前用戶的歷史訂單數(shù)據(jù)相似度大于的第二閾值的歷史訂單數(shù)據(jù)，將相似度大于的第二閾值的歷史訂單數(shù)據(jù)對應的用戶作為當前用戶的相似用戶。

本發(fā)明實施例提供了一種計算機存儲介質(zhì)，用于儲存信息推薦裝置所用的計算機軟件指令，其包含用于執(zhí)行上述信息推薦方法為信息推薦裝置所涉及的程序。

本發(fā)明公開a1、一種信息推薦方法，包括：

檢測到一鍵掃描請求時，掃描獲取商品圖片；

對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；

根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息。

a2、如a1所述的方法中，根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息，包括：

將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對；

若比對一致，則獲取比對一致的樣本商品的特征信息對應的商品信息進行推薦；

若比對不一致，則根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息關聯(lián)的樣本商品信息。

a3、如a2所述的方法中，根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息關聯(lián)的樣本商品信息，包括：

根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息相似度大于第一閾值的關聯(lián)的商品特征信息，根據(jù)所述關聯(lián)的商品特征信息確定對應的關聯(lián)商品信息。

a4、如求a2所述的方法中，將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對之后，還包括：

若比對不一致，則確定當前用戶的相似用戶，根據(jù)當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)，在所述關聯(lián)的樣本商品信息中確定與當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相似度最大的商品信息進行推薦。

a5、如a4所述的方法，確定當前用戶的相似用戶，包括：

根據(jù)當前用戶的歷史訂單數(shù)據(jù)，確定與當前用戶的歷史訂單數(shù)據(jù)相似度大于的第二閾值的歷史訂單數(shù)據(jù)，將相似度大于的第二閾值的歷史訂單數(shù)據(jù)對應的用戶作為當前用戶的相似用戶。

本發(fā)明還公開了b6、一種信息推薦裝置，包括：

獲取模塊，用于檢測到一鍵掃描請求時，掃描獲取商品圖片；

特征提取模塊，用于對商品圖片進行圖片處理提取圖片中的目標商品的特征信息；

推薦模塊，用于根據(jù)所述目標商品的特征信息，推薦與所述目標商品的特征信息匹配的商品信息。

b7、如b6所述的裝置中，所述推薦模塊具體包括：

比對單元，用于將所述目標商品的特征信息與商品數(shù)據(jù)庫中的樣本商品的特征信息進行比對；

第一推薦單元，用于在比對一致時，獲取比對一致的樣本商品的特征信息對應的商品信息進行推薦；

第二推薦單元，用于在比對不一致時，根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息關聯(lián)的樣本商品信息。

b8、如b7所述的裝置，所述第一推薦單元用于：

根據(jù)所述目標商品的特征信息，在商品數(shù)據(jù)庫中，確定與所述目標商品的特征信息相似度大于第一閾值的關聯(lián)的商品特征信息，根據(jù)所述關聯(lián)的商品特征信息確定對應的關聯(lián)商品信息。

b9、如b7所述的裝置中，所述推薦模塊還包括：

第三推薦單元，用于在比對不一致時，確定當前用戶的相似用戶，根據(jù)當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)，在所述關聯(lián)的樣本商品信息中確定與當前用戶的歷史訂單數(shù)據(jù)和相似用戶的歷史訂單數(shù)據(jù)相似度最大的商品信息進行推薦。

b10、如b9所述的裝置，所述推薦模塊還包括：

確定單元，用于根據(jù)當前用戶的歷史訂單數(shù)據(jù)，確定與當前用戶的歷史訂單數(shù)據(jù)相似度大于的第二閾值的歷史訂單數(shù)據(jù)，將相似度大于的第二閾值的歷史訂單數(shù)據(jù)對應的用戶作為當前用戶的相似用戶。

本發(fā)明還公開了c11、一種計算機存儲介質(zhì)，所述計算機存儲介質(zhì)存儲有一條或多條計算機指令，所述計算機指令被執(zhí)行時實現(xiàn)如權(quán)利要求a1-a5中任一項所述的方法。

本發(fā)明還公開了d12、一種移動終端，包括存儲器和處理器；其中，

所述存儲器用于存儲一條或多條計算機指令，其中，所述一條或多條計算機指令供所述處理器調(diào)用執(zhí)行；

所述處理器執(zhí)行所述計算機指令時實現(xiàn)如權(quán)利要求a1-a5中任一項所述的方法。

所屬領域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。

以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領域普通技術(shù)人員在不付出創(chuàng)造性的勞動的情況下，即可以理解并實施。

通過以上的實施方式的描述，本領域的技術(shù)人員可以清楚地了解到各實施方式可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當然也可以通過硬件?；谶@樣的理解，上述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品可以存儲在計算機可讀存儲介質(zhì)中，如rom/ram、磁碟、光盤等，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)執(zhí)行各個實施例或者實施例的某些部分所述的方法。

最后應說明的是：以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術(shù)人員應當理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。