一种手机移动在线图像搜索系统的制作方法
【专利摘要】本发明涉及一种手机移动在线图像搜索系统，属于移动【技术领域】。其特点是：利用强化学习、图像搜索与挖掘理论提高图像搜索的效率和便捷性，为移动端用户提供新颖的拍照搜索服务，充分发挥移动终端具有获取图像信息灵活、方便的特点，在移动用户进行搜索时，云端在尽可能准确匹配上传图像的基础上，根据用户兴趣辅助返回图像的排序，把用户最可能喜欢的图像数据排在前面，解决了用户不能或不愿用文字进行搜索的困难，为用户提供精准有效的信息。
【专利说明】一种手机移动在线图像搜索系统
【技术领域】
[0001] -种手机移动在线图像搜索系统，属于移动【技术领域】。
【背景技术】
[0002] 据中国权威移动互联网第三方数据挖掘和整合营销机构艾媒咨询 (iiMediaResearch)发布的《2012Q3中国移动电子商务市场季度监测报告》显示，2011年中 国移动电子商务用户规模达到了 0.92亿人，到2012年底，中国移动电子商务用户规模将达 到1. 46亿人，同比增长58. 7%。预计到2015年底，移动电子商务用户规模将达到3. 48亿 人。2011年中国移动电子商务市场规模达到了 156. 7亿元，到2012年底，中国移动电子商 务市场规模将达到251. 5亿元，同比增加60. 5%。预计到2015年底，移动电子商务市场规 模将达到1046. 7亿元。移动电子商务正处于快速发展时期。
【发明内容】
[0003] 本发明的目的通过以下技术方案来实现：
[0004] 一种手机移动在线图像搜索系统，属于移动【技术领域】。其特点是：利用强化学习、 图像搜索与挖掘理论提高图像搜索的效率和便捷性，为移动端用户提供新颖的拍照搜索服 务，充分发挥移动终端具有获取图像信息灵活、方便的特点，在移动用户进行搜索时，云端 在尽可能准确匹配上传图像的基础上，根据用户兴趣辅助返回图像的排序，把用户最可能 喜欢的图像数据排在前面，解决了用户不能或不愿用文字进行搜索的困难，为用户提供精 准有效的信息。
[0005] 进一步地，上述的一种手机移动在线图像搜索系统，其特征在于：所述的强化学习 是一种基于Map/Reduce模型的多类特征组合强化学习优化方法，该方法使多个agent在 各自的环境中独立地学习特征组合，避免了在传统Q-学习中，每次迭代时只更新一个状 态-动作对的Q值。
[0006] 更进一步地，上述的一种手机移动在线图像搜索系统，其特征在于：所述的图像搜 索与挖掘理论采用了一种大规模社区分析的图像索引并行构建方法，根据特征向量进行相 似性搜索与数据聚类在本质上是一致的特性，采用基于Map/Reduce的k-均值聚类算法对 图像块实现聚类索引。
[0007] 更进一步地，上述的一种手机移动在线图像搜索系统，其特征在于：所述的聚类索 引是指在图像块的聚类基础上，将图像块的特征聚类索引看作视觉关键词，图像将由一系 列的视觉关键词构成的特征聚类向量表示。
[0008] 更进一步地，上述的一种手机移动在线图像搜索系统，其特征在于：所述的兴趣辅 助结合与移动用户访问活动相关联图像的物理特征和语义特征构建用户兴趣模型，能从物 理和语义两个层面体现用户兴趣，使用户兴趣模型更加准确，同时使用图像块语义标注特 征聚类方法，实现从图像物理特征到高层语义特征的映射，能为许多缺少语义标注的重要 图像补充语义，从而进一步提高用户兴趣模型的准确性。
【具体实施方式】
[0009] -种手机移动在线图像搜索系统，属于移动【技术领域】。其特点是：利用强化学习、 图像搜索与挖掘理论提高图像搜索的效率和便捷性，为移动端用户提供新颖的拍照搜索服 务，充分发挥移动终端具有获取图像信息灵活、方便的特点，在移动用户进行搜索时，云端 在尽可能准确匹配上传图像的基础上，根据用户兴趣辅助返回图像的排序，把用户最可能 喜欢的图像数据排在前面，解决了用户不能或不愿用文字进行搜索的困难，为用户提供精 准有效的信息。
