基于电商平台商品信息的数据挖掘分析

摘 要

本文采用分水岭分割、随机滤波分割算法对网购时的商品图片信息进行分割，从而提取商品的纹理特征信息。这有利于解决吊牌上商品信息与商品规格参数信息的不一致，让消费者更加相信商家提供的商品信息从而自信消费；另一个是图像中文字的检测识别，有利于电商企业更好地做出商品推荐，售后服务和信息监管。

【关键词】网购图片 分水岭分割 纹理

1 背景与挖掘目标

网购时，用户无法直接接触商品，电商提供的商品信息是顾客做出购买决定的重要依据。展现商品信息的形式有很多种，其中大多数是以图片形式呈现。图像可以将事物生动地呈现在我们面前，让我们更直观地接受商品信息。但是照片中的文本信息不能直接检索，处理，从而加大了监管工作的难度与工作量，也为电商管理者带来了不便。在图像中，文字信息包含丰富的高层语义信息，提取这些文字，对图像高层语义的理解，索引和检索非常有用。

传统的OCR技术，能对纸质文字进行字符自动识别，但对于以图片为背景的文字识别效果较差，影响OCR技术效果的因素有：文字及背景的色彩，背景的复杂程度，文本倾斜，图片分辨率以及字符大小等。因此本次建模针对电商平台上图像的文字识别，在已有的传统技术上进行改动，不要直接将图片上的文字写入计算机，而是运用分割算法将图像中的文字提取出来后再写入计算机进行识别，达到能够自动高效的从商品信息图片上提取文本信息的效果。

本用例主要包括以下几个步骤：

1.1 爬取图像集

图像集的获取是本次数据挖掘分析的第一步，本文从图像1中对图像进行随机抽取，存放于txt文件中，得到图像集。

1.2 图像预处理

它的目的是消除图像中无用信息，恢复有用信息，减少误差。第一步是将图像转化为二值图像，第二步是去噪，第三步是倾斜校正，第四步是归一化。

1.3 版面分析

即将版面进行分割，分理出图像中的文本块，图片块和线条，图像中文字块检测是利用图像中文字与背景在模式上的差异，在图像中找到文字的位置，通常图像中的文字检测不是单个字符独立地检测，而是以文字块整体作为对象，利用文字块中文字密集分布所呈现的较为稳定的统计特征来进行模式判断。

1.4 特征提取

从文字的许多特征中找出最重要的特征。良好的特征应具备可区别性，可靠性，数量少等特点。

1.5 字符识别

是对划分出的文字行进行识别，识别为中文，英文字母，数字及标点符号。

1.6 后处理

对识别出的文字进行上下文匹配，即对单字识别的结果进行分词，与词库中的词进行比较，提高系统的识别率，减少误识率。

1.7 结果分析

根据分析结果，让电商企业更好地做出商品推荐，售后服务和信息监管，从而构建健康，有秩序的电商网购平台。

2 商品图像的分割

图像特征提取的目的是从复杂的图像背景中快速提出嵌入的文字，文字在图像中的位置不确定，文字大小任意，字体未知，图像不清晰等因素加强了提取的难度。但是文字特征又使得提取工作有章可循。版面分析是使用计算机自动地完成对图像的分析，最终分离出文本块，线条，图片块等区域，与此同时确定各个区域块间存在的关系。而快速准确的版面分析为字符识别操作的必要条件。

本文采用分水岭分割算法对图1进行分割，分割的结果如图2所示。

3 结束语

在将图像先导入后进行图像预处理，并在已有算法的基础上，实现对图像中文字的检测分割，再将分割后的图片进行特征提取，为广大网民网购时提供参考。

参考文献

[1]张洪瀚，姜娇娇.基于数据挖掘的电子商务商品推荐[J].中国信息界，2007（17）.

[2]王红玉.数据挖掘在电子商务中的应用[J].电脑编程技巧与维护，2016（03）.

[3]朱蔚恒，陈健，印鉴.数据挖掘在电子商务中的应用[J].计算机工程，2002（08）.

作者简介

欧杰泉（1980-），男，大学本科学历。现为广州市轻工职业学校助教。研究方向为图像处理。

作者单位

广州市轻工职业学校 广东省广州市 510650