CN109785045A - 一种基于用户行为数据的推送方法和装置 - Google Patents
一种基于用户行为数据的推送方法和装置 Download PDFInfo
- Publication number
- CN109785045A CN109785045A CN201811535228.5A CN201811535228A CN109785045A CN 109785045 A CN109785045 A CN 109785045A CN 201811535228 A CN201811535228 A CN 201811535228A CN 109785045 A CN109785045 A CN 109785045A
- Authority
- CN
- China
- Prior art keywords
- micro
- expression
- target
- data
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000014509 gene expression Effects 0.000 claims abstract description 336
- 239000011159 matrix material Substances 0.000 claims description 83
- 230000006399 behavior Effects 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 14
- 230000003542 behavioural effect Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000013499 data model Methods 0.000 claims description 7
- 108010001267 Protein Subunits Proteins 0.000 claims description 6
- 210000004709 eyebrow Anatomy 0.000 description 9
- 238000001914 filtration Methods 0.000 description 7
- 239000011449 brick Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000004570 mortar (masonry) Substances 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 210000000744 eyelid Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000007665 sagging Methods 0.000 description 4
- 206010040954 Skin wrinkling Diseases 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010027951 Mood swings Diseases 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 231100000867 compulsive behavior Toxicity 0.000 description 1
- 201000003079 ectropion Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 210000002454 frontal bone Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 235000020095 red wine Nutrition 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种基于用户行为数据的推送方法和装置，该方法包括：获取目标用户搜索产品信息产生的搜索数据和购买产品产生的购买数据；判断目标用户浏览产品信息时的微表情是否属于第二类微表情；如果目标用户浏览产品信息时的微表情属于第二类微表情，则将浏览数据进行滤除；判断目标用户点击产品信息时的微表情是否属于第二类微表情；如果目标用户点击产品信息时的微表情属于第二类微表情，则将点击数据进行滤除；根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像；根据目标用户的用户画像向目标用户推送产品。因此，本发明实施例提供的技术方案能够解决现有技术中推荐准确度低的问题。
Description
【技术领域】
本发明涉及数据处理技术领域，尤其涉及一种基于用户行为数据的推送方法和装置。
【背景技术】
目前很多购物网站的导购推荐主要是根据用户的历史行为数据通过一定的算法向用户推荐感兴趣的产品，由于很多时候用户会存在误点击、或者只是无聊逛逛而点击购物网页的情况，所以获取的数据包含了很多有误导性的数据，因此导致推荐准确度低。
【发明内容】
有鉴于此，本发明实施例提供了一种基于用户行为数据的推送方法和装置，用以解决现有技术推荐准确度低的问题。
一方面，本发明实施例提供了一种基于用户行为数据的推送方法，所述方法包括：获取目标用户浏览产品信息产生的浏览数据，并同时获取所述目标用户浏览所述产品信息时的微表情，所述微表情至少包括第一类微表情和第二类微表情，其中，所述第一类微表情为表示感兴趣的微表情，所述第二类微表情为表示不感兴趣的微表情；获取所述目标用户点击所述产品信息产生的点击数据，并同时获取所述目标用户点击所述产品信息时的微表情；获取所述目标用户搜索所述产品信息产生的搜索数据和购买产品产生的购买数据；判断所述目标用户浏览所述产品信息时的微表情是否属于所述第二类微表情；如果所述目标用户浏览所述产品信息时的微表情属于所述第二类微表情，则将所述浏览数据进行滤除；判断所述目标用户点击所述产品信息时的微表情是否属于所述第二类微表情；如果所述目标用户点击所述产品信息时的微表情属于所述第二类微表情，则将所述点击数据进行滤除；根据过滤后的浏览数据、过滤后的点击数据、所述搜索数据、所述购买数据确定所述目标用户的用户画像；根据所述目标用户的用户画像向所述目标用户推送产品。
进一步地，所述判断微表情是否属于所述第二类微表情，包括：将待判断的微表情作为目标微表情；识别所述目标微表情中的特征向量，得到目标特征向量；获取所述第一类微表情对应的特征向量；获取所述第二类微表情对应的特征向量；计算所述目标特征向量与所述第一类微表情的特征向量之间的相似度，得到第一相似度；计算所述目标特征向量和所述第二类微表情的特征向量之间的相似度，得到第二相似度；判断所述第一相似度和所述第二相似度是否满足预设关系；如果所述第一相似度和所述第二相似度不满足所述预设关系，则确定所述目标微表情不属于所述第二类微表情；如果所述第一相似度和所述第二相似度满足所述预设关系，则确定所述目标微表情属于所述第二类微表情。
进一步地，所述根据所述目标用户的用户画像向所述目标用户推送产品，包括：根据所述目标用户的用户画像确定目标标签，所述目标标签是所述目标用户感兴趣的标签；筛选出标签与所述目标标签相同的产品，并将筛选出的产品作为目标产品，其中，每一个产品与至少一个标签相关联，每个标签代表了产品的一种属性；向所述目标用户推送所述目标产品。
进一步地，在所述向所述目标用户推送所述目标产品之后，所述方法还包括：获取所述目标用户的地理位置；筛选出与所述目标用户的地理位置在预设距离之内的商家，得到至少一个候选商家；判断所述候选商家是否提供所述目标产品；如果所述候选商家提供所述目标产品，则将所述候选商家作为目标商家；向所述目标用户推送所述目标商家的名称、地址和产品信息。
