传统的艺术品搜索方式是根据用户键入的艺术品关键字,比如艺术品名称、作者等信息,利用类似百度、谷歌等搜索引擎的方式,从而找出有用的艺术品信息。由于艺术品的数据量越来越庞大,人们想要找到自己感兴趣、并且对自己有用的信息越来越困难。一方面,用户输入搜索引擎的艺术品关键字可能不准确,或者太长;另一方面,因为艺术品信息内容的差别,会造成部分艺术品无法被搜索引擎准确搜出,导致用户感兴趣的艺术品被淹没。随着现代信息服务智能化水平的提高,用户不能满足这种传统的“人找艺术品信息”的搜索模式,更需要一种“艺术品信息找人”的个性化推送服务。本文设计了基于艺术品多模态特征相互组合的推荐算法进行相似艺术品推荐,搭建了一个完整的相似艺术品推荐系统。具体工作内容如下:(1)针对人们在App上浏览艺术品的实际使用场景,结合艺术品图像特征、作者和名称组合的文本特征、以及尺寸特征这3个方面,设计基于艺术品Item多模态特征相互组合的推荐算法。分别在5个艺术品类别下,采用双重网格搜索的方式确定艺术品特征组合的最佳权重。以实际项目中的艺术品数据作为数据集,将艺术品图像特征、文本特征、以及尺寸特征3种特征进行不同的组合进行实验,详细计算不同组合下进行相似艺术品推荐的准确率、召回率和F(F-measure)值。根据数据结果绘制图表,从结果图表上能够明显看出使用艺术品图像特征、文本特征和尺寸特征3种相互组合的多模态特征进行艺术品推荐的方式具有更好的推荐效果,验证了在艺术品大数据领域使用多模态特征构建推荐系统的可行性和优势。(2)以基于艺术品多模态特征相互组合的推荐算法为基础,使用Flask框架搭建服务端,通过Xcode开发工具创建i OS客户端的App,完成了基于艺术品Item多模态特征进行相似艺术品推荐的系统。最后对基于艺术品Item多模态特征进行相似艺术品推荐的系统,进行了详细的功能测试。