公开(公告)号：CN108492290B

公开(公告)日：2022-03-15

申请号：CN201810226244.X

申请日：2018-03-19

Applicant: 携程计算机技术(上海)有限公司

Inventor： 任栩蝶 ,  朱麟 ,  陈毅鸿 ,  江文 ,  马颖华

IPC: G06T7/00

Abstract: 本发明公开了一种图像评价方法及系统，其中图像评价方法包括：S1、对若干图像进行配对得到配对图像，对图像设置评价分数；S2、利用配对图像和评价分数训练一孪生网络得到图像评价模型；S3、输入评价图像至图像评价模型得到评分。本发明的图像评价方法利用孪生网络训练后得到的图像评价模型对评价图像评价，评价后的评分与真实环境的评价分数之间的均方误差低于1.6，相比于直接利用卷积神经网络进行评价的评分与真实环境的评价分数之间的均方误差为2.53相比，本发明的图像评价方法的评价结果与真实环境的评价差别明显减少，评价更加合理可靠。

公开(公告)号：CN108492290A

公开(公告)日：2018-09-04

申请号：CN201810226244.X

申请日：2018-03-19

Applicant: 携程计算机技术(上海)有限公司

Inventor： 任栩蝶 ,  朱麟 ,  陈毅鸿 ,  江文 ,  马颖华

IPC: G06T7/00

Abstract: 本发明公开了一种图像评价方法及系统，其中图像评价方法包括：S1、对若干图像进行配对得到配对图像，对图像设置评价分数；S2、利用配对图像和评价分数训练一孪生网络得到图像评价模型；S3、输入评价图像至图像评价模型得到评分。本发明的图像评价方法利用孪生网络训练后得到的图像评价模型对评价图像评价，评价后的评分与真实环境的评价分数之间的均方误差低于1.6，相比于直接利用卷积神经网络进行评价的评分与真实环境的评价分数之间的均方误差为2.53相比，本发明的图像评价方法的评价结果与真实环境的评价差别明显减少，评价更加合理可靠。

公开(公告)号：CN109509039A

公开(公告)日：2019-03-22

申请号：CN201811636083.8

申请日：2018-12-29

Applicant: 携程计算机技术(上海)有限公司

Inventor： 黄金超 ,  江文 ,  朱麟 ,  任栩蝶 ,  马颖华

IPC: G06Q30/02 ,  G06Q30/06

Abstract: 本发明公开了价格预测模型的建立方法及系统、商品推荐方法及系统。所述建立方法包括以下步骤：获取用户的购物数据；构建初始的价格预测模型的目标函数；所述目标函数的评估目标包括用户对商品所期望的最高价格、最低价格和价格区间；从所述购物数据中提取训练样本输入所述目标函数，并利用GBDT算法和交替优化算法对所述目标函数进行训练，得到最终的价格预测模型。本发明实现了根据实际情况对预测精度和区间大小进行调整，同时对用户所期望的商品的最高价格、最低价格和价格区间进行预测，且本发明针对呈现长尾分布的大规模数据有着较好的预测结果，且运行时间较快，十分适用于OTA领域的用户期望价格预测问题。