进一步地，所述根据过滤后的浏览数据、过滤后的点击数据、所述搜索数据、所述购买数据确定所述目标用户的用户画像，包括：获取多个用户浏览所述产品信息产生的浏览数据、点击所述产品信息产生的点击数据、搜索所述产品信息产生的搜索数据和购买产品产生的购买数据，对获取到的数据根据微表情进行过滤，得到第一数据；根据所述第一数据确定不同用户对多个产品中每个产品的行为数据；根据每一个用户对每一个产品的行为数据确定训练样本；生成初始化的用户参数矩阵和初始化的标签参数矩阵，其中，初始化的用户参数矩阵中的元素为呈正态分布的随机数，初始化的标签参数矩阵中的元素为呈正态分布的随机数；根据训练样本，采用数据拟合模型修正初始化的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵；将所述目标用户的所述过滤后的浏览数据、所述过滤后的点击数据、所述搜索数据、所述购买数据作为目标数据；根据最终的用户参数矩阵、最终的标签参数矩阵以及所述目标数据，确定所述目标用户的用户画像矩阵；根据所述目标用户的用户画像矩阵确定所述目标用户的用户画像。
一方面，本发明实施例提供了一种基于用户行为数据的推送装置，所述装置包括：第一获取单元，用于获取目标用户浏览产品信息产生的浏览数据，并同时获取所述目标用户浏览所述产品信息时的微表情，所述微表情至少包括第一类微表情和第二类微表情，其中，所述第一类微表情为表示感兴趣的微表情，所述第二类微表情为表示不感兴趣的微表情；第二获取单元，用于获取所述目标用户点击所述产品信息产生的点击数据，并同时获取所述目标用户点击所述产品信息时的微表情；第三获取单元，用于获取所述目标用户搜索所述产品信息产生的搜索数据和购买产品产生的购买数据；第一判断单元，用于判断所述目标用户浏览所述产品信息时的微表情是否属于所述第二类微表情；第一滤除单元，用于如果所述目标用户浏览所述产品信息时的微表情属于所述第二类微表情，则将所述浏览数据进行滤除；第二判断单元，用于判断所述目标用户点击所述产品信息时的微表情是否属于所述第二类微表情；第二滤除单元，用于如果所述目标用户点击所述产品信息时的微表情属于所述第二类微表情，则将所述点击数据进行滤除；第一确定单元，用于根据过滤后的浏览数据、过滤后的点击数据、所述搜索数据、所述购买数据确定所述目标用户的用户画像；第一推送单元，用于根据所述目标用户的用户画像向所述目标用户推送产品。
进一步地，所述第一判断单元和/或所述第二判断单元，包括：第一确定子单元，用于将待判断的微表情作为目标微表情；识别子单元，用于识别所述目标微表情中的特征向量，得到目标特征向量；第一获取子单元，用于获取所述第一类微表情对应的特征向量；第二获取子单元，用于获取所述第二类微表情对应的特征向量；第一计算子单元，用于计算所述目标特征向量与所述第一类微表情的特征向量之间的相似度，得到第一相似度；第二计算子单元，用于计算所述目标特征向量和所述第二类微表情的特征向量之间的相似度，得到第二相似度；判断子单元，用于判断所述第一相似度和所述第二相似度是否满足预设关系；第二确定子单元，用于如果所述第一相似度和所述第二相似度不满足所述预设关系，则确定所述目标微表情不属于所述第二类微表情；第三确定子单元，用于如果所述第一相似度和所述第二相似度满足所述预设关系，则确定所述目标微表情属于所述第二类微表情。
进一步地，所述第一推送单元包括：第四确定子单元，用于根据所述目标用户的用户画像确定目标标签，所述目标标签是所述目标用户感兴趣的标签；筛选子单元，用于筛选出标签与所述目标标签相同的产品，并将筛选出的产品作为目标产品，其中，每一个产品与至少一个标签相关联，每个标签代表了产品的一种属性；推送子单元，用于向所述目标用户推送所述目标产品。
进一步地，所述装置还包括：第四获取单元，用于在所述第一推送单元向所述目标用户推送所述目标产品之后，获取所述目标用户的地理位置；筛选单元，用于筛选出与所述目标用户的地理位置在预设距离之内的商家，得到至少一个候选商家；第三判断单元，用于判断所述候选商家是否提供所述目标产品；第二确定单元，用于如果所述候选商家提供所述目标产品，则将所述候选商家作为目标商家；第二推送单元，用于向所述目标用户推送所述目标商家的名称、地址和产品信息。
进一步地，所述第一确定单元包括：第三获取子单元，用于获取多个用户浏览所述产品信息产生的浏览数据、点击所述产品信息产生的点击数据、搜索所述产品信息产生的搜索数据和购买产品产生的购买数据，对获取到的数据根据微表情进行过滤，得到第一数据；第五确定子单元，用于根据所述第一数据确定不同用户对多个产品中每个产品的行为数据；第六确定子单元，用于根据每一个用户对每一个产品的行为数据确定训练样本；生成子单元，用于生成初始化的用户参数矩阵和初始化的标签参数矩阵，其中，初始化的用户参数矩阵中的元素为呈正态分布的随机数，初始化的标签参数矩阵中的元素为呈正态分布的随机数；修正子单元，用于根据训练样本，采用数据拟合模型修正初始化的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵；第七确定子单元，用于将所述目标用户的所述过滤后的浏览数据、所述过滤后的点击数据、所述搜索数据、所述购买数据作为目标数据；第八确定子单元，用于根据最终的用户参数矩阵、最终的标签参数矩阵以及所述目标数据，确定所述目标用户的用户画像矩阵；第九确定子单元，用于根据所述目标用户的用户画像矩阵确定所述目标用户的用户画像。
一方面，本发明实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的基于用户行为数据的推送方法。
一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行时实现上述的基于用户行为数据的推送方法的步骤。
在本发明实施例中，微表情至少包括第一类微表情和第二类微表情，其中，第一类微表情为表示感兴趣的微表情，第二类微表情为表示不感兴趣的微表情，如果用户在点击产品信息或浏览产品信息时的微表情为第二类微表情，则说明产品并不是用户感兴趣的产品，点击数据可能为误操作产生的，浏览数据可能只是用户无目的性地随便浏览产生的，这种情况下的点击数据和浏览数据作为无意义数据被滤除，根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像，根据目标用户的用户画像向目标用户推送产品，由于过滤后的数据不含误导性的数据，能够真实有效地反映用户的兴趣，从而提高了基于用户行为数据进行产品推送的准确度。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种可选的基于用户行为数据的推送方法的流程图；
图2是本发明实施例提供的一种可选的基于用户行为数据的推送方法的流程图；
图3是本发明实施例提供的一种可选的基于用户行为数据的推送装置的示意图；
图4是本发明实施例提供的一种可选的计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1是本发明实施例提供的一种可选的基于用户行为数据的推送方法的流程图，如图1所示，该方法包括：
步骤S104，获取目标用户浏览产品信息产生的浏览数据，并同时获取目标用户浏览产品信息时的微表情，微表情至少包括第一类微表情和第二类微表情，其中，第一类微表情为表示感兴趣的微表情，第二类微表情为表示不感兴趣的微表情。
步骤S106，获取目标用户点击产品信息产生的点击数据，并同时获取目标用户点击产品信息时的微表情。
步骤S108，获取目标用户搜索产品信息产生的搜索数据和购买产品产生的购买数据。
步骤S110，判断目标用户浏览产品信息时的微表情是否属于第二类微表情。
步骤S112，如果目标用户浏览产品信息时的微表情属于第二类微表情，则将浏览数据进行滤除。
步骤S114，判断目标用户点击产品信息时的微表情是否属于第二类微表情。
步骤S116，如果目标用户点击产品信息时的微表情属于第二类微表情，则将点击数据进行滤除。
步骤S118，根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像。
步骤S120，根据目标用户的用户画像向目标用户推送产品。
微表情，micro-expression，是心理学名词。人们通过做一些表情把内心感受表达给对方看，在人们做的不同表情之间，或是某个表情里，脸部会“泄露”出其它的信息。“微表情”最短可持续1/25秒，虽然一个下意识的表情可能只持续一瞬间，但有时表达相反的情绪。
“微表情”一闪而过，通常甚至清醒的作表情的人和观察者都察觉不到。在实验里，只有10％的人察觉到。比起人们有意识做出的表情，“微表情”更能体现人们真实的感受和动机。虽然人们会忽略“微表情”，但是人的大脑依然受其影响，改变对别人表情的理解。所以如果某人很自然地表现“高兴”的表情，且其中不含有“微表情”，就能断定这人是高兴的。但是如果其间有“嗤笑”的“微表情”闪现，就算没有刻意去察觉，也会更倾向于认为这张“高兴”的面孔是“狡猾的”或“不可信的”。
