申请/专利权人：携程计算机技术(上海)有限公司

申请日：2020-11-17

公开（公告）日：2024-04-16

公开（公告）号：CN112256907B

主分类号：G06F16/58

分类号：G06F16/58;G06F16/51;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.02.09#实质审查的生效;2021.01.22#公开

摘要：本发明提供了基于照片库的旅游攻略编辑方法、系统、设备及存储介质，该方法包括：基于旅游攻略的文本在预的旅游关键词集合中获得关联度最高的至少一个关键词，形成关键词组合；查找满足关键词组合的图片形成照片库；通过经过训练的图片质量网络对目标照片库中图片的质量进行排序；以及将排序靠前的至少一图片加入到旅游攻略的文本中的预设位置。本发明能够实现对图片的质量评估，对图片从用户角度进行多方面的整体评估使最吸引人的图片排在首位，增强用户体验。

主权项：1.一种基于照片库的旅游攻略编辑方法，其特征在于，包括以下步骤：S110、基于旅游攻略的文本在预设旅游关键词集合中获得关联度最高的至少一个关键词，形成关键词组合，所述预设旅游关键词集合包括地点关键词子集和主题关键词子集，基于旅游攻略的文本分别在地点关键词子集中获得至少一个地点关键词、在主题关键词子集中获得至少一个主题关键词，所述旅游攻略的文本为用户当前编辑中的自然文本段落；S120、查找同时满足所述地点关键词和主题关键词的图片形成照片库，所述图片满足所述地点关键词的条件为：所述图片的拍摄地点信息命中所述地点关键词，或者，所述图片的拍摄地点GPS定位信息在所述地点关键词对应的GPS定位范围内；所述图片满足所述主题关键词的条件为：所述图片通过训练后的图片分别标签网络，每个所述图片获得至少一个标签；所述图片的至少一个所述标签命中所述主题关键词，所述图片分别标签网络根据所述预设旅游关键词集合进行图片标签分类的训练，对所述图片输出所述预设旅游关键词集合中的至少一个所述旅游关键词，将满足所述地点关键词的所述图片形成过程照片库，在所述过程照片库中查找满足所述主题关键词的图片形成照片库，查找照片的范围为当前用户账户对应的至少一云端照片库或是用户当前使用的移动终端中储存的照片库；S130、通过经过训练的图片质量网络对目标照片库中图片的质量进行排序，训练图片质量网络，包括以下步骤：通过查找不同类型和风格的线上图片，聚类出高频图片类型；建立基于多尺度特征的图像信息挖掘模型，对查找的攻略图片信息进行多维度评估，所述维度包括清晰度、布局、色彩、饱和度；基于预设关键词，分别找出不同关键词下图片信息，生成质量评估数据集，评估标准包括清晰度、饱和度、构图、色彩；对数据集中图片做预处理操作，所有图像的尺寸被统一调整至固定长宽，并对图像像素点进行归一化操作；对调整后固定大小图片进行批处理输入后续网络；对于部分图片少的分数段，将图片水平翻转后形成新的图片，放入数据集；根据图片特点，搭建对应的深度卷积神经网络；整个网络由两部分组成，第一部分是骨干网络，骨干网络使用密集卷积网络，由4个区块组成，每个区块包含多个卷积层、激活层，共121层卷积层，每个层的特征大小均相同，所以每一层均可与前面所有层的特征进行通道上的连接，实现特征重用；对每个区块的最后一层，进行模型压缩，降低特征大小，然后将其特征平均池化到1*1大小，四个区块均进行此操作，最后将四个特征进行通道上的结合，实现多尺度；第二部分为全连接网络，对抽取的特征进行单独训练，全连接网络包含3个全连接层和多个激活层、池化层，最后输出预测层，输出8个类别，然后将8个类别进行概率结合，输出最终分数；其中，针对类别预测使用了交叉熵损失函数，公式定义如下，其中pt为类别预测概率，y为图像类别标签loss＝∑ylogpt将获取的数据集进行训练集、验证集和测试集的划分，然后使用基于大规模场景数据集训练得到的模型进行迁移学习，在迁移学习的过程中，对图片进行缩放、归一化操作增强模型鲁棒性，然后使用迁移学习后的网络进行多尺度特征提取，将提取后的特征进行训练，迭代模型至模型在验证集上的测试效果达到最优；利用训练好的模型在线上攻略图片上做前向预测，输出图像在各个分数段上的预测概率；利用预测概率与分数进行结合，得到最终的分数，公式如下，其中i为分数，pi为该分数的预测概率； 将所述分数输出作为挖掘模型的结果；以及将所述挖掘模型的结果转化为小数并保留固定位数，根据最终的分数进行排序；以及S140、将排序靠前的至少一图片加入到所述旅游攻略的文本中的预设位置，将被选中的图片加入到用户当前编辑中的自然文本段落之前。

全文数据：

权利要求：

百度查询： 携程计算机技术(上海)有限公司 基于照片库的旅游攻略编辑方法、系统、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD