在数字经济时代的今天，再加上疫情原因无法外出，网上购物已成为大众消费的普遍方式，无论我们是去购物网站、旅游网站、外卖等平台，客户的优质好评都会在最前方，特别是一张美的图片，总会勾起去旅游的欲望，看到好评后毫不犹豫地去“剁手”。买到的东西有时未必符合心中的预期，有人会选择退货，也有人会暗暗告诉自己下次一定要注意了。
无论看到的是图片、视频、还是文字评论，算法都可以告诉那些是客户喜欢的，将最好的评论进行排序，展示给客户。
本文以图片为例，分三个部分去讲解为什么你看到的评论和图片都是最好的。
- 图片素材获取
- 算法识别
- 结论
以下是具体步骤和代码实现：
图片素材获取
今天我们获取的素材为网站上的街拍图片，在图片爬取之前，我们需要对网页进行分析。
分析网页，可以发现每次点击下一页page的数字就发生变化，其他参数不发生变化。
<code>'https://www.mzitu.com/jiepai/comment-page-02/'/<code>
那么接下来就是爬取图片了，爬取图片仅为学习和交流使用，不要暴力爬取。爬取结果如图所示：
代码如下：
<code>headers = {'User-Agent': "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1"}
content = requests.get(url, headers=headers)
img_url = BeautifulSoup(content.text, 'lxml').findAll('div', class_='comment-body')
for i in img_url:
pattern = r'data-original=\\S*?\\.jpg'
result = re.findall(pattern, str(i.find('p')))[0].split('data-original="')[1]
r = requests.get(result)
path ='/users/妹子图/image/%s'%(str(num)+'_' + result.split('/')[-1])
with open(path,'ab+')as f:
f.write(r.content)
f.close()/<code>算法识别
目前对图片处理方式的很多，有图片分类、目标检测、图像分割等，对于人脸检测的公开数据集比较多，比如：哥伦比亚大学公众人物脸部数据库、MTFL数据集等，通过模型训练得到想要对模型其实并不难。如果对模型训练比较感兴趣，可以获取数据集进行训练和调优即可，今天我们直接调用百度人脸检测接口，省去了模型训练过程，使用接口前，按照如下三步进行操作：
1:创建应用，获取AppID、API Key、Secret Key
2.通过API Key和Secret Key获取的access_token
<code># encoding:utf-8
import requests
# client_id 为官网获取的AK， client_secret 为官网获取的SK
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【官网获取的AK】&client_secret=【官网获取的SK】'
response = requests.get(host)
if response:
print(response.json())/<code>
注意：access_token有效期为30天，切记需要每30天进行定期更换，或者每次请求都拉取新token；
3.调用过程
没有安装数据包，安装pip install baidu-aip
<code>##无安装包请先安装：pip install baidu-aip
from aip import AipFace
""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'
client = AipFace(APP_ID, API_KEY, SECRET_KEY)
""" 如果有可选参数 """
options = {}
options["face_field"] = "age"
options["max_face_num"] = 2
options["face_type"] = "LIVE"
options["liveness_control"] = "LOW"
""" 带参数调用人脸检测 """
client.detect(image, imageType, options)/<code>
选取一张图片
调用上方代码
数据分析：颜值评分为78.63，是一名女性，probability为1，glasses为none，年龄为23岁，参数有很多，可以根据需要进行展示，从上述数据上来看，年龄数据不是很准确，算法模型还是有需要优化对地方。
总结
本篇文章以图片为例进行阐述，对于其他场景从算法的角度来看，思路是一样的。比如：对于旅游景点图片，我们可以使用训练一套类似的模型，将“颜值”高的排在最前方，对于商品也是同样道理，利用自然语言NLP识别出对产品评价最高的放置到最前方。
日常购物中，可以从多个视角去看看某款产品值不值得买，仅凭平台几条好评推荐，可能就掉进了陷阱中了，喜欢的欢迎分享和收藏。
閱讀更多 地表嘴強程序員 的文章