[0010] 本项目提出一种基于Map/Reduce模型的多类特征组合强化学习优化方法，充分 利用图像各单一特征之间的优势互补特性，综合考虑多类特征对移动图像进行描述，具有 更高的图像聚类精度。该方法使多个agent在各自的环境中独立地学习特征组合，避免了 在传统Q-学习中，每次迭代时只更新一个状态-动作对的Q值。使多个状态-动作对的Q 值更新可并发执行，提高了特征组合优化的效率。由于在学习过程中，多个agent在Map/ Reduce部署环境中独立学习，使海量图像的特征组合优化具有很强的并发性和可扩展性。 [0011] 对于海量、高维和动态的特征数据库，通过线性扫描特征数据库来实现检索难以 满足要求。根据特征向量进行相似性搜索与数据聚类在本质上是一致的特性，采用基于 Map/Reduce的k-均值聚类算法对图像块实现聚类索引。k-means算法的主要计算工作是 将每个样本分配给距离其最近的聚簇，并且分配不同样本的操作之间是相互独立的。在每 次迭代中，k-means算法在部署的数据节点分别执行相同的Map和Reduce操作完成图像块 聚类过程。
[0012] 在图像块的聚类基础上，将图像块的特征聚类索引看作视觉关键词，图像将由一 系列的视觉关键词构成的特征聚类向量表示。在部署的Map/Reduce框架中，Map/Reduce过 程采用了向量空间模型及语言模型计算出每个图像对的语义相似度，构建图像的语义相似 度社会网络，提取局部语义社会网络。在图像对的相似度计算中，只考虑高维空间中某些相 关维上的信息，即只在高维空间的某些有意义的子空间中研究图像间的相似性或差异性。 并据此来构建相应的索引结构，降低聚类索引的高维性引发的"维度灾难"的影响。图像块 索引与图像全局层次的语义索引相结合，使得移动图像的检索更具灵活性。
[0013] 另外，系统结合与移动用户访问活动相关联图像的物理特征和语义特征构建用户 兴趣模型，能从物理和语义两个层面体现用户兴趣，使用户兴趣模型更加准确，同时使用图 像块语义标注特征聚类方法，实现从图像物理特征到高层语义特征的映射，能为许多缺少 语义标注的重要图像补充语义，从而进一步提高用户兴趣模型的准确性；采用兴趣衰减因 子和增量更新技术实现用户兴趣模型的更新，可降低用户兴趣模型更新的代价，保证用户 兴趣模型的时新性；基于云计算的并行计算和处理实现用户兴趣模型构建和更新，能提高 用户兴趣模型的构建和更新的效率。
[0014] 随着移动互联网用户数的高速增长，移动互联网市场的发展前景广阔，决定了互联 网的主战场将从电脑转移到移动终端，现有的互联网运营商采取网页手机化的办法来开展移 动互联网业务，具体地说就是将网页简化便于在手机屏幕上浏览，由于移动终端便捷性带 来的屏幕尺寸的限制，用户无法进行比较复杂的操作，因此，目前手机进行互联网的活动收 到比较大的限制，用户体验满意度不高，本项目利用先发优势，具有很好的产业化前景。
【权利要求】
1. 一种手机移动在线图像搜索系统，属于移动【技术领域】。其特点是：利用强化学习、 图像搜索与挖掘理论提高图像搜索的效率和便捷性，为移动端用户提供新颖的拍照搜索服 务，充分发挥移动终端具有获取图像信息灵活、方便的特点，在移动用户进行搜索时，云端 在尽可能准确匹配上传图像的基础上，根据用户兴趣辅助返回图像的排序，把用户最可能 喜欢的图像数据排在前面，解决了用户不能或不愿用文字进行搜索的困难，为用户提供精 准有效的信息。
2. 根据权利要求1所述的一种手机移动在线图像搜索系统，其特征在于：所述的强化 学习是一种基于Map/Reduce模型的多类特征组合强化学习优化方法，该方法使多个agent 在各自的环境中独立地学习特征组合，避免了在传统Q-学习中，每次迭代时只更新一个状 态-动作对的Q值。
3. 根据权利要求1所述的一种手机移动在线图像搜索系统，其特征在于：所述的图像 搜索与挖掘理论采用了一种大规模社区分析的图像索引并行构建方法，根据特征向量进行 相似性搜索与数据聚类在本质上是一致的特性，采用基于Map/Reduce的k-均值聚类算法 对图像块实现聚类索引。
4. 根据权利要求3所述的一种手机移动在线图像搜索系统，其特征在于：所述的聚类 索引是指在图像块的聚类基础上，将图像块的特征聚类索引看作视觉关键词，图像将由一 系列的视觉关键词构成的特征聚类向量表示。
5. 根据权利要求2所述的一种手机移动在线图像搜索系统，其特征在于：所述的兴趣 辅助结合与移动用户访问活动相关联图像的物理特征和语义特征构建用户兴趣模型，能从 物理和语义两个层面体现用户兴趣，使用户兴趣模型更加准确，同时使用图像块语义标注 特征聚类方法，实现从图像物理特征到高层语义特征的映射，能为许多缺少语义标注的重 要图像补充语义，从而进一步提高用户兴趣模型的准确性。
【文档编号】G06F17/30GK104142919SQ201310161561
【公开日】2014年11月12日 申请日期:2013年5月6日 优先权日:2013年5月6日
【发明者】束兰, 黄裕新 申请人:苏州搜客信息技术有限公司