CN110069991A - 反馈信息确定方法、装置、电子设备及存储介质 - Google Patents
反馈信息确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110069991A CN110069991A CN201910203917.4A CN201910203917A CN110069991A CN 110069991 A CN110069991 A CN 110069991A CN 201910203917 A CN201910203917 A CN 201910203917A CN 110069991 A CN110069991 A CN 110069991A
- Authority
- CN
- China
- Prior art keywords
- feedback information
- user
- feedback
- determined
- mood
- 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 49
- 230000036651 mood Effects 0.000 claims abstract description 101
- 230000008451 emotion Effects 0.000 claims abstract description 75
- 238000010801 machine learning Methods 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开是关于一种基于生物特征识别的反馈信息确定方法及装置、电子设备以及存储介质,涉及人工智能技术领域,可以应用于基于用户情绪向用户展示不同反馈信息的应用场景。该基于生物特征识别的反馈信息确定方法包括确定用户输入的目标问题;从问题反馈数据库中确定与目标问题对应的第一反馈信息,并将第一反馈信息发送至客户端进行展示;获取用户接收到第一反馈信息的脸部图像,并基于脸部图像确定用户情绪值;基于用户情绪值从问题反馈数据库中确定第二反馈信息,并将第二反馈信息发送至客户端进行展示。本公开可以解决无法结合用户的情绪确定向用户展示的对应反馈信息的问题。
Description
技术领域
本公开涉及人工智能技术领域,具体而言,涉及一种反馈信息确定方法、反馈信息确定装置、电子设备以及存储介质。
背景技术
为了在产品迭代过程中给用户带来更好的使用感受,目前大多数APP(应用程序,Application)都需要追踪用户行为,并采用建立模型等方法对追踪到的用户行为进行分析,以便为产品更新升级提供依据。
目前,通常追踪的用户行为主要有:用户的按钮点击行为、用户点击行为发生后产生的页面跳转等等,开发者可以通过分析这些用户行为向不同用户展示对应的反馈信息。
然而,在现有的用户行为追踪过程中,通常仅追踪用户的点击操作等行为,无法追踪除操作行为以外的其他用户行为,因此,无法根据更全面的用户行为确定向用户展示的反馈信息。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种反馈信息确定方法、反馈信息确定装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服无法根据用户的情绪确定向用户展示的对应反馈信息的问题。
根据本公开的第一方面,提供一种反馈信息确定方法,包括:确定用户输入的目标问题;从问题反馈数据库中确定与目标问题对应的第一反馈信息,并将第一反馈信息发送至客户端进行展示;获取用户接收到第一反馈信息的脸部图像,并基于脸部图像确定用户情绪值;基于用户情绪值从问题反馈数据库中确定第二反馈信息,并将第二反馈信息发送至客户端进行展示。
可选的,基于脸部图像确定用户情绪值包括:基于脸部图像确定用于识别用户情绪值的一个或多个特征点;确定脸部图像的基准点,并基于基准点建立坐标系;确定一个或多个特征点在坐标系中的坐标;将一个或多个特征点在坐标系中的坐标输入至训练后的第一机器学习模型以确定用户情绪值。
