基于用戶興趣模型的三維室內(nèi)家居風(fēng)格推薦方法研究

盧香利

摘 ?要： 為了更好地輔助完成家居風(fēng)格的推薦工作，提出一種基于用戶興趣模型的三維室內(nèi)家居風(fēng)格推薦方法。該方法包括三維模型數(shù)據(jù)采集、家居風(fēng)格特征定義和風(fēng)格關(guān)聯(lián)挖掘。通過(guò)用戶行為數(shù)據(jù)分析建立用戶興趣模型，結(jié)合關(guān)聯(lián)規(guī)則挖掘算法中的Apriori算法對(duì)三維模型數(shù)據(jù)集進(jìn)行關(guān)聯(lián)分析，從而得到家居風(fēng)格的推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明，提出的方法可以有效完成三維室內(nèi)家居風(fēng)格分析，并且推薦結(jié)果得到了較好的用戶滿意度。

關(guān)鍵詞： 室內(nèi)家居; 風(fēng)格推薦; 用戶興趣模型; 關(guān)聯(lián)規(guī)則; Apriori算法; 用戶滿意度

中圖分類號(hào)： TN911.1?34 ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2019）15?0091?03

Research on 3D indoor home style recommendation method based on user interest model

LU Xiangli

（Eastern International Art College， Zhengzhou University of Light Industry， Zhengzhou 450000， China）

Abstract： In order to better assist in the recommendation work of home style， a 3D indoor home style recommendation method based on user interest model is proposed. This method includes 3D model data collection， home style feature definition and style association mining. The user interest model is established by means of user behavior data analysis， and the Apriori algorithm in the association rule mining algorithm is used to correlate the 3D model dataset to obtain the home style recommendation result. The experimental results show that the proposed method can effectively complete the 3D indoor home style analysis， and the higher user satisfaction is obtained by recommended results.

Keywords： indoor home; style recommendation; user interest model; association rule; Apriori algorithm; user satisfaction

0 ?引 ?言

隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的快速發(fā)展和普及，人們對(duì)網(wǎng)絡(luò)的依賴程度逐漸增加。現(xiàn)階段的社會(huì)生活和工作已經(jīng)離不開(kāi)互聯(lián)網(wǎng)，例如，網(wǎng)絡(luò)電視、網(wǎng)絡(luò)購(gòu)物、網(wǎng)絡(luò)游戲等。隨著計(jì)算機(jī)圖形處理技術(shù)的不斷進(jìn)步，各種先進(jìn)的視覺(jué)顯示手段不斷涌現(xiàn)，三維建模和虛擬現(xiàn)實(shí)技術(shù)成為目前圖形應(yīng)用行業(yè)的熱門(mén)方向[1?3]。相較于傳統(tǒng)的線下二維或者實(shí)物顯示，基于三維建模和虛擬現(xiàn)實(shí)技術(shù)的產(chǎn)品展示或者在線購(gòu)物，不但有利于產(chǎn)品外觀顯示、人機(jī)交互瀏覽，還有助于用戶享受身臨其境的購(gòu)物體驗(yàn)，提供了更好的視覺(jué)效果 [4]。

目前，基于三維建模和虛擬現(xiàn)實(shí)技術(shù)的室內(nèi)設(shè)計(jì)平臺(tái)正逐步成為該領(lǐng)域研究的熱點(diǎn)。現(xiàn)實(shí)情況中，三維室內(nèi)設(shè)計(jì)平臺(tái)雖然為用戶提供了直觀的家居和場(chǎng)景體驗(yàn)，但是由于風(fēng)格的多樣性和用戶自身興趣原因，普通用戶在室內(nèi)設(shè)計(jì)時(shí)會(huì)選擇不合適的家居風(fēng)格搭配，最終造成整體風(fēng)格不搭配，影響了用戶購(gòu)物體驗(yàn)。這時(shí)就需要專業(yè)的室內(nèi)設(shè)計(jì)師來(lái)輔助完成，在線家居設(shè)計(jì)或者購(gòu)物網(wǎng)站無(wú)法為每一位在線用戶提供一對(duì)一的實(shí)時(shí)專業(yè)人工服務(wù)，因此智能化的三維室內(nèi)家居風(fēng)格推薦受到了越來(lái)越多的關(guān)注。本文提出一種基于用戶興趣模型的三維室內(nèi)家居風(fēng)格推薦方法，包括三維場(chǎng)景數(shù)據(jù)采集、家居風(fēng)格特征定義和風(fēng)格關(guān)聯(lián)挖掘。該方法通過(guò)用戶行為數(shù)據(jù)分析建立用戶興趣模型，結(jié)合關(guān)聯(lián)規(guī)則挖掘算法中的Apriori算法對(duì)三維模型數(shù)據(jù)集進(jìn)行關(guān)聯(lián)分析，從而得到家居風(fēng)格推薦結(jié)果，以便輔助在線用戶完成家居風(fēng)格選擇統(tǒng)一。實(shí)驗(yàn)結(jié)果驗(yàn)證了提出推薦方法的可行性。

