基于深度哈希的相似图片推荐系统:以Airbnb为例

摘要：

与文本和数字类信息相比,图片信息更直观地展示商品关键要素,吸引用户的眼球,传递商品的核心特征.特别是对于在线短租平台,获取用户的图片偏好、捕捉用户个性化信息、进行基于图片的精准营销具有一定的实际价值,引起了研究者的广泛兴趣.综合考虑深度学习的建模和表征能力以及哈希算法的高效检索能力,构建一个基于深度哈希的相似房源图片推荐框架.完整论述项 目框架搭建的全流程:首先,在数据采集和预处理中,采用爬虫技术获取房源图片并进行预处理,构建房源图片库和图片索引库;其次,搭建深度哈希模型,通过卷积神经网络抽取图片特征,经过深度哈希模型运行生成图像特征哈希值;再次,通过设置损失函数、优化网络参数、优化训练策略和超参数进行模型最优化处理;最后,将目标图片生成的图像特征哈希值与图像特征索引库中的图像特征哈希值进行相似性匹配,并按照相似度高低顺序返回结果.通过对Airbnb纽约地区的数据进行实验评估,将提出的方法与经典深度哈希模型进行比对,从用户感知角度进行模型有效性评价.研究结果表明,基于深度哈希的相似图片推荐系统能够有效进行图片解析,计算图片相似性并排序.与传统方法相比,综合了图片布局、色彩和色调等深层次信息,从视觉信息角度返回优质检索结果.同时,摆脱了人工设计用户画像和抽取用户特征的繁琐步骤,基于神经网络无监督学习的特点使该推荐系统能够实时捕捉用户视觉偏好信息进行精准营销.研究结果丰富了个性化推荐领域的研究内容,提出的框架可用于分析用户的房源偏好信息,刻画用户画像,对用户进行精准营销.这既有利于提高平台的用户转化率和整体效益,也能带给用户更好的消费体验.

关键词：深度学习、哈希算法、损失函数、在线短租平台、精准营销

所属期刊栏目：33

分类号：F713.365(国内贸易经济)

资助基金：国家自然科学基金;经济社会应用统计重庆市重点实验室开放基金

在线出版日期：2021-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：17-28