可选的,基于脸部图像确定用户情绪值还包括:将脸部图像输入至训练后的第二机器学习模型;由第二机器学习模型输出用户情绪值。
可选的,基于生物特征识别的反馈信息确定方法还包括:确定与第一反馈信息对应的情绪预期值;将用户情绪值和第一反馈信息组成情绪数据记录;将确定出的多个情绪数据记录组成情绪数据库;从情绪数据库中筛选目标数据记录;其中,目标数据记录中的用户情绪值与情绪预期值相同;确定目标数据记录的数量与情绪数据库的总数量的比值,并基于确定出的比值确定第二反馈信息。
可选的,基于确定出的比值确定第二反馈信息包括:从候选反馈信息库筛选与第一反馈信息的相似度达到预设相似度的第一推荐信息;如果确定出的比值高于预设阈值,则确定第一推荐信息为第二反馈信息。
可选的,基于确定出的比值确定第二反馈信息包括:如果确定出的比值低于预设阈值,则按照预设顺序从候选反馈信息库中选取第二推荐信息,并确定第二推荐信息为第二反馈信息。
可选的,基于生物特征识别的反馈信息确定方法还包括:将第一反馈信息、用户情绪值与确定出的比值输入至第三机器学习模型;由第三机器学习模型输出对应的第二反馈信息。
根据本公开的第二方面,提供一种反馈信息确定装置,包括:目标问题接收模块,用于确定用户输入的目标问题;第一反馈信息确定模块,用于从问题反馈数据库中确定与目标问题对应的第一反馈信息,并将第一反馈信息发送至客户端进行展示;情绪值确定模块,用于获取用户接收到第一反馈信息的脸部图像,并基于脸部图像确定用户情绪值;第二反馈信息确定模块,用于基于用户情绪值从问题反馈数据库中确定第二反馈信息,并将第二反馈信息发送至客户端进行展示。
可选的,情绪值确定模块包括第一情绪确定单元,用于基于脸部图像确定用于识别用户情绪值的一个或多个特征点;确定脸部图像的基准点,并基于基准点建立坐标系;确定一个或多个特征点在坐标系中的坐标;将一个或多个特征点在坐标系中的坐标输入至训练后的第一机器学习模型以确定用户情绪值。
可选的,情绪值确定模块还包括第二情绪确定单元,用于将脸部图像输入至训练后的第二机器学习模型;由第二机器学习模型输出用户情绪值。
可选的,第二反馈信息确定模块包括反馈信息第一确定单元,用于确定与第一反馈信息对应的情绪预期值;将用户情绪值和第一反馈信息组成情绪数据记录;将确定出的多个所述情绪数据记录组成情绪数据库;从情绪数据库中筛选目标数据记录;其中,目标数据记录中的用户情绪值与情绪预期值相同;确定所述目标数据记录的数量与所述情绪数据库的总数量的比值,并基于确定出的比值确定第二反馈信息。
可选的,反馈信息第一确定单元包括信息确定第一子单元,用于从候选反馈信息库筛选与第一反馈信息的相似度达到预设相似度的第一推荐信息;如果确定出的比值高于预设阈值,则确定第一推荐信息为第二反馈信息。
可选的,反馈信息第一确定单元还包括信息确定第二子单元,用于如果确定出的比值低于预设阈值,则按照预设顺序从候选反馈信息库中选取第二推荐信息,并确定第二推荐信息为第二反馈信息。
可选的,第二反馈信息确定模块还包括反馈信息第二确定单元,用于将第一反馈信息、用户情绪值与确定出的比值输入至第三机器学习模型;由第三机器学习模型输出对应的第二反馈信息。
根据本公开的第三方面,提供一种电子设备,包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述基于生物特征识别的反馈信息确定的方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据上述任意一项所述的基于生物特征识别的反馈信息确定方法。