另外，除了指短暂的表情外，微表情在应用上更倾向于指代那些被抑制的表情。譬如说在明显悲伤的情况下，某人表现出大部分悲痛的表情，嘴角却抑制不住地上翘。这时，这个人明显希望表现出悲伤的情绪，但是却不由自主的出现了微笑的微表情。由于自身理性的抑制，表现的不明显抑或较为短暂。类似这样的差异在微表情分析中更为常用。
人类主要拥有至少七种表情，每种表情都表达不一样的意思：
高兴：人们高兴时的面部动作包括：嘴角翘起，面颊上抬起皱，眼睑收缩，眼睛尾部会形成“鱼尾纹”。
伤心：面部特征包括眯眼，眉毛收紧，嘴角下拉，下巴抬起或收紧。
害怕：害怕时，嘴巴和眼睛张开，眉毛上扬，鼻孔张大
愤怒：这时眉毛下垂，前额紧皱，眼睑和嘴唇紧张。
厌恶：厌恶的表情包括嗤鼻，上嘴唇上抬，眉毛下垂，眯眼。
惊讶：惊讶时，下颚下垂，嘴唇和嘴巴放松，眼睛张大，眼睑和眉毛微抬。
轻蔑：轻蔑的著名特征就是嘴角一侧抬起，作讥笑或得意笑状。
常见微表情解析：
1.单肩抖动——不自信时候更容易单肩抖动(并不是所有的单肩抖动就是不自信)。
2.注视对方眼睛——人在准备好谎言时，更容易注视对方眼睛，已使对方相信或观察对方是否相信。(并不是注视对方眼睛就是撒谎)
3.回答时生硬的重复问题——回答时生硬的重复问题很有可能是典型谎言。
4.把手放在眉骨之间——当人感到羞愧的时候，很可能出现的动作是把手放在眉骨或者是额骨附近，用来建立一个视觉阻碍。
5.揉鼻子——掩饰真相(人在情绪波动的时候，鼻子里曲静脉血管丛扩张，人会去揉鼻子来缓解，当然有病患或者作为个人习惯的时候不能作为判定)。
6.眼睛向左看通常是在回忆,向右看通常是在思考谎话(根据每个人的基线改变情况)。
7.惊讶表情超过一秒就可能是假惊讶。
8.男人右肩微耸一下就是在说假话。
9.当不能倒着将事情回忆一遍，那么事情肯定是编造的。
10.用手抚额头——表示羞愧。
11.瞳孔放大——恐惧，愤怒。
12.话语重复声音上扬——撒谎。
13.肢体阻抗向后退一步，表示刚说的话不可信。
14.抿嘴经典的模棱两可的动作。
15.摸脖子人撒谎的时候会摸脖子，典型的强迫行为属于机械反应。
16.纵火属于宣张自己的力量。
17.撒谎的时候没有与之相对应的表情，往往没有任何表情。
18.在学校越受欢迎的学生越会撒谎。
19.手一直摩挲，一种自我安慰的姿态，当不相信自己的在说什么的时候，使自己安心。
20.当真正的凶手看到被害者照片的时候，会表现出恶心、轻蔑甚至是害怕，但绝对不会是吃惊。
21.要是有人要将要实施血腥的罪行，就会出现这样的表情：眉毛朝下皱紧，上眼睑扬起，眼袋绷紧。
22.亮出中指，这是象征性的还有特定意识的下意识手势，充满敌意。
23.鼻孔外翻，嘴唇紧闭，生气。
24.下巴扬起，嘴角下垂，自责。
25.眉毛向上，拉紧，恐惧。
26.如果先突然大声说话，然后再用手猛拍桌子，这是对可怕事情反应的手势时间差。如果是真的发火，这两个动作会同时进行。
27.提高右边的眉毛，表示疑问。
28.受右脑控制的左半边脸更容易暴露内心的真实情感。
在本发明实施例中，微表情至少包括第一类微表情和第二类微表情，其中，第一类微表情为表示感兴趣的微表情，第二类微表情为表示不感兴趣的微表情，如果用户在点击产品信息或浏览产品信息时的微表情为第二类微表情，则说明产品并不是用户感兴趣的产品，点击数据可能为误操作产生的，浏览数据可能只是用户无目的性地随便浏览产生的，这种情况下的点击数据和浏览数据作为无意义数据被滤除，根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像，根据目标用户的用户画像向目标用户推送产品，由于过滤后的数据不含误导性的数据，能够真实有效地反映用户的兴趣，从而提高了基于用户行为数据进行产品推送的准确度。
可选地，判断微表情是否属于第二类微表情，包括：将待判断的微表情作为目标微表情；识别目标微表情中的特征向量，得到目标特征向量；获取第一类微表情对应的特征向量；获取第二类微表情对应的特征向量；计算目标特征向量与第一类微表情的特征向量之间的相似度，得到第一相似度；计算目标特征向量和第二类微表情的特征向量之间的相似度，得到第二相似度；判断第一相似度和第二相似度是否满足预设关系；如果第一相似度和第二相似度不满足预设关系，则确定目标微表情不属于第二类微表情；如果第一相似度和第二相似度满足预设关系，则确定目标微表情属于第二类微表情。
计算目标特征向量与第一类微表情的特征向量之间的相似度，包括：根据公式计算目标特征向量与第一类微表情的特征向量之间的相似度，其中，S为目标特征向量与第一类微表情的特征向量之间的相似度，A为目标特征向量，B为第一类微表情的特征向量，Ai为目标特征向量的第i个元素，Bi为第一类微表情的特征向量的第i个元素，n为目标特征向量包含的元素的数量。
计算目标特征向量与第二类微表情的特征向量之间的相似度的方法与上述方法类似，不再赘述。
微表情至少包括第一类微表情和第二类微表情，其中，第一类微表情为表示感兴趣的微表情，第二类微表情为表示不感兴趣的微表情。微表情还可以包括第三类微表情，第三类微表情的特征是：无法分辨是否感兴趣。
需要注意的是：如果第一相似度和第二相似度不满足预设关系，则确定目标微表情不属于第二类微表情，这种情况下，目标微表情可能属于第一类微表情，也可能属于第三类微表情。
判断第一相似度和第二相似度是否满足预设关系，具体可以有多种方法，下面列出几种：
方法一：判断第二相似度与第一相似度的比值是否在预设比值范围之内，如果第二相似度与第一相似度的比值在预设比值范围之内，则确定第一相似度和第二相似度满足预设关系；如果第二相似度与第一相似度的比值不在预设比值范围之内，则确定第一相似度和第二相似度不满足预设关系。
例如，假设：预设比值范围为[2，+∞)，第二相似度为0.8，第一相似度为0.1，由于第二相似度与第一相似度之间的比值为8，在预设比值范围之内，因此，确定第一相似度和第二相似度满足预设关系，确定目标微表情属于第二类微表情。
再例如，预设比值范围为[2，+∞)，第二相似度为0.5，第一相似度为0.4，由于第二相似度与第一相似度之间的比值为1.25，不在预设比值范围之内，因此，确定第一相似度和第二相似度不满足预设关系，确定目标微表情不属于第二类微表情。
方法二：判断第二相似度与第一相似度的差值是否在预设差值范围之内，如果第二相似度与第一相似度的差值在预设差值范围之内，则确定第一相似度和第二相似度满足预设关系；如果第二相似度与第一相似度的差值不在预设差值范围之内，则确定第一相似度和第二相似度不满足预设关系。
例如，假设：预设差值范围为[0.5，1]，第二相似度为0.8，第一相似度为0.1，由于第二相似度与第一相似度之间的差值为0.7，在预设差值范围之内，因此，确定第一相似度和第二相似度满足预设关系，确定目标微表情属于第二类微表情。
再例如，预设差值范围为[0.5，1]，第二相似度为0.5，第一相似度为0.4，由于第二相似度与第一相似度之间的差值为0.1，不在预设差值范围之内，因此，确定第一相似度和第二相似度不满足预设关系，确定目标微表情不属于第二类微表情。
方法三：判断第二相似度和第一相似度之间的差值与第二相似度的比值是否在预设比值范围之内，如果第二相似度和第一相似度之间的差值与第二相似度的比值在预设比值范围之内，则确定第一相似度和第二相似度满足预设关系；如果第二相似度和第一相似度之间的差值与第二相似度的比值不在预设比值范围之内，则确定第一相似度和第二相似度不满足预设关系。
例如，假设：预设比值范围为[0.7，+∞)，第二相似度为0.8，第一相似度为0.1，第二相似度和第一相似度之间的差值为0.7，第二相似度和第一相似度之间的差值与第二相似度的比值为(0.7/0.8＝0.875)，由于第二相似度与第一相似度之间的比值为0.875，在预设比值范围之内，因此，确定第一相似度和第二相似度满足预设关系，确定目标微表情属于第二类微表情。
再例如，预设比值范围为[0.7，+∞)，第二相似度为0.5，第一相似度为0.4，第二相似度和第一相似度之间的差值为0.1，第二相似度和第一相似度之间的差值与第二相似度的比值为0.2(0.1/0.5＝0.2)，不在预设比值范围之内，因此，确定第一相似度和第二相似度不满足预设关系，确定目标微表情不属于第二类微表情。
判断第一相似度和第二相似度是否满足预设关系的方法不仅限于以上三种，由于篇幅所限，不再赘述。
可选地，根据目标用户的用户画像向目标用户推送产品，包括：根据目标用户的用户画像确定目标标签，目标标签是目标用户感兴趣的标签；筛选出标签与目标标签相同的产品，并将筛选出的产品作为目标产品，其中，每一个产品与至少一个标签相关联，每个标签代表了产品的一种属性；向目标用户推送目标产品。
标签是指用于描述属性的关键词。比如，衣服的标签可以包括从颜色、款式、尺寸等角度描述的关键词；再比如，视频的标签可以包括从年份、国家、类型、演员等角度描述的关键词。一个标签通常是人为规定的高度精炼的特征标识，如年龄段标签：25～35岁，地域标签：北京。
通过确定出用户感兴趣的标签作为目标标签，筛选出标签与目标标签相同的产品以向用户进行推荐，精准命中用户感兴趣的产品。
可选地，在向目标用户推送目标产品之后，方法还包括：获取目标用户的地理位置；筛选出与目标用户的地理位置在预设距离之内的商家，得到至少一个候选商家；判断候选商家是否提供目标产品；如果候选商家提供目标产品，则将候选商家作为目标商家；向目标用户推送目标商家的名称、地址和产品信息。
预设距离可以以米为单位，例如，将预设距离设置为100米、200米、500米、600米等。
可以通过手机GPS定位的方式获取目标用户的地理位置，并筛选出距离目标用户较近的并且提供目标产品的实体商家，向目标用户推送实体商家的名称、地址和产品信息，以方便目标用户到实体店进行购买。
向目标用户以语音和/或文字的方式推送产品。
可选地，根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像，包括：获取多个用户浏览产品信息产生的浏览数据、点击产品信息产生的点击数据、搜索产品信息产生的搜索数据和购买产品产生的购买数据，对获取到的数据根据微表情进行过滤，得到第一数据；根据第一数据确定不同用户对多个产品中每个产品的行为数据；根据每一个用户对每一个产品的行为数据确定训练样本；生成初始化的用户参数矩阵和初始化的标签参数矩阵，其中，初始化的用户参数矩阵中的元素为呈正态分布的随机数，初始化的标签参数矩阵中的元素为呈正态分布的随机数；根据训练样本，采用数据拟合模型修正初始化的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵；将目标用户的过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据作为目标数据；根据最终的用户参数矩阵、最终的标签参数矩阵以及目标数据，确定目标用户的用户画像矩阵；根据目标用户的用户画像矩阵确定目标用户的用户画像。
用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型。通过用户调研去了解用户，根据他们的目标、行为和观点的差异，将他们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述。
简而言之，用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。
举例来说，如果用户甲经常购买一些玩偶玩具，那么电商网站即可根据玩具购买的情况给用户甲打上标签“有孩子”，甚至还可以判断出孩子大概的年龄，贴上“有5-10岁的孩子”这样更为具体的标签，而这些所有给用户甲贴的标签统计在一起，就成了用户甲的用户画像。
举例来说，男，31岁，已婚，收入1万以上，爱美食，团购达人，喜欢红酒配香烟。这样一串描述即为用户画像的典型案例。
通过将用户和标签参数化，并采用数据拟合模型修正用户参数矩阵和标签参数矩阵，使之拟合训练样本，无需人工为标签设定相应的标签权重，根据用户行为日志采用数据拟合方法自动地获取用户画像，达到了节省时间和人力成本，准确高效地获取用户画像的技术效果。
图2是本发明实施例提供了一种可选的基于用户行为数据的推送方法的流程图，如图2所示，该方法包括：在表现层，进入推荐评测页面，用户查看产品，摄像头记录表情，将用户的操作行为数据上传到后端，后端记录产品ID与表情ID、用户ID并做关联，第三方中的微表情API获取微表情状态并将微表情状态发送给后端，后端生成表情对商品的偏好模型，集成用户定位用户信息等生成用户兴趣标签(用户属性)，生成推荐信息：推荐产品+附近实体店，将推荐信息发送给表现层和第三方，用户在表现层点击推荐信息之后，即可对推荐信息进行查看，第三方将推荐信息文字转为语音，将语音发送给表现层，在表现层语音导购推荐产品及产品所在的实体店。
本发明实施例提供的方法具有以下优势：
(1)先通过线上app基于微表情方式获得用户对产品的微表情模型，进一步地得到用户对产品的喜欢程度、兴趣偏好属性，形成用户画像。
(2)确定用户画像属性后，用户感兴趣哪类产品则个性化推荐这一类产品。除了文字推荐外，还可通过语音的形式为用户导购，增加用户购物的乐趣和方便性。
(3)通过线上获取到用户偏好属性、用户访问次数、消费习惯、品牌偏好等数据，除了在线上进行推荐引导用户感兴趣产品，制定相应的营销策略和产品供应策略外，还可以给用户推送最近的实体店地址、实体店产品，引导用户线下实体店的体验消费，实现O2O的联动。
(4)为了进一步地实现O2O联动，还可以从线下实体店中通过线下渠道去挖掘用户成为会员，进一步成为线上用户，打通线上线下消费用户。
(5)所以通过人脸识别微表情至少可以筛选过滤掉50％冗余或者用户不感兴趣的产品的导购，减少用户的不适感，大大提升用户体验。
(6)产品供需关系明确：通过对用户对产品喜欢程度的掌握，明确产品供应需求关系，减少产品过期、过时、滞销情况。
本发明实施例提供了一种基于用户行为数据的推送装置，该装置用于执行上述基于用户行为数据的推送方法，如图3所示，该装置包括：第一获取单元204、第二获取单元206、第三获取单元208、第一判断单元210、第一滤除单元212、第二判断单元214、第二滤除单元216、第一确定单元218、第一推送单元220。
第一获取单元204，用于获取目标用户浏览产品信息产生的浏览数据，并同时获取目标用户浏览产品信息时的微表情，微表情至少包括第一类微表情和第二类微表情，其中，第一类微表情为表示感兴趣的微表情，第二类微表情为表示不感兴趣的微表情；
第二获取单元206，用于获取目标用户点击产品信息产生的点击数据，并同时获取目标用户点击产品信息时的微表情；
第三获取单元208，用于获取目标用户搜索产品信息产生的搜索数据和购买产品产生的购买数据；
第一判断单元210，用于判断目标用户浏览产品信息时的微表情是否属于第二类微表情；
第一滤除单元212，用于如果目标用户浏览产品信息时的微表情属于第二类微表情，则将浏览数据进行滤除；
第二判断单元214，用于判断目标用户点击产品信息时的微表情是否属于第二类微表情；
第二滤除单元216，用于如果目标用户点击产品信息时的微表情属于第二类微表情，则将点击数据进行滤除；
第一确定单元218，用于根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像；
第一推送单元220，用于根据目标用户的用户画像向目标用户推送产品。
在本发明实施例中，微表情至少包括第一类微表情和第二类微表情，其中，第一类微表情为表示感兴趣的微表情，第二类微表情为表示不感兴趣的微表情，如果用户在点击产品信息或浏览产品信息时的微表情为第二类微表情，则说明产品并不是用户感兴趣的产品，点击数据可能为误操作产生的，浏览数据可能只是用户无目的性地随便浏览产生的，这种情况下的点击数据和浏览数据作为无意义数据被滤除，根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像，根据目标用户的用户画像向目标用户推送产品，由于过滤后的数据不含误导性的数据，能够真实有效地反映用户的兴趣，从而提高了基于用户行为数据进行产品推送的准确度。
可选地，第一判断单元210，包括：第一确定子单元、识别子单元、第一获取子单元、第二获取子单元、第一计算子单元、第二计算子单元、判断子单元、
第二确定子单元、第三确定子单元。第一确定子单元，用于将待判断的微表情作为目标微表情。识别子单元，用于识别目标微表情中的特征向量，得到目标特征向量。第一获取子单元，用于获取第一类微表情对应的特征向量。第二获取子单元，用于获取第二类微表情对应的特征向量。第一计算子单元，用于计算目标特征向量与第一类微表情的特征向量之间的相似度，得到第一相似度。第二计算子单元，用于计算目标特征向量和第二类微表情的特征向量之间的相似度，得到第二相似度。判断子单元，用于判断第一相似度和第二相似度是否满足预设关系。第二确定子单元，用于如果第一相似度和第二相似度不满足预设关系，则确定目标微表情不属于第二类微表情。第三确定子单元，用于如果第一相似度和第二相似度满足预设关系，则确定目标微表情属于第二类微表情。
可选地，第二判断单元214，包括：第一确定子单元、识别子单元、第一获取子单元、第二获取子单元、第一计算子单元、第二计算子单元、判断子单元、第二确定子单元、第三确定子单元。第一确定子单元，用于将待判断的微表情作为目标微表情。识别子单元，用于识别目标微表情中的特征向量，得到目标特征向量。第一获取子单元，用于获取第一类微表情对应的特征向量。第二获取子单元，用于获取第二类微表情对应的特征向量。第一计算子单元，用于计算目标特征向量与第一类微表情的特征向量之间的相似度，得到第一相似度。第二计算子单元，用于计算目标特征向量和第二类微表情的特征向量之间的相似度，得到第二相似度。判断子单元，用于判断第一相似度和第二相似度是否满足预设关系。第二确定子单元，用于如果第一相似度和第二相似度不满足预设关系，则确定目标微表情不属于第二类微表情。第三确定子单元，用于如果第一相似度和第二相似度满足预设关系，则确定目标微表情属于第二类微表情。
可选地，第一推送单元220包括：第四确定子单元、筛选子单元、推送子单元。第四确定子单元，用于根据目标用户的用户画像确定目标标签，目标标签是目标用户感兴趣的标签。筛选子单元，用于筛选出标签与目标标签相同的产品，并将筛选出的产品作为目标产品，其中，每一个产品与至少一个标签相关联，每个标签代表了产品的一种属性。推送子单元，用于向目标用户推送目标产品。
可选地，装置还包括：第四获取单元、筛选单元、第三判断单元、第二确定单元、第二推送单元。第四获取单元，用于在第一推送单元220向目标用户推送目标产品之后，获取目标用户的地理位置。筛选单元，用于筛选出与目标用户的地理位置在预设距离之内的商家，得到至少一个候选商家。第三判断单元，用于判断候选商家是否提供目标产品。第二确定单元，用于如果候选商家提供目标产品，则将候选商家作为目标商家。第二推送单元，用于向目标用户推送目标商家的名称、地址和产品信息。
可选地，第一确定单元218包括：第三获取子单元、第五确定子单元、第六确定子单元、生成子单元、修正子单元、第七确定子单元、第八确定子单元、第九确定子单元。第三获取子单元，用于获取多个用户浏览产品信息产生的浏览数据、点击产品信息产生的点击数据、搜索产品信息产生的搜索数据和购买产品产生的购买数据，对获取到的数据根据微表情进行过滤，得到第一数据。第五确定子单元，用于根据第一数据确定不同用户对多个产品中每个产品的行为数据。第六确定子单元，用于根据每一个用户对每一个产品的行为数据确定训练样本。生成子单元，用于生成初始化的用户参数矩阵和初始化的标签参数矩阵，其中，初始化的用户参数矩阵中的元素为呈正态分布的随机数，初始化的标签参数矩阵中的元素为呈正态分布的随机数。修正子单元，用于根据训练样本，采用数据拟合模型修正初始化的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵。第七确定子单元，用于将目标用户的过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据作为目标数据。第八确定子单元，用于根据最终的用户参数矩阵、最终的标签参数矩阵以及目标数据，确定目标用户的用户画像矩阵。第九确定子单元，用于根据目标用户的用户画像矩阵确定目标用户的用户画像。
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以下步骤：获取目标用户浏览产品信息产生的浏览数据，并同时获取目标用户浏览产品信息时的微表情，微表情至少包括第一类微表情和第二类微表情，其中，第一类微表情为表示感兴趣的微表情，第二类微表情为表示不感兴趣的微表情；获取目标用户点击产品信息产生的点击数据，并同时获取目标用户点击产品信息时的微表情；获取目标用户搜索产品信息产生的搜索数据和购买产品产生的购买数据；判断目标用户浏览产品信息时的微表情是否属于第二类微表情；如果目标用户浏览产品信息时的微表情属于第二类微表情，则将浏览数据进行滤除；判断目标用户点击产品信息时的微表情是否属于第二类微表情；如果目标用户点击产品信息时的微表情属于第二类微表情，则将点击数据进行滤除；根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像；根据目标用户的用户画像向目标用户推送产品。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：将待判断的微表情作为目标微表情；识别目标微表情中的特征向量，得到目标特征向量；获取第一类微表情对应的特征向量；获取第二类微表情对应的特征向量；计算目标特征向量与第一类微表情的特征向量之间的相似度，得到第一相似度；计算目标特征向量和第二类微表情的特征向量之间的相似度，得到第二相似度；判断第一相似度和第二相似度是否满足预设关系；如果第一相似度和第二相似度不满足预设关系，则确定目标微表情不属于第二类微表情；如果第一相似度和第二相似度满足预设关系，则确定目标微表情属于第二类微表情。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：根据目标用户的用户画像确定目标标签，目标标签是目标用户感兴趣的标签；筛选出标签与目标标签相同的产品，并将筛选出的产品作为目标产品，其中，每一个产品与至少一个标签相关联，每个标签代表了产品的一种属性；向目标用户推送目标产品。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：在向目标用户推送目标产品之后，获取目标用户的地理位置；筛选出与目标用户的地理位置在预设距离之内的商家，得到至少一个候选商家；判断候选商家是否提供目标产品；如果候选商家提供目标产品，则将候选商家作为目标商家；向目标用户推送目标商家的名称、地址和产品信息。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：获取多个用户浏览产品信息产生的浏览数据、点击产品信息产生的点击数据、搜索产品信息产生的搜索数据和购买产品产生的购买数据，对获取到的数据根据微表情进行过滤，得到第一数据；根据第一数据确定不同用户对多个产品中每个产品的行为数据；根据每一个用户对每一个产品的行为数据确定训练样本；生成初始化的用户参数矩阵和初始化的标签参数矩阵，其中，初始化的用户参数矩阵中的元素为呈正态分布的随机数，初始化的标签参数矩阵中的元素为呈正态分布的随机数；根据训练样本，采用数据拟合模型修正初始化的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵；将目标用户的过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据作为目标数据；根据最终的用户参数矩阵、最终的标签参数矩阵以及目标数据，确定目标用户的用户画像矩阵；根据目标用户的用户画像矩阵确定目标用户的用户画像。
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现以下步骤：获取目标用户浏览产品信息产生的浏览数据，并同时获取目标用户浏览产品信息时的微表情，微表情至少包括第一类微表情和第二类微表情，其中，第一类微表情为表示感兴趣的微表情，第二类微表情为表示不感兴趣的微表情；获取目标用户点击产品信息产生的点击数据，并同时获取目标用户点击产品信息时的微表情；获取目标用户搜索产品信息产生的搜索数据和购买产品产生的购买数据；判断目标用户浏览产品信息时的微表情是否属于第二类微表情；如果目标用户浏览产品信息时的微表情属于第二类微表情，则将浏览数据进行滤除；判断目标用户点击产品信息时的微表情是否属于第二类微表情；如果目标用户点击产品信息时的微表情属于第二类微表情，则将点击数据进行滤除；根据过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据确定目标用户的用户画像；根据目标用户的用户画像向目标用户推送产品。
可选地，程序指令被处理器加载并执行时还实现以下步骤：将待判断的微表情作为目标微表情；识别目标微表情中的特征向量，得到目标特征向量；获取第一类微表情对应的特征向量；获取第二类微表情对应的特征向量；计算目标特征向量与第一类微表情的特征向量之间的相似度，得到第一相似度；计算目标特征向量和第二类微表情的特征向量之间的相似度，得到第二相似度；判断第一相似度和第二相似度是否满足预设关系；如果第一相似度和第二相似度不满足预设关系，则确定目标微表情不属于第二类微表情；如果第一相似度和第二相似度满足预设关系，则确定目标微表情属于第二类微表情。
可选地，程序指令被处理器加载并执行时还实现以下步骤：根据目标用户的用户画像确定目标标签，目标标签是目标用户感兴趣的标签；筛选出标签与目标标签相同的产品，并将筛选出的产品作为目标产品，其中，每一个产品与至少一个标签相关联，每个标签代表了产品的一种属性；向目标用户推送目标产品。
可选地，程序指令被处理器加载并执行时还实现以下步骤：在向目标用户推送目标产品之后，获取目标用户的地理位置；筛选出与目标用户的地理位置在预设距离之内的商家，得到至少一个候选商家；判断候选商家是否提供目标产品；如果候选商家提供目标产品，则将候选商家作为目标商家；向目标用户推送目标商家的名称、地址和产品信息。
可选地，程序指令被处理器加载并执行时还实现以下步骤：获取多个用户浏览产品信息产生的浏览数据、点击产品信息产生的点击数据、搜索产品信息产生的搜索数据和购买产品产生的购买数据，对获取到的数据根据微表情进行过滤，得到第一数据；根据第一数据确定不同用户对多个产品中每个产品的行为数据；根据每一个用户对每一个产品的行为数据确定训练样本；生成初始化的用户参数矩阵和初始化的标签参数矩阵，其中，初始化的用户参数矩阵中的元素为呈正态分布的随机数，初始化的标签参数矩阵中的元素为呈正态分布的随机数；根据训练样本，采用数据拟合模型修正初始化的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵；将目标用户的过滤后的浏览数据、过滤后的点击数据、搜索数据、购买数据作为目标数据；根据最终的用户参数矩阵、最终的标签参数矩阵以及目标数据，确定目标用户的用户画像矩阵；根据目标用户的用户画像矩阵确定目标用户的用户画像。
图4是本发明实施例提供的一种计算机设备的示意图。如图4所示，该实施例的计算机设备50包括：处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53，该计算机程序53被处理器51执行时实现实施例中的基于用户行为数据的推送方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器51执行时实现实施例中基于用户行为数据的推送装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备50可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，处理器51、存储器52。本领域技术人员可以理解，图4仅仅是计算机设备50的示例，并不构成对计算机设备50的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器51可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以是计算机设备50的内部存储单元，例如计算机设备50的硬盘或内存。存储器52也可以是计算机设备50的外部存储设备，例如计算机设备50上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器52还可以既包括计算机设备50的内部存储单元也包括外部存储设备。存储器52用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (10)
1.一种基于用户行为数据的推送方法，其特征在于，所述方法包括：
获取目标用户浏览产品信息产生的浏览数据，并同时获取所述目标用户浏览所述产品信息时的微表情，所述微表情至少包括第一类微表情和第二类微表情，其中，所述第一类微表情为表示感兴趣的微表情，所述第二类微表情为表示不感兴趣的微表情；
获取所述目标用户点击所述产品信息产生的点击数据，并同时获取所述目标用户点击所述产品信息时的微表情；
获取所述目标用户搜索所述产品信息产生的搜索数据和购买产品产生的购买数据；
判断所述目标用户浏览所述产品信息时的微表情是否属于所述第二类微表情；
如果所述目标用户浏览所述产品信息时的微表情属于所述第二类微表情，则将所述浏览数据进行滤除；
判断所述目标用户点击所述产品信息时的微表情是否属于所述第二类微表情；
如果所述目标用户点击所述产品信息时的微表情属于所述第二类微表情，则将所述点击数据进行滤除；
根据过滤后的浏览数据、过滤后的点击数据、所述搜索数据、所述购买数据确定所述目标用户的用户画像；
根据所述目标用户的用户画像向所述目标用户推送产品。
2.根据权利要求1所述的方法，其特征在于，所述判断微表情是否属于所述第二类微表情，包括：
将待判断的微表情作为目标微表情；
识别所述目标微表情中的特征向量，得到目标特征向量；
获取所述第一类微表情对应的特征向量；
获取所述第二类微表情对应的特征向量；
计算所述目标特征向量与所述第一类微表情的特征向量之间的相似度，得到第一相似度；
计算所述目标特征向量和所述第二类微表情的特征向量之间的相似度，得到第二相似度；
判断所述第一相似度和所述第二相似度是否满足预设关系；
如果所述第一相似度和所述第二相似度不满足所述预设关系，则确定所述目标微表情不属于所述第二类微表情；
如果所述第一相似度和所述第二相似度满足所述预设关系，则确定所述目标微表情属于所述第二类微表情。
3.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的用户画像向所述目标用户推送产品，包括：
根据所述目标用户的用户画像确定目标标签，所述目标标签是所述目标用户感兴趣的标签；
筛选出标签与所述目标标签相同的产品，并将筛选出的产品作为目标产品，其中，每一个产品与至少一个标签相关联，每个标签代表了产品的一种属性；
向所述目标用户推送所述目标产品。
4.根据权利要求3所述的方法，其特征在于，在所述向所述目标用户推送所述目标产品之后，所述方法还包括：
获取所述目标用户的地理位置；
筛选出与所述目标用户的地理位置在预设距离之内的商家，得到至少一个候选商家；
判断所述候选商家是否提供所述目标产品；
如果所述候选商家提供所述目标产品，则将所述候选商家作为目标商家；
向所述目标用户推送所述目标商家的名称、地址和产品信息。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据过滤后的浏览数据、过滤后的点击数据、所述搜索数据、所述购买数据确定所述目标用户的用户画像，包括：
获取多个用户浏览所述产品信息产生的浏览数据、点击所述产品信息产生的点击数据、搜索所述产品信息产生的搜索数据和购买产品产生的购买数据，对获取到的数据根据微表情进行过滤，得到第一数据；
根据所述第一数据确定不同用户对多个产品中每个产品的行为数据；
根据每一个用户对每一个产品的行为数据确定训练样本；
生成初始化的用户参数矩阵和初始化的标签参数矩阵，其中，初始化的用户参数矩阵中的元素为呈正态分布的随机数，初始化的标签参数矩阵中的元素为呈正态分布的随机数；
根据训练样本，采用数据拟合模型修正初始化的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵；
将所述目标用户的所述过滤后的浏览数据、所述过滤后的点击数据、所述搜索数据、所述购买数据作为目标数据；
根据最终的用户参数矩阵、最终的标签参数矩阵以及所述目标数据，确定所述目标用户的用户画像矩阵；
根据所述目标用户的用户画像矩阵确定所述目标用户的用户画像。
6.一种基于用户行为数据的推送装置，其特征在于，所述装置包括：
第一获取单元，用于获取目标用户浏览产品信息产生的浏览数据，并同时获取所述目标用户浏览所述产品信息时的微表情，所述微表情至少包括第一类微表情和第二类微表情，其中，所述第一类微表情为表示感兴趣的微表情，所述第二类微表情为表示不感兴趣的微表情；
第二获取单元，用于获取所述目标用户点击所述产品信息产生的点击数据，并同时获取所述目标用户点击所述产品信息时的微表情；
第三获取单元，用于获取所述目标用户搜索所述产品信息产生的搜索数据和购买产品产生的购买数据；
第一判断单元，用于判断所述目标用户浏览所述产品信息时的微表情是否属于所述第二类微表情；
第一滤除单元，用于如果所述目标用户浏览所述产品信息时的微表情属于所述第二类微表情，则将所述浏览数据进行滤除；
第二判断单元，用于判断所述目标用户点击所述产品信息时的微表情是否属于所述第二类微表情；
第二滤除单元，用于如果所述目标用户点击所述产品信息时的微表情属于所述第二类微表情，则将所述点击数据进行滤除；
第一确定单元，用于根据过滤后的浏览数据、过滤后的点击数据、所述搜索数据、所述购买数据确定所述目标用户的用户画像；
第一推送单元，用于根据所述目标用户的用户画像向所述目标用户推送产品。
7.根据权利要求6所述的装置，其特征在于，所述第一判断单元和/或所述第二判断单元，包括：
第一确定子单元，用于将待判断的微表情作为目标微表情；
识别子单元，用于识别所述目标微表情中的特征向量，得到目标特征向量；
第一获取子单元，用于获取所述第一类微表情对应的特征向量；
第二获取子单元，用于获取所述第二类微表情对应的特征向量；
第一计算子单元，用于计算所述目标特征向量与所述第一类微表情的特征向量之间的相似度，得到第一相似度；
第二计算子单元，用于计算所述目标特征向量和所述第二类微表情的特征向量之间的相似度，得到第二相似度；
判断子单元，用于判断所述第一相似度和所述第二相似度是否满足预设关系；
第二确定子单元，用于如果所述第一相似度和所述第二相似度不满足所述预设关系，则确定所述目标微表情不属于所述第二类微表情；
第三确定子单元，用于如果所述第一相似度和所述第二相似度满足所述预设关系，则确定所述目标微表情属于所述第二类微表情。
8.根据权利要求6所述的装置，其特征在于，所述第一推送单元包括：
第四确定子单元，用于根据所述目标用户的用户画像确定目标标签，所述目标标签是所述目标用户感兴趣的标签；
筛选子单元，用于筛选出标签与所述目标标签相同的产品，并将筛选出的产品作为目标产品，其中，每一个产品与至少一个标签相关联，每个标签代表了产品的一种属性；
推送子单元，用于向所述目标用户推送所述目标产品。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的基于用户行为数据的推送方法。
10.一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于：所述程序指令被处理器加载并执行时实现权利要求1至5任意一项所述的基于用户行为数据的推送方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811535228.5A CN109785045A (zh) | 2018-12-14 | 2018-12-14 | 一种基于用户行为数据的推送方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811535228.5A CN109785045A (zh) | 2018-12-14 | 2018-12-14 | 一种基于用户行为数据的推送方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109785045A true CN109785045A (zh) | 2019-05-21 |
Family
ID=66496991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811535228.5A Pending CN109785045A (zh) | 2018-12-14 | 2018-12-14 | 一种基于用户行为数据的推送方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109785045A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110516151A (zh) * | 2019-08-27 | 2019-11-29 | 咪咕文化科技有限公司 | 有效行为检测和个性化推荐方法 |
| CN110704680A (zh) * | 2019-08-20 | 2020-01-17 | 咪咕文化科技有限公司 | 标签生成方法、电子设备及存储介质 |
| CN111161009A (zh) * | 2019-11-19 | 2020-05-15 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 信息推送方法、装置、计算机设备和存储介质 |
| CN111598671A (zh) * | 2020-07-20 | 2020-08-28 | 北京每日优鲜电子商务有限公司 | 一种基于人机交互的商品推荐方法 |
| WO2020253360A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 应用程序的内容展示方法、装置、存储介质和计算机设备 |
| CN112364241A (zh) * | 2020-10-27 | 2021-02-12 | 北京五八信息技术有限公司 | 信息推送的方法、装置、电子设备及存储介质 |
| WO2021027329A1 (zh) * | 2019-08-15 | 2021-02-18 | 深圳壹账通智能科技有限公司 | 基于图像识别的信息推送方法、装置、及计算机设备 |
| WO2021042850A1 (zh) * | 2019-09-02 | 2021-03-11 | 平安科技（深圳）有限公司 | 一种物品推荐的方法及相关装置 |
| CN112995248A (zh) * | 2019-12-12 | 2021-06-18 | 阿里巴巴集团控股有限公司 | 信息推送方法、装置及设备 |
| CN113707335A (zh) * | 2021-09-06 | 2021-11-26 | 挂号网（杭州）科技有限公司 | 确定目标接诊用户的方法、装置、电子设备和存储介质 |
| CN115082041A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市必提教育科技有限公司 | 用户信息管理方法、装置、设备及存储介质 |
| CN116342229A (zh) * | 2023-05-30 | 2023-06-27 | 日照金果粮油有限公司 | 一种跨境电商信息交易处理*** |
| CN117556131A (zh) * | 2023-10-30 | 2024-02-13 | 广州圈量网络信息科技有限公司 | 基于多素材的用户标签触发方法、装置、设备以及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108090162A (zh) * | 2017-12-13 | 2018-05-29 | 北京百度网讯科技有限公司 | 基于人工智能的信息推送方法和装置 |
| CN108182624A (zh) * | 2017-12-26 | 2018-06-19 | 努比亚技术有限公司 | 商品推荐方法、服务器及计算机可读存储介质 |
| CN108320174A (zh) * | 2017-12-20 | 2018-07-24 | 无锡雅座在线科技股份有限公司 | 信息推送方法和装置 |
| CN108460629A (zh) * | 2018-02-10 | 2018-08-28 | 深圳壹账通智能科技有限公司 | 用户营销推荐方法、装置、终端设备及存储介质 |
| CN108960975A (zh) * | 2018-06-15 | 2018-12-07 | 广州麦优网络科技有限公司 | 基于用户画像的个性化精准营销方法、服务器及存储介质 |
-
2018
- 2018-12-14 CN CN201811535228.5A patent/CN109785045A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108090162A (zh) * | 2017-12-13 | 2018-05-29 | 北京百度网讯科技有限公司 | 基于人工智能的信息推送方法和装置 |
| CN108320174A (zh) * | 2017-12-20 | 2018-07-24 | 无锡雅座在线科技股份有限公司 | 信息推送方法和装置 |
| CN108182624A (zh) * | 2017-12-26 | 2018-06-19 | 努比亚技术有限公司 | 商品推荐方法、服务器及计算机可读存储介质 |