1 ?推薦方法的流程分析

在三維模型的風(fēng)格化研究方面，文獻(xiàn)[4]提出一種基于三維模型的風(fēng)格化線條渲染方法，其利用GPU先進(jìn)的可編程圖形流水線技術(shù)，支持線條可見(jiàn)性和廣泛的風(fēng)格化選項(xiàng)。文獻(xiàn)[5]提出一種輪廓線優(yōu)化的多通道三維水墨渲染模型，運(yùn)用網(wǎng)格模型擴(kuò)張實(shí)現(xiàn)輪廓線的風(fēng)格化。此外，在風(fēng)格推薦研究方面，文獻(xiàn)[6]進(jìn)行了電子商務(wù)網(wǎng)站中用戶認(rèn)知對(duì)推薦技術(shù)接受行為的影響研究。

關(guān)聯(lián)推薦算法則是電子商務(wù)系統(tǒng)中近幾年來(lái)常用的數(shù)據(jù)挖掘方法，其中最典型的應(yīng)用為Apriori算法[7]。因此，為了在三維電商平臺(tái)上輔助在線用戶完成家居風(fēng)格選擇統(tǒng)一，從而得到家居風(fēng)格的推薦結(jié)果，本文采集平臺(tái)中已有的所有三維模型數(shù)據(jù)集作為訓(xùn)練集，然后通過(guò)家居風(fēng)格特征對(duì)三維模型進(jìn)行定義，構(gòu)建事務(wù)集合，最后使用典型的關(guān)聯(lián)規(guī)則挖掘算法Apriori挖掘場(chǎng)景風(fēng)格，其流程如圖1所示。

圖1 ?推薦方法流程圖

2 ?家居風(fēng)格特征描述

本文通過(guò)HOG特征描述家居模型的輪廓圖，目標(biāo)定義如下：

式中：[Xp]表示第[p]個(gè)視角的HOG特征矩陣;[Up]和[Vp]分別表示第[p]個(gè)視角的基矩陣和系數(shù)矩陣;[μ]表示一個(gè)平滑因子;[πp]表示第[p]個(gè)視角的權(quán)值;[P]為視角的總數(shù)。

使用標(biāo)準(zhǔn)的K?means聚類算法進(jìn)行聚類觀察，通過(guò)如下方式獲取其中每個(gè)類簇的IDF值：

式中：[c]表示類簇;[N]表示此類包含的模型總數(shù);[M]表示模型具有的有效部件量。通過(guò)選取合適的IDF可以選擇出合適的風(fēng)格特征。

3 ?基于用戶興趣的家居風(fēng)格推薦方法

3.1 ?用戶行為數(shù)據(jù)提取

3.2 ?關(guān)聯(lián)規(guī)則模式挖掘

關(guān)聯(lián)規(guī)則Apriori算法能夠通過(guò)某個(gè)規(guī)則發(fā)現(xiàn)兩種事物之間存在的一些隱藏關(guān)系。關(guān)聯(lián)規(guī)則算法中具有支持度和置信度的定義，計(jì)算公式如下所示[8]：

4 ?實(shí)驗(yàn)結(jié)果

4.1 ?實(shí)驗(yàn)環(huán)境

對(duì)本文提出的三維室內(nèi)家居風(fēng)格推薦方法進(jìn)行仿真驗(yàn)證測(cè)試。仿真PC配置為：intel[?] CoreTM i7?4785T CPU@2.20 GHz，4 GB內(nèi)存，Windows 7操作系統(tǒng)。三維模型數(shù)據(jù)采集過(guò)程中部件采樣及特征計(jì)算耗時(shí)4.2 h，支持度閾值設(shè)置為0.2，每個(gè)模式包含的最大風(fēng)格特征數(shù)量為10，最小風(fēng)格特征數(shù)量為2。

4.2 ?結(jié)果分析

為了對(duì)風(fēng)格相似度[9]進(jìn)行量化對(duì)比分析，采用如下公式挖掘不同風(fēng)格模式集合之間的差異程度：

式中：[Pi]和[Pj]分別表示不同風(fēng)格模式（符合不同場(chǎng)景的）的集合。在隨機(jī)設(shè)定用戶場(chǎng)景后，根據(jù)式（12）挖掘其最近鄰的其他場(chǎng)景，并以[Sim（Pi，Pj）]從大到小排序?qū)τ脩暨M(jìn)行推薦展示，從而滿足人們的正常期望需求。利用滿意度調(diào)查問(wèn)卷，將使用本文推薦算法前后的10位用戶滿意度進(jìn)行對(duì)比分析，如表1所示。從表1可以看出，三維室內(nèi)家居風(fēng)格推薦方法達(dá)到了82%的用戶滿意度，相比沒(méi)有使用推薦算法時(shí)提高了9%。

表1 ?用戶滿意度的結(jié)果對(duì)比

5 ?結(jié) ?論

本文提出一種基于用戶興趣模型的三維室內(nèi)家居風(fēng)格推薦方法。該方法通過(guò)用戶行為數(shù)據(jù)分析建立用戶興趣模型，結(jié)合關(guān)聯(lián)規(guī)則挖掘算法中的Apriori算法對(duì)三維模型數(shù)據(jù)集進(jìn)行關(guān)聯(lián)分析，從而得到家居風(fēng)格推薦結(jié)果。實(shí)驗(yàn)結(jié)果驗(yàn)證了提出推薦方法的有效性，能夠獲得較好的用戶滿意度。但是三維模型數(shù)據(jù)集的數(shù)量有限，且風(fēng)格特征的限制數(shù)量為經(jīng)驗(yàn)設(shè)置，因此后續(xù)工作要擴(kuò)大數(shù)據(jù)集的模型數(shù)量并研究風(fēng)格特征數(shù)量的影響。

參考文獻(xiàn)

[1] KOEVA M， LULEVA M， MALDJANSKI P. Integrating spherical panoramas and maps for visualization of cultural heritage objects using virtual reality technology [J]. Sensors， 2017， 17（4）： 829?833.

[2] CHEN H， CHEN W Z， LI W Q. Research and implementation of virtual 3D scene modeling in communication room of substation [J]. Electric power information & communication technology， 2017（4）： 12?16.

[3] SANG Y， ZHU Y， ZHAO H， et al. Study on an interactive truck crane simulation platform based on virtual reality techno?logy [J]. International journal of distance education technologies， 2016， 14（2）： 64?78.

[4] 蔣寶吉，唐棣.基于三維模型的風(fēng)格化線條渲染方法[J].計(jì)算機(jī)科學(xué)，2012，40（10）：289?291.

JIANG Baoji， TANG Di. Stylized line rendering method based on 3D model [J]. Computer science， 2012， 40（10）： 289?291.

[5] 陳添丁，金煒煒，陳英旦.輪廓線優(yōu)化的多通道三維水墨渲染模型[J].電子與信息學(xué)報(bào)，2015（2）：494?498.

CHEN Tianding， JIN Weiwei， CHEN Yingdan. Multi?channel 3D ink rendering model based on contour optimization [J]. Journal of electronics & information technology， 2015（2）： 494?498.

[6] 許應(yīng)楠，甘利人，岑詠華，等.用戶認(rèn)知對(duì)推薦技術(shù)接受行為的影響研究[J].情報(bào)學(xué)報(bào)，2012，31（4）：423?435.

XU Yingnan， GAN Liren， CEN Yonghua， et al. Research on the influence of user cognition on the acceptance behavior of recommended techniques [J]. Journal of the China society for scientific information， 2012， 31（4）： 423?435.

[7] WU X， ZHAN F B， ZHANG K， et al. Application of a two?step cluster analysis and the Apriori algorithm to classify the deformation states of two typical colluvial landslides in the Three Gorges， China [J]. Environmental earth sciences， 2016， 75（2）： 146?151.

[8] LIUA X， ZHAO Y， SUNB M. An improved Apriori algorithm based on an evolution?communication tissue?like P system with promoters and inhibitors [J]. Discrete dynamics in nature and society， 2017， 2017（1）： 1?11.

[9] HAIDAR S， JOLY P， CHEBARO B. Mining for video production invariants to measure style similarity [J]. International journal of intelligent systems， 2010， 21（7）： 747?763.