本公开的示例性实施例中的基于生物特征识别的反馈信息确定方法,首先,确定用户输入的目标问题,从问题反馈数据库中确定与目标问题对应的第一反馈信息,并将第一反馈信息发送至客户端进行展示;其次,获取用户接收到第一反馈信息的脸部图像,并基于脸部图像确定用户情绪值;基于用户情绪值从问题反馈数据库中确定第二反馈信息,并将第二反馈信息发送至客户端进行展示。一方面,通过本公开的反馈信息确定方法,可以根据用户接收到第一反馈信息后的情绪值确定向用户展示的第二反馈信息;另一方面,基于用户情绪值确定的第二反馈信息将为用户带来更好的使用体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了根据本公开的示例性实施方式的基于生物特征识别的反馈信息确定方法的流程图;
图2示意性示出了根据本公开的示例性实施方式的基于生物特征识别的反馈信息确定装置的方框图;
图3示意性示出了根据本公开的示例性实施方式的情绪值确定模块的第一方框图;
图4示意性示出了根据本公开的示例性实施方式的情绪值确定模块的第二方框图;
图5示意性示出了根据本公开的示例性实施方式的第二反馈信息确定模块的第一方框图;
图6示意性示出了根据本公开的示例性实施方式的反馈信息第一确定单元的第一方框图;
图7示意性示出了根据本公开的示例性实施方式的反馈信息第一确定单元的第二方框图;
图8示意性示出了根据本公开的示例性实施方式的第二反馈信息确定模块的第二方框图;
图9示意性示出了根据本公开一示例性实施例的电子设备的框图;以及
图10示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
通常的追踪用户行为可以通过追踪用户的按钮点击行为、用户点击行为发生后产生的页面跳转等等来完成,然而,对于用户在使用APP时的一些情绪仍然无法进行有效追踪,进而无法根据用户在使用APP时的情绪感受对产品进行优化升级。
基于此,在本示例实施例中,首先提供了一种反馈信息确定方法,可以利用服务器来实现本公开的用反馈信息确定方法,所述服务器可以为支持APP运行的后台服务器,参考图1,该反馈信息确定方法可以包括以下步骤:
S110.确定用户输入的目标问题。
在本公开的一些示例性实施方式中,目标问题可以为用户操作APP时,通过APP界面的搜索框输入的任一问题,也可以是用户在搜索框的问题历史记录中直接勾选的问题。例如,用户可以在APP搜索框中输入“附近哪里有好吃的餐馆”,则目标问题可以确定为“附近哪里有好吃的餐馆”。确定出用户的目标问题后,基于用户的目标问题进行后续操作。
S120.从问题反馈数据库中确定与目标问题对应的第一反馈信息,并将第一反馈信息发送至客户端进行展示。
在本公开的一些示例性实施方式中,问题反馈数据库可以为包含用户问题以及与用户问题对应的反馈信息的数据库。第一反馈信息可以为针对用户的目标问题的一个反馈结果,服务器接收到用户的目标问题后,可以从问题反馈数据库中确定出一个与目标问题最适配的反馈结果,作为第一反馈信息。例如,与目标问题“附近哪里有好吃的餐馆”对应的第一反馈信息可以为“对不起,附近没有餐馆”,确定出与目标问题对应的第一反馈信息后,服务器可以将第一反馈信息发送至客户端,并由客户端将第一反馈信息展示给用户。
S130.获取用户接收到第一反馈信息的脸部图像,并基于脸部图像确定用户情绪值。
在本公开的一些示例性实施方式中,将针对目标问题的第一反馈信息返回至客户端并向用户展示时,可以获取用户在操作APP过程中的脸部图像,即可以获取到用户在接收到第一反馈信息后的脸部图像,例如可以通过手机的摄像头拍摄用户在接收到第一反馈信息后的用户图像,并从用户图像中识别出脸部图像,从用户图像中识别脸部图像时,可以采用目前常用的人脸识别方法,如基于统计特征的算法和基于几何特征的算法。基于统计特征的算法中比较典型的代表例如可以为基于子空间的识别方法;基于几何特征的算法的典型算法可以包括但不限于主成分分析法、弹性图匹配法以及局部特征分析法等等。获取到用户的脸部图像后,可以基于脸部图像判断用户的情绪,即确定用户情绪值。用户情绪值可以为预先配置的选项中任取一项的值,例如,用户情绪值可以包括但不限于喜悦、悲伤、生气、平静、难过等。
本领域技术人员容易理解的是,对用户情绪值的设置可以根据实际需要预先设置,这些不同用户情绪值的设定值均属于本公开的保护范围,本公开在此不做特殊限定。
根据本公开的一些示例性实施例,基于脸部图像确定用户情绪值可以通过以下过程完成:
(1)基于脸部图像确定用于识别用户情绪值的一个或多个特征点。用于识别用户情绪值的一个或多个特征点是从人的脸部提取的,当人的情绪发生变动时,人的脸部可能有位置发生变动比较明显的特征点,如眉峰、眼角、嘴角、眉毛角等。当人的情绪发生变化后,这些特征点的位置坐标变化最明显,因此,可以确定出用于识别用户情绪值的特征点。
(2)确定脸部图像的基准点,并基于基准点建立坐标系。为了确定这些特征点的位置变化,可以选定用户脸部的特定点为基准点,例如可以选取鼻尖作为基准点,并以鼻尖作为基准点建立坐标系,各个特征点在此坐标系中可以对应相应的坐标位置。
(3)确定一个或多个特征点在坐标系中的坐标。举例而言,可以确定出包括但不限于眉峰、眉角、眼角、嘴角等一个或多个特征点在以鼻尖为基准点建立的坐标系中的位置坐标,以便基于这些坐标特点确定用户情绪值。
(4)将一个或多个特征点在坐标系中的坐标输入至训练后的第一机器学习模型以确定用户情绪值。第一机器学习模型的训练过程可以为:采用大量的用户脸部图像作为样本,并给每个样本标记相应的情绪值标签,将这些标记了情绪值标签的样本按照一定的比例分为训练集和验证集;将训练集输入第一机器学习模型,根据第一机器学习模型的输出结果不断调整第一机器学习模型的相应参数,并采用验证集对第一机器学习模型的输出结果进行验证,直至第一机器学习模型的输出与验证集中标记的情绪标签达到一定的准确度时,可以将训练后的第一机器学习模型用于确定用户情绪值。确定出脸部特征点在坐标系中的坐标后,可以将这些特征点的坐标输入第一机器学习模型,第一机器学习模型的输出结果可以作为用户情绪值。
根据本公开的另一示例性实施例,基于脸部图像确定用户情绪值还可以将脸部图像输入至训练后的第二机器学习模型;由第二机器学习模型输出用户情绪值。第二机器学习模型可以根据输入的用户脸部图像确定用户情绪值,将对应的用户情绪值作为第二机器学习模型的输出。由于人产生相同的情绪时,所形成的脸部图像的特征点的相对位置是大致相同的,将用户的脸部图像输入至第二机器学习模型后,当检测到脸部图像的特征与相应情绪值达到对应的预设相似度时,可以确定用户情绪值为此情绪值。举例而言,当输入一张脸部图像时,当该脸部图像的用户情绪值与“喜悦”这一情绪值达到90%的相似度时,确定该用户脸部图像的情绪值为“喜悦”。
S140.基于用户情绪值从问题反馈数据库中确定第二反馈信息,并将第二反馈信息发送至客户端进行展示。
在本公开的一些示例性实施方式中,确定出用户接收到第一反馈信息后的用户情绪值之后,可以继续基于用户情绪值从问题反馈数据库中确定出与目标问题对应的第二反馈信息,并将第二反馈信息发送至客户端,由客户端展示给用户。第二反馈信息的确定主要依赖于用户接收到第一反馈信息后的用户情绪值。
根据本公开的一些示例性实施例,首先,确定与第一反馈信息对应的情绪预期值,并将用户情绪值和第一反馈信息组成情绪数据记录。用户预期值可以有一些对应的预设选项,如喜悦、悲伤、生气、平静、难过等,情绪预期值可以从用户预期值的预设选项中选择。举例而言,与目标问题对应的第一反馈信息可以为“对不起,附近没有餐馆”,用户情绪值可以为“难过”,那么(“对不起,附近没有餐馆”,“难过”)可以组成情绪数据记录。然而,如果想让用户看到“对不起,附近没有餐馆”这一反馈信息后的情绪预期值为“平静”,则可以将与此第一反馈信息对应的情绪预期值设定为“平静”,并将第一反馈信息与情绪预期值组成目标数据记录,如(“对不起,附近没有餐馆”,“平静”)。当一个用户操作APP时看到第一反馈信息产生情绪值后,将会与对应的第一反馈信息形成一条情绪数据记录,所有这些情绪数据记录可以组成情绪数据库,并且可以统计情绪数据库中的情绪数据记录的总数量。其次,从情绪数据库中筛选目标数据记录;其中,目标数据记录中的用户情绪值与情绪预期值相同。目标数据记录中的情绪值要与预先设置的情绪预期值相同,从情绪数据记录中筛选出目标数据记录,以便进行下一步操作。再次,确定目标数据记录的数量与情绪数据库的总数量的比值,并基于确定出的比值确定第二反馈信息。筛选出情绪数据记录中的目标数据记录后,可以统计出目标数据记录的数量,并计算出目标数据记录数量与情绪数据记录总数量的比值,以便依据确定出的比值确定第二反馈信息。
根据本公开的一些示例性实施例,首先,从候选反馈信息库筛选与第一反馈信息的相似度达到预设相似度的第一推荐信息。预设相似度可以为预先设置的相似度,可以根据实际应用需求设置不同的相似度,例如,预设相似度可以设置为85%。举例而言,第一反馈信息可以为“为您推荐附近的火锅店”,并向用户展示川渝风格的火锅,则与第一反馈信息的相似度达到预设相似度85%的信息为第一推荐信息,如第一推荐信息可以为其它川渝风格的火锅。其次,如果确定出的比值高于预设阈值,则确定第一推荐信息为第二反馈信息。预设阈值为确定向用户展示的第二反馈信息的依据,可以为提前设置的值,例如,预设阈值可以为60%。举例而言,当用户看到“为您推荐附近的火锅店”的情绪预期值为“高兴”时,即目标数据记录为(“为您推荐附近的火锅店”,“高兴”)。当目标数据记录在情绪数据记录中的比值超过60%时,即看到第一反馈信息后对应的用户情绪值为“高兴”,则确定其它川渝风格的火锅为第一推荐信息。
根据本公开的另一示例性实施例,如果确定出的比值低于预设阈值,则按照预设顺序从候选反馈信息库中选取第二推荐信息,并确定第二推荐信息为第二反馈信息。预设顺序可以是由用户预先根据经验设置的,其顺序反映了哪种更换方式最有可能使用户的情绪达到预期。举例而言,对于“附近哪里有好吃的餐馆”这一目标问题,第一反馈信息可以例如为“对不起,附近没有餐馆”,如果用户看到“对不起,附近没有餐馆”这一反馈信息后情绪大多数都不是平静,就需要以后再向用户显示对“附近哪里有好吃的餐馆”的回答时,在候选反馈信息库中再选取一个第二推荐信息向用户展示,看用户的情绪是否能变成平静。候选反馈信息库中针对“附近哪里有好吃的餐馆”这个第一反馈信息,还有其它的候选反馈信息,例如可以包括但不限于“附近没有找到餐馆,是否需要显示距您5公里以内的餐馆”、“附近没有找到餐馆,是否需要显示本市的餐馆”等等。如果显示“对不起,附近没有餐馆”后,用户的情绪达不到预期,则显示下一个第二推荐信息,按照预设顺序从候选反馈信息库中选取第二推荐信息可以使用户情绪最有可能达到预期值。
可选的,基于用户情绪值确定第二反馈信息包括:将第一反馈信息、用户情绪值与确定出的比值输入至第三机器学习模型;由第三机器学习模型输出对应的第二反馈信息。第三机器学习模型可以根据第一反馈信息、用户情绪值和确定出的比值作为输入信息,通过大量的训练学习并不断调整参数后,确定一个可以得到预期正确率的第三机器学习模型,进而由第三机器学习模型确定与目标问题对应的第二反馈信息。举例而言,第三机器学习模型的输入可以为(“对不起,附近没有餐馆”、“难过”、“30%”),则第三机器学习模型的输出可以为“附近没有找到餐馆,是否需要显示距您5公里以内的餐馆”,并将该输出作为第二反馈信息。
综上所述,通过本公开的反馈信息确定方法,首先,确定用户输入的目标问题,将与目标问题对应的第一反馈信息发送至客户端进行展示;其次,获取用户操作过程中的脸部图像,并基于脸部图像确定用户情绪值;再次,基于用户情绪值确定第二反馈信息,并将第二反馈信息发送至客户端进行展示。一方面,通过本公开的反馈信息确定方法可以基于获取到的用户脸部图像确定用户在接收到第一反馈信息时的用户情绪值,并根据此用户情绪值确定向用户展示的第二反馈信息。另一方面,由于第二反馈信息是基于用户情绪值确定的,如果用户看到第一反馈信息后情绪是“高兴”,则可以向用户展示更多与第一反馈信息相似的第二反馈信息;如果用户看到第一反馈信息后情绪变得不悦,则向用户展示与第一反馈信息类型不同的第二反馈信息。因此,所确定的第二反馈信息更符合用户的需求,可以提升用户的使用体验。
此外,在本示例实施例中,还提供了一种反馈信息确定装置。参照图2所示,该反馈信息确定装置200可以包括目标问题接收模块210、第一反馈信息确定模块220、情绪值确定模块230、第二反馈信息确定模块240。