| CN108460629A (zh) * | 2018-02-10 | 2018-08-28 | 深圳壹账通智能科技有限公司 | 用户营销推荐方法、装置、终端设备及存储介质 |
| CN108960975A (zh) * | 2018-06-15 | 2018-12-07 | 广州麦优网络科技有限公司 | 基于用户画像的个性化精准营销方法、服务器及存储介质 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020253360A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 应用程序的内容展示方法、装置、存储介质和计算机设备 |
| WO2021027329A1 (zh) * | 2019-08-15 | 2021-02-18 | 深圳壹账通智能科技有限公司 | 基于图像识别的信息推送方法、装置、及计算机设备 |
| CN110704680A (zh) * | 2019-08-20 | 2020-01-17 | 咪咕文化科技有限公司 | 标签生成方法、电子设备及存储介质 |
| CN110704680B (zh) * | 2019-08-20 | 2022-10-04 | 咪咕文化科技有限公司 | 标签生成方法、电子设备及存储介质 |
| CN110516151B (zh) * | 2019-08-27 | 2022-03-22 | 咪咕文化科技有限公司 | 有效行为检测和个性化推荐方法 |
| CN110516151A (zh) * | 2019-08-27 | 2019-11-29 | 咪咕文化科技有限公司 | 有效行为检测和个性化推荐方法 |
| WO2021042850A1 (zh) * | 2019-09-02 | 2021-03-11 | 平安科技（深圳）有限公司 | 一种物品推荐的方法及相关装置 |
| CN111161009A (zh) * | 2019-11-19 | 2020-05-15 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 信息推送方法、装置、计算机设备和存储介质 |
| CN111161009B (zh) * | 2019-11-19 | 2023-11-07 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 信息推送方法、装置、计算机设备和存储介质 |
| CN112995248B (zh) * | 2019-12-12 | 2023-04-07 | 阿里巴巴集团控股有限公司 | 信息推送方法、装置及设备 |
| CN112995248A (zh) * | 2019-12-12 | 2021-06-18 | 阿里巴巴集团控股有限公司 | 信息推送方法、装置及设备 |
| CN111598671B (zh) * | 2020-07-20 | 2020-10-30 | 北京每日优鲜电子商务有限公司 | 一种基于人机交互的商品推荐方法 |
| CN111598671A (zh) * | 2020-07-20 | 2020-08-28 | 北京每日优鲜电子商务有限公司 | 一种基于人机交互的商品推荐方法 |
| CN112364241A (zh) * | 2020-10-27 | 2021-02-12 | 北京五八信息技术有限公司 | 信息推送的方法、装置、电子设备及存储介质 |
| CN113707335A (zh) * | 2021-09-06 | 2021-11-26 | 挂号网（杭州）科技有限公司 | 确定目标接诊用户的方法、装置、电子设备和存储介质 |
| CN115082041A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市必提教育科技有限公司 | 用户信息管理方法、装置、设备及存储介质 |
| CN115082041B (zh) * | 2022-07-20 | 2022-12-20 | 瑞莱士(深圳)健康管理有限公司 | 用户信息管理方法、装置、设备及存储介质 |
| CN116342229A (zh) * | 2023-05-30 | 2023-06-27 | 日照金果粮油有限公司 | 一种跨境电商信息交易处理*** |
| CN116342229B (zh) * | 2023-05-30 | 2023-08-08 | 日照金果粮油有限公司 | 一种跨境电商信息交易处理*** |
| CN117556131A (zh) * | 2023-10-30 | 2024-02-13 | 广州圈量网络信息科技有限公司 | 基于多素材的用户标签触发方法、装置、设备以及介质 |
| CN117556131B (zh) * | 2023-10-30 | 2024-04-19 | 广州圈量网络信息科技有限公司 | 基于多素材的用户标签触发方法、装置、设备以及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109785045A (zh) | 一种基于用户行为数据的推送方法和装置 | |
| Gopaldas et al. | An intersectional approach to diversity research | |
| CN104281699B (zh) | 搜索推荐方法及装置 | |
| CN109840825A (zh) | 基于用户的物理特征的推荐*** | |
| CN104462364B (zh) | 搜索推荐方法及装置 | |
| US10346893B1 (en) | Virtual dressing room | |
| CN104636371B (zh) | 信息推荐方法及设备 | |
| US10453097B2 (en) | Sentiments based transaction systems and methods | |
| KR101905501B1 (ko) | 컨텐츠를 추천하는 방법 및 장치 | |
| US11978242B2 (en) | Systems and methods for improved facial attribute classification and use thereof | |
| KR20190049555A (ko) | 인공지능 기술을 이용해 광고 및 상품 구매에 관한 서비스를 제공하는 장치, 시스템, 및 방법 | |
| CN112889065B (zh) | 用于使用深度学习来提供个性化产品推荐的***和方法 | |
| CN107767195A (zh) | 描述信息的展示***和展示、生成方法及电子设备 | |
| CN105989045A (zh) | 一种劝导内容推荐的方法、装置及*** | |
| CN108959323A (zh) | 视频分类方法和装置 | |
| CN104182723B (zh) | 一种视线估计的方法和装置 | |
| CN108596646B (zh) | 一种融合人脸属性分析的服装搭配推荐方法 | |
| CN110032685A (zh) | 馈送优化 | |
| JP2019057255A (ja) | 顧客服飾品マッチングシステム | |
| KR101749104B1 (ko) | 3d 모델을 이용하는 광고 시스템 및 광고 방법 | |
| CN111723566B (zh) | 产品信息的重构方法和装置 | |
| McCann | ‘the free-flying natural woman boobs of yore’? the body beyond representation in feminist accounts of objectification | |
| JP2019049953A (ja) | 顧客分類システム | |
| JP7417887B2 (ja) | 服装学習システム、服装評価システム、服装学習評価システム、電子ミラー、服装学習方法、服装評価方法、プログラム | |
| CN113515335A (zh) | 一种服务信息展示形式的确定方法、装置以及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |