基于用户兴趣模型的三维室内家居风格推荐方法研究

卢香利

摘  要： 为了更好地辅助完成家居风格的推荐工作，提出一种基于用户兴趣模型的三维室内家居风格推荐方法。该方法包括三维模型数据采集、家居风格特征定义和风格关联挖掘。通过用户行为数据分析建立用户兴趣模型，结合关联规则挖掘算法中的Apriori算法对三维模型数据集进行关联分析，从而得到家居风格的推荐结果。实验结果表明，提出的方法可以有效完成三维室内家居风格分析，并且推荐结果得到了较好的用户满意度。

关键词： 室内家居; 风格推荐; 用户兴趣模型; 关联规则; Apriori算法; 用户满意度

中图分类号： TN911.1?34                        文献标识码： A                         文章编号： 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

隨着计算机网络技术的快速发展和普及，人们对网络的依赖程度逐渐增加。现阶段的社会生活和工作已经离不开互联网，例如，网络电视、网络购物、网络游戏等。随着计算机图形处理技术的不断进步，各种先进的视觉显示手段不断涌现，三维建模和虚拟现实技术成为目前图形应用行业的热门方向[1?3]。相较于传统的线下二维或者实物显示，基于三维建模和虚拟现实技术的产品展示或者在线购物，不但有利于产品外观显示、人机交互浏览，还有助于用户享受身临其境的购物体验，提供了更好的视觉效果 [4]。

目前，基于三维建模和虚拟现实技术的室内设计平台正逐步成为该领域研究的热点。现实情况中，三维室内设计平台虽然为用户提供了直观的家居和场景体验，但是由于风格的多样性和用户自身兴趣原因，普通用户在室内设计时会选择不合适的家居风格搭配，最终造成整体风格不搭配，影响了用户购物体验。这时就需要专业的室内设计师来辅助完成，在线家居设计或者购物网站无法为每一位在线用户提供一对一的实时专业人工服务，因此智能化的三维室内家居风格推荐受到了越来越多的关注。本文提出一种基于用户兴趣模型的三维室内家居风格推荐方法，包括三维场景数据采集、家居风格特征定义和风格关联挖掘。该方法通过用户行为数据分析建立用户兴趣模型，结合关联规则挖掘算法中的Apriori算法对三维模型数据集进行关联分析，从而得到家居风格推荐结果，以便辅助在线用户完成家居风格选择统一。实验结果验证了提出推荐方法的可行性。

1  推荐方法的流程分析

在三维模型的风格化研究方面，文献[4]提出一种基于三维模型的风格化线条渲染方法，其利用GPU先进的可编程图形流水线技术，支持线条可见性和广泛的风格化选项。文献[5]提出一种轮廓线优化的多通道三维水墨渲染模型，运用网格模型扩张实现轮廓线的风格化。此外，在风格推荐研究方面，文献[6]进行了电子商务网站中用户认知对推荐技术接受行为的影响研究。

关联推荐算法则是电子商务系统中近几年来常用的数据挖掘方法，其中最典型的应用为Apriori算法[7]。因此，为了在三维电商平台上辅助在线用户完成家居风格选择统一，从而得到家居风格的推荐结果，本文采集平台中已有的所有三维模型数据集作为训练集，然后通过家居风格特征对三维模型进行定义，构建事务集合，最后使用典型的关联规则挖掘算法Apriori挖掘场景风格，其流程如图1所示。

图1  推荐方法流程图

2  家居风格特征描述

本文通过HOG特征描述家居模型的轮廓图，目标定义如下：

式中：[Xp]表示第[p]个视角的HOG特征矩阵;[Up]和[Vp]分别表示第[p]个视角的基矩阵和系数矩阵;[μ]表示一个平滑因子;[πp]表示第[p]个视角的权值;[P]为视角的总数。

使用标准的K?means聚类算法进行聚类观察，通过如下方式获取其中每个类簇的IDF值：

式中：[c]表示类簇;[N]表示此类包含的模型总数;[M]表示模型具有的有效部件量。通过选取合适的IDF可以选择出合适的风格特征。

3  基于用户兴趣的家居风格推荐方法

3.1  用户行为数据提取

3.2  关联规则模式挖掘

关联规则Apriori算法能够通过某个规则发现两种事物之间存在的一些隐藏关系。关联规则算法中具有支持度和置信度的定义，计算公式如下所示[8]：

4  实验结果

4.1  实验环境

对本文提出的三维室内家居风格推荐方法进行仿真验证测试。仿真PC配置为：intel[?] CoreTM i7?4785T CPU@2.20 GHz，4 GB内存，Windows 7操作系统。三维模型数据采集过程中部件采样及特征计算耗时4.2 h，支持度阈值设置为0.2，每个模式包含的最大风格特征数量为10，最小风格特征数量为2。

4.2  结果分析

为了对风格相似度[9]进行量化对比分析，采用如下公式挖掘不同风格模式集合之间的差异程度：

式中：[Pi]和[Pj]分别表示不同风格模式（符合不同场景的）的集合。在随机设定用户场景后，根据式（12）挖掘其最近邻的其他场景，并以[Sim（Pi，Pj）]从大到小排序对用户进行推荐展示，从而满足人们的正常期望需求。利用满意度调查问卷，将使用本文推荐算法前后的10位用户满意度进行对比分析，如表1所示。从表1可以看出，三维室内家居风格推荐方法达到了82%的用户满意度，相比没有使用推荐算法时提高了9%。

表1  用户满意度的结果对比

5  结  论

本文提出一种基于用户兴趣模型的三维室内家居风格推荐方法。该方法通过用户行为数据分析建立用户兴趣模型，结合关联规则挖掘算法中的Apriori算法对三维模型数据集进行关联分析，从而得到家居风格推荐结果。实验结果验证了提出推荐方法的有效性，能够获得较好的用户满意度。但是三维模型数据集的数量有限，且风格特征的限制数量为经验设置，因此后续工作要扩大数据集的模型数量并研究风格特征数量的影响。

参考文献

[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] 蒋宝吉，唐棣.基于三维模型的风格化线条渲染方法[J].计算机科学，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] 陈添丁，金炜炜，陈英旦.轮廓线优化的多通道三维水墨渲染模型[J].电子与信息学报，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] 许应楠，甘利人，岑咏华，等.用户认知对推荐技术接受行为的影响研究[J].情报学报，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.