美国大众点评网Yelp如何利用深度学习对美食照片进行评分.docx

美国大众点评网Yelp如何利用深度学习对美食照片进行评分.docx

《美国大众点评网Yelp如何利用深度学习对美食照片进行评分.docx》由会员分享，可在线阅读，更多相关《美国大众点评网Yelp如何利用深度学习对美食照片进行评分.docx（2页珍藏版）》请在冰点文库上搜索。

美国大众点评网Yelp如何利用深度学习对美食照片进行评分

美国“大众点评网”Yelp如何利用深度学习对美食照片进行评分

Yelp的数据库中已经存储了几千万张相片，用户们现在每天都会上传大概十万张，而且速度还在不断加快。

事实上，我们发现相片的上传增长率大于相片的查看率。

这些相片反映着本地商业的内容和质量，提供了非常丰富的信息。

关于这些相片非常重要的一方面，就是展示出来的内容的类型。

在2015年8月，我们上线了一套新系统，用于将传统饭店有关的相片分为食物、饮料、外观、内景和菜单等几大类。

从那以后，我们又为咖啡店、酒吧等类似的商店上线了类似的系统，以此来帮助用户们尽快发现他们想要寻找的那些相片。

最近的一段时间，我们又在研究如何进一步提高用户的满意度，具体方法就是给他们看更多漂亮的图片，改进我们的相片排名系统。

理解相片的质量

对比相片的质量，看起来很像是一件非常主观性的工作。

喜欢哪张相片或不喜欢哪张相片，有许多因素会影响这样的决定，而且依正在做搜索的用户个人不同，结论也会有所不同。

为了能为Yelp的用户提供更好的体验，相片理解团队必须担当起这项非常有挑战性的工作：

确定哪些特点会让相片更受人喜爱，并研发出一套算法，可以依据这些特点来可靠地对相片做出评判。

首先我们试着为相片构建一个点击率预测器，数据源就是从日志中挖掘出来的点击数据。

我们的假设是，那些被点击了更多次数的相片应该很明显地会比其它相片好。

可事实上这个想法的效果却没有想象中好，原因有几点。

首先，人们常常会点开那些比较模糊、或者里面有非常多文字的相片，这么来看看里面到底是什么内容。

另外，因为Yelp上的相片有许多种展示方法，所以很难有效地对比某些特定相片的指标。

之后，我们试用了好几种不同的计算机视觉技术，试着发现一些相片的内在特征，希望可以直接用于质量评分。

比如，对摄影师来说有个非常重要的特征叫“景深”，它用来测量相片有多少内容是在焦点里面的。

用浅景深可以非常有效地将相片中的物体与它的背景区别开来，上传到Yelp的相片也不例外。

很多时候，在关于某间饭店的许多张相片中，那些最美的总是那些非常明确地对焦到某个具体物体上的。