可以应用滑动窗将图像分块，令分块总数爲 N，思索到窗口外形对分块的影响，采用高斯加权计算每一窗口的均值、方差以及协方差，然后计算对应块的构造类似度 SSIM，最初将均匀值作爲两图像的构造类似性度量，即均匀构造类似性 SSIM。4）深度学习办法：《基于 2-channel network 的图片类似度判别》、《图像检索、深度感知测量办法》，其中心思想爲深度特征提取 + 特征向量类似度计算；深度学习的办法更多是从图片特征语义停止解析，例如前景图能否同爲钢笔 /Nike 鞋子，背景能否爲纯色 / 户外，来了解两幅图片能否类似，而不是复杂的经过图片的 HSV 或许 RGB 通道来断定，目前如今各家大厂都是用的深度学习办法来做类似图断定，精确率比较而言会更高一点；失掉类似图后果之后，战略商品需求与算法协议并实验【类似度阈值】实验，可以看上述图片中的 Nike 熊猫 dunk 鞋子，右上角的图 2 和左下角的图 3 分明就更爲类似，那麼两图之间的类似值 SSIM 就更高一点，而图 2 和图 4 虽然也都是 Nike dunk 的鞋子，但是分明不如图 3 类似；因而类似度阈值门槛定在多高其实也就确定了平台关于类似图过滤的严苛水平，假如类似图定的阈值比拟低，就会有少量主体 item 被误杀的风险，广告 eCPM 排序的最终后果少量被过滤掉，带来广告支出全体的下降；所以阈值定在多少，定什麼适宜是需求战略商品经过流量 AB 分桶的方式，确定广告 CPM、CTR 以及广告参竞率、耗费 cost 等目标得来的后果，做到效果均衡；2.3 同类目过滤战略同类目过滤战略绝对于同图过滤战略就比拟的复杂，属于在重排序环节对商品信息表停止内容读取，其中包括商品一二三级类目的 value 值信息，战略商品需求和算法经过重排序过滤实验，确认一个展现商品队列同一三级类目最多展现数量，例如当同一个队列中超出 3 个则过滤掉排序靠后的商品主体 item，最终重排序完毕展现到 C 端用户面前。三、关于类似图 / 相反类目打散过滤战略的总结类似图 / 相反类目打散过略战略在中心作用上是希望丰厚引荐零碎的多样性目标（虽然 CTR 相关性很重要），让引荐零碎的引荐内容让消费者 C 端用户有逛下去的愿望，进步整个引荐位的人群曝光坑位数，探究用户引荐兴味；一旦引荐零碎最终后果不停止打散，爲用户出现反复单一的内容，就得到了引荐零碎秉持着 " 猜你爱 " 的定位了，既然需求去探究，就需求均衡相关性与多样性；这就是做类似图 / 相反类目打散战略的动身点与中心目的。作者：战略商品 Arthur，5 年大厂战略商品专家，全网最专业的搜广推战略商品干货博主，协助你成就战略商品专家之路本文由 @战略商品 Arthur 原创发布于人人都是商品经理，未经答应，制止转载题图来自 Unsplash，基于 CC0 协议