一种基于用户画像的图片推荐方法、装置、设备和介质与流程

1.本发明涉及图片推荐
技术领域：
：，特别涉及一种基于用户画像的图片推荐方法、装置、设备和介质。
背景技术：
：：2.随着互联网和社交媒体的普及，图像和多媒体内容的数量在不断增长。当下自媒体的文章需要大量的图片作为素材，要查找符合自己喜好的图片需要花费大量的时间，如果是自己制作成本就更大。而且，网上找到的符合自己喜好的图片，使用不当，则可能侵犯作品的著作权。3.因此，如何高效地获取符合自己喜好的图片，并能合法的使用是自媒体工作者面临的两大难题。技术实现要素：4.本发明要解决的技术问题，在于提供一种基于用户画像的图片推荐方法、装置、设备和介质，对图像内容和用户兴趣进行深度分析和匹配，提高了推荐结果的准确性和个性化程度。5.第一方面，本发明提供了一种基于用户画像的图片推荐方法，包括：6.获取图片以及与其对应的标签；7.获取用户对图片的操作行为；利用大数据算法对用户对图片的操作行为进行分析处理，生成用户喜好特征；将用户的喜好特征和用户属性特征合并为用户画像，然后通过推荐算法模型将用户画像的特征值与图片特征值进行计算，实现按用户的喜好对图片进行排序；8.自动显示排序靠前的指定数量的图片及该图片对应的标签；9.获取用户选择的标签及生成图片指令，然后将用户选择的标签作为stablediffusion的prompt利用aigc技术生成符合用户喜好的图片。10.进一步地，所述获取图片以及与其对应的标签，具体包括：在利用aigc技术生成图片时，将生成图片时对应的prompt记录下来作为与该图片对应的标签，和/或通过爬虫技术获取网络图片与其对应的标签。11.进一步地，用户对图片的操作行为包括点击图片、收藏图片、下载图片、对图片点击喜欢、对图片点赞、购买图片、对图片点击不喜欢以及查看图片详情；采用深度学习和自然语言处理技术根据用户对图片的操作行为生成用户的喜好特征。12.进一步地，所述推荐算法模型为deepfm模型；所述大数据算法为sparkml工具包中的数据处理算法。13.第二方面，本发明提供了一种基于用户画像的图片推荐方装置，包括：14.数据获取模块，用于获取图片以及与其对应的标签；15.分析排序模块，用于获取用户对图片的操作行为；利用大数据算法对用户对图片的操作行为进行分析处理，生成用户喜好特征；将用户的喜好特征和用户属性特征合并为用户画像，然后通过推荐算法模型将用户画像的特征值与图片特征值进行计算，实现按用户的喜好对图片进行排序；16.自动推荐模块，用于自动显示排序靠前的指定数量的图片及该图片对应的标签；17.图片生成模块，用于获取用户选择的标签及生成图片指令，然后将用户选择的标签作为stablediffusion的prompt利用aigc技术生成符合用户喜好的图片。18.进一步地，所述数据获取模块具体用于：在利用aigc技术生成图片时，将生成图片时对应的prompt记录下来作为与该图片对应的标签，和/或通过爬虫技术获取网络图片与其对应的标签。19.进一步地，所述分析排序模块中，用户对图片的操作行为包括点击图片、收藏图片、下载图片、对图片点击喜欢、对图片点赞、购买图片、对图片点击不喜欢以及查看图片详情；采用深度学习和自然语言处理技术根据用户对图片的操作行为生成用户的喜好特征。20.进一步地，所述推荐算法模型为deepfm模型；所述大数据算法为sparkml工具包中的数据处理算法。21.第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。22.第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。23.本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果：24.通过获取用户对图片的操作行为并生成用户的喜好特征，然后和用户的属性特征合并为用户画像，实现对用户兴趣进行深度分析，然后通过推荐算法模型对用户画像的特征值与图片特征值进行计算，实现基于用户的属性及历史操作即可自动推荐符合用户的喜好的图片，省去了检索的步骤，提高了推荐结果的准确性；还可以提供符合用户喜好的图片标签，通过aigc技术为用户生成喜爱的图片，提高了图片的个性化程度。25.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明26.下面参照附图结合实施例对本发明作进一步的说明。27.图1为本发明实施例一中方法中的流程图；28.图2为本发明实施例二中装置的结构示意图；29.图3为本发明实施例三中电子设备的结构示意图；30.图4为本发明实施例四中介质的结构示意图。具体实施方式31.本发明实施例通过提供一种基于用户画像的图片推荐方法、装置、设备和介质，对图像内容和用户兴趣进行深度分析和匹配，提高了推荐结果的准确性和个性化程度。32.本发明实施例中的技术方案，总体思路如下：33.本发明实施例一种基于用户画像的图片推荐方法、装置、设备和介质，利用了大量的数据和强大的计算能力，对用户的兴趣、需求和偏好进行深度挖掘和分析，从而为自动用户推荐符合用户喜好的图片或生成高度个性化的图片。本发明实施例的核心技术包括以下几个方面：34.1)用户兴趣建模。采用深度学习和自然语言处理技术分析用户的行为数据(如浏览、收藏、点赞等)，利用大数据算法对用户对图片的操作行为生成用户的喜好特征，并结合用户的属性特征生成用户画像，以发现用户的潜在兴趣和需求。35.2)图片生成策略。根据用户画像和图像内容分析结果生成图片，还可以根据用户的实时反馈(如点赞、收藏等)动态调整生成策略，以实现实时更新生成结果。36.3)多源数据融合。结合了图像特征、用户属性数据、用户喜好数据等多源数据，进行综合分析，提高生成结果的全面性和可靠性。37.实施例一38.本实施例提供一种基于用户画像的图片推荐方法，如图1所示，包括；39.获取图片以及与其对应的标签(一张图片可以对应一个或一个以上的标签)；40.获取用户对图片的操作行为；利用大数据算法(比如，sparkml工具包中的数据处理算法)对用户对图片的操作行为进行分析处理，生成用户喜好特征；将用户的喜好特征和用户属性特征合并为用户画像，然后通过推荐算法模型(比如，deepfm模型)将用户画像的特征值与图片特征值进行计算，实现按用户的喜好对图片进行排序；41.自动显示排序靠前的指定数量的图片及该图片对应的标签；42.获取用户选择的标签及生成图片指令，然后将用户选择的标签作为stablediffusion的prompt利用aigc技术生成符合用户喜好的图片。43.通过持续获取用户对图片的操作行为并生成用户的喜好特征，然后和用户的属性特征合并为用户画像，实现对用户兴趣进行深度分析，然后通过推荐算法模型对用户画像的特征值与图片特征值进行计算，实现基于用户的属性及历史操作即可自动推荐符合用户的喜好的图片，省去了检索的步骤，提高了推荐结果的准确性；还可以提供符合用户喜好的图片标签，通过aigc技术为用户生成喜爱的图片，提高了图片的个性化程度。还可以根据用户的实时反馈(如点赞、收藏等)动态调整生成策略，以实现实时更新生成结果。44.在一种可能的实现方式中，所述获取图片以及与其对应的标签，具体包括：在利用aigc技术生成图片时，将生成图片时对应的prompt记录下来作为与该图片对应的标签，和/或通过爬虫技术获取网络图片与其对应的标签。45.在一种可能的实现方式中，用户对图片的操作行为包括点击图片、收藏图片、下载图片、对图片点击喜欢、对图片点赞、购买图片、对图片点击不喜欢以及查看图片详情，也可以根据需要获取其它的操作行为；采用深度学习和自然语言处理技术根据用户对图片的操作行为生成用户的喜好特征。46.用户的显性偏好：如，给奶茶打5分(1～5)分，表示用户非常喜欢这个奶茶。如果给这一部电影打1分(1～5)，表示用户不喜欢这一部电影。这种显性偏好通常通过调研报告去获取，调研者需要走访、设计问卷很耗时耗力。而隐性偏好对于显性偏好来说更好获取，比如放大或者点击查看详情，表示用户很大可能是喜欢这个物品，所以才会触发相应的动作。47.通过用户的操作行为来获取用户的偏好(隐性)，来代表用户的喜好特征，省时省力，还可以根据用户的实时反馈(如点赞、收藏等)动态调整生成策略，以实现实时更新生成结果。48.a用户→点击→物品1→3次49.b用户→点击→物品1→0次50.可以得到a用户较b用户会更喜欢物品1。51.获取了用户对物品(使用物品来作为对象，这里可以指代为图片)的喜好特征，为后续算法做准备。52.用户画像可以包括属性特征和喜好特征。53.属性特征举例：54.用户1性别男使用苹果手机在晚上购物→[1,2,1][0055]用户2性别女使用安卓手机在晚上购物→[2,1,1][0056]喜好特征举例：[0057]假设有4种物品的图片依次为:[苹果、香蕉、梨、洗衣粉][0058]用户1点击1次苹果点击2次洗衣粉点了不喜欢香蕉[0059]用户1的喜好特征为：[1,-1,0,2][0060]用户2点击2次苹果点击2次香蕉点了1次梨点了6次洗衣粉[0061]用户2的喜好特征为：[2,2,1,6][0062]喜好特征可以根据需要设置，也可以通过统计来获取，比如一周用户点了多少次热带水果，也可以作为用户的喜好特征。[0063]在得到了用户的喜好特征和属性特征之后，将这些特征合并为用户画像，通过推荐算法模型与物品(图片)进行匹配并排序。[0064]推荐算法模型(deepfm算法)输入用户画像的特征值与图片特征值，输出用户对这个物品(即图片)的分值，分值排序获取用户对物品的偏好程度。如：[0065]用户的兴趣模型物品特征计算分值[0066]用户1[1.0,-1.0]物品1[0.8,0.9]→通过模型计算分数0.9[0067]用户1[1.0,-1.0]物品2[0.5,0.7]→通过模型计算分数0.6[0068]则用户1更喜欢物品1，会在推荐列表中把物品1排在物品2的前面。[0069]最后就有：[0070]用户1[物品1，物品3，物品7，物品2……]按分值排序[0071]用户2[物品6，物品2，物品7，物品1……]按分值排序[0072]对于用户1来说，当获取到了排序[物品1，物品3，物品7，物品2……]后，即自动显示排序靠前的物品图片推荐给用户，这样可以根据用户的操作直接推荐符合用户需求图片，减少用户的检索操作，且推荐结果较为精准。[0073]还可以根据物品序号来获取对应的标签，比如物品1表示苹果，再获取到苹果对应的标签：热带苹果、香甜可口、红色的、红彤彤、带有叶子、在阳光下。显示这些标签供用户选择作为prompt，利用aigc技术生成图片生成符合用户喜好和需求的图片。[0074]基于同一发明构思，本技术还提供了与实施例一中的方法对应的装置，详见实施例二。[0075]实施例二[0076]在本实施例中提供了一种基于用户画像的图片推荐方装置，如图2所示，包括：[0077]数据获取模块，用于获取图片以及与其对应的标签；[0078]分析排序模块，用于获取用户对图片的操作行为；利用大数据算法对用户对图片的操作行为进行分析处理，生成用户喜好特征；将用户的喜好特征和用户属性特征合并为用户画像，然后通过推荐算法模型将用户画像的特征值与图片特征值进行计算，实现按用户的喜好对图片进行排序；[0079]自动推荐模块，用于自动显示排序靠前的指定数量的图片及该图片对应的标签；[0080]图片生成模块，用于获取用户选择的标签及生成图片指令，然后将用户选择的标签作为stablediffusion的prompt利用aigc技术生成符合用户喜好的图片。[0081]在一种可能的实现方式中，所述数据获取模块具体用于：在利用aigc技术生成图片时，将生成图片时对应的prompt记录下来作为与该图片对应的标签，和/或通过爬虫技术获取网络图片与其对应的标签。[0082]在一种可能的实现方式中，所述分析排序模块中，用户对图片的操作行为包括点击图片、收藏图片、下载图片、对图片点击喜欢、对图片点赞、购买图片、对图片点击不喜欢以及查看图片详情；采用深度学习和自然语言处理技术根据用户对图片的操作行为生成用户的喜好特征。[0083]在一种可能的实现方式中，所述推荐算法模型为deepfm模型；所述大数据算法为sparkml工具包中的数据处理算法。[0084]由于本发明实施例二所介绍的装置，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。[0085]基于同一发明构思，本技术提供了实施例一对应的电子设备实施例，详见实施例三。[0086]实施例三[0087]本实施例提供了一种电子设备，如图3所示，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，可以实现实施例一中任一实施方式。[0088]由于本实施例所介绍的电子设备为实施本技术实施例一中方法所采用的设备，故而基于本技术实施例一中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本技术实施例中的方法不再详细介绍。只要本领域所属技术人员实施本技术实施例中的方法所采用的设备，都属于本技术所欲保护的范围。[0089]基于同一发明构思，本技术提供了实施例一对应的存储介质，详见实施例四。[0090]实施例四[0091]本实施例提供一种计算机可读存储介质，如图4所示，其上存储有计算机程序，该计算机程序被处理器执行时，可以实现实施例一中任一实施方式。[0092]由于本实施例所介绍的计算机可读存储介质为实施本技术实施例一中方法所采用的计算机可读存储介质，故而基于本技术实施例一中所介绍的方法，本领域所属技术人员能够了解本实施例的计算机可读存储介质的具体实施方式以及其各种变化形式，所以在此对于该计算机可读存储介质如何实现本技术实施例中的方法不再详细介绍。只要本领域所属技术人员实施本技术实施例中的方法所采用的计算机可读存储介质，都属于本技术所欲保护的范围。[0093]本发明通过获取用户对图片的操作行为并生成用户的喜好特征，然后和用户的属性特征合并为用户画像，实现对用户兴趣进行深度分析，然后通过推荐算法模型对用户画像的特征值与图片特征值进行计算，实现基于用户的属性及历史操作即可自动推荐符合用户的喜好的图片，省去了检索的步骤，提高了推荐结果的准确性；还可以提供符合用户喜好的图片标签，通过aigc技术为用户生成喜爱的图片，提高了图片的个性化程度。[0094]本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。[0095]本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0096]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0097]这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0098]虽然以上描述了本发明的具体实施方式，但是熟悉本
技术领域：
：的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。当前第1页12当前第1页12
技术特征：
1.一种基于用户画像的图片推荐方法，其特征在于，包括：获取图片以及与其对应的标签；获取用户对图片的操作行为；利用大数据算法对用户对图片的操作行为进行分析处理，生成用户喜好特征；将用户的喜好特征和用户属性特征合并为用户画像，然后通过推荐算法模型将用户画像的特征值与图片特征值进行计算，实现按用户的喜好对图片进行排序；自动显示排序靠前的指定数量的图片及该图片对应的标签；获取用户选择的标签及生成图片指令，然后将用户选择的标签作为stablediffusion的prompt利用aigc技术生成符合用户喜好的图片。2.根据权利要求1所述的方法，其特征在于：所述获取图片以及与其对应的标签，具体包括：在利用aigc技术生成图片时，将生成图片时对应的prompt记录下来作为与该图片对应的标签，和/或通过爬虫技术获取网络图片与其对应的标签。3.根据权利要求1所述的方法，其特征在于：用户对图片的操作行为包括点击图片、收藏图片、下载图片、对图片点击喜欢、对图片点赞、购买图片、对图片点击不喜欢以及查看图片详情；采用深度学习和自然语言处理技术根据用户对图片的操作行为生成用户的喜好特征。4.根据权利要求1所述的方法，其特征在于：所述推荐算法模型为deepfm模型；所述大数据算法为sparkml工具包中的数据处理算法。5.一种基于用户画像的图片推荐装置，其特征在于，包括：数据获取模块，用于获取图片以及与其对应的标签；分析排序模块，用于获取用户对图片的操作行为；利用大数据算法对用户对图片的操作行为进行分析处理，生成用户喜好特征；将用户的喜好特征和用户属性特征合并为用户画像，然后通过推荐算法模型将用户画像的特征值与图片特征值进行计算，实现按用户的喜好对图片进行排序；自动推荐模块，用于自动显示排序靠前的指定数量的图片及该图片对应的标签；图片生成模块，用于获取用户选择的标签及生成图片指令，然后将用户选择的标签作为stablediffusion的prompt利用aigc技术生成符合用户喜好的图片。6.根据权利要求5所述的装置，其特征在于：所述数据获取模块具体用于：在利用aigc技术生成图片时，将生成图片时对应的prompt记录下来作为与该图片对应的标签，和/或通过爬虫技术获取网络图片与其对应的标签。7.根据权利要求5所述的装置，其特征在于：所述分析排序模块中，用户对图片的操作行为包括点击图片、收藏图片、下载图片、对图片点击喜欢、对图片点赞、购买图片、对图片点击不喜欢以及查看图片详情；采用深度学习和自然语言处理技术根据用户对图片的操作行为生成用户的喜好特征。8.根据权利要求5所述的装置，其特征在于：所述推荐算法模型为deepfm模型；所述大数据算法为sparkml工具包中的数据处理算法。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器
执行时实现如权利要求1至4任一项所述的方法。

技术总结
本发明公开了一种基于用户画像的图片推荐方法、装置、设备和介质涉及图片推荐技术领域。所述方法包括：获取图片以及与其对应的标签；获取用户对图片的操作行为；利用大数据算法对用户对图片的操作行为生成用户的喜好特征，并结合用户的属性特征生成用户画像；通过推荐算法模型将用户画像特征值与图片特征值进行计算，实现按用户的喜好对图片进行排序；自动显示排序靠前的指定数量的图片及该图片对应的标签；根据用户选择的标签利用AIGC技术生成符合用户喜好的图片。本发明通过对图像内容和用户兴趣进行深度分析和匹配，提高了推荐结果的准确性和个性化程度。结果的准确性和个性化程度。结果的准确性和个性化程度。


技术研发人员：高宋俤 陈涛 韩笑
受保护的技术使用者：福州悟理妙信息科技有限公司
技术研发日：2023.05.09
技术公布日：2023/9/12