具体的,目标问题接收模块210可以用于确定用户输入的目标问题;第一反馈信息确定模块220可以用于从问题反馈数据库中确定与目标问题对应的第一反馈信息,并将第一反馈信息发送至客户端进行展示;情绪值确定模块230可以用于获取用户接收到第一反馈信息的脸部图像,并基于脸部图像确定用户情绪值;第二反馈信息确定模块240可以用于基于用户情绪值从问题反馈数据库中确定第二反馈信息,并将第二反馈信息发送至客户端进行展示。
反馈信息确定装置200可以在确定出用户的目标问题后,针对目标问题向用户返回第一反馈信息,进而根据用户的脸部情绪特征确定向用户展示相应的第二反馈信息,有利于提升用户体验,是一种行之有效的反馈信息确定装置。
根据本公开的一些示例性实施例,参考图3,情绪值确定模块230可以包括第一情绪确定单元310。
具体的,第一情绪确定单元310可以基于脸部图像确定用于识别用户情绪值的一个或多个特征点;确定脸部图像的基准点,并基于基准点建立坐标系;确定一个或多个特征点在坐标系中的坐标;将一个或多个特征点在坐标系中的坐标输入至训练后的第一机器学习模型以确定用户情绪值。
第一情绪确定单元310可以定位用户脸部的一个基准点,并基于该基准点建立坐标系,在此坐标系中确定用户脸部情绪值的一个或多个特征点,并采用第一机器学习模型对这些特征点进行分析,确定出用户的情绪值。
根据本公开的另一示例性实施例,参考图4,情绪值确定模块410相比于情绪值确定模块230,除包括第一情绪确定单元310外,还可以包括第二情绪确定单元420。
具体的,第二情绪确定单元420可以用于将脸部图像输入至训练后的第二机器学习模型;由第二机器学习模型输出用户情绪值。
第二情绪确定单元420可以将确定出的用户脸部图像直接输入第二机器学习模型中个,由第二机器学习模型直接输出用户的情绪值,进而进行下一步的操作。
根据本公开的一些示例性实施例,参考图5,第二反馈信息确定模块240可以包括反馈信息第一确定单元510。
具体的,反馈信息第一确定单元510可以用于确定与第一反馈信息对应的情绪预期值;将用户情绪值和第一反馈信息组成情绪数据记录;将确定出的多个情绪数据记录组成情绪数据库;从情绪数据库中筛选目标数据记录;其中,目标数据记录中的用户情绪值与情绪预期值相同;确定目标数据记录的数量与情绪数据库的总数量的比值,并基于确定出的比值确定第二反馈信息。
反馈信息第一确定单元510可以将用户情绪值和第一反馈信息组成情绪数据记录,并确定出情绪数据记录中用户情绪值与情绪预期值相同的目标数据记录,进而确定出目标数据记录数量在情绪数据记录总数量中的比例,进而基于该比例确定向用户返回的第二反馈信息。
根据本公开的一些示例性实施例,参考图6,反馈信息第一确定单元510可以包括信息确定第一子单元610。
具体的,信息确定第一子单元610可以用于从候选反馈信息库筛选与第一反馈信息的相似度达到预设相似度的第一推荐信息;如果确定出的比值高于预设阈值,则确定第一推荐信息为第二反馈信息。
信息确定第一子单元610可以在确定出的比值高于预设阈值时,确定出向用户返回的第二反馈信息。
根据本公开的另一示例性实施例,参考图7,反馈信息第一确定单元710相比于反馈信息第一确定单元510,除包括信息确定第一子单元610外,还可以包括信息确定第二子单元720。
具体的,信息确定第二子单元720可以用于如果确定出的比值低于预设阈值,则按照预设顺序从候选反馈信息库中选取第二推荐信息,并确定第二推荐信息为第二反馈信息。
信息确定第二子单元720可以在确定出的比值低于预设阈值时,确定出向用户返回的第二反馈信息。
根据本公开的又一示例性实施例,参考图8,第二反馈信息确定模块810相比于第二反馈信息确定模块240,除包括反馈信息第一确定单元510外,还可以包括反馈信息第二确定单元820。
具体的,反馈信息第二确定单元820可以用于将第一反馈信息、用户情绪值与确定出的比值输入至第三机器学习模型;由第三机器学习模型输出对应的第二反馈信息。
反馈信息第二确定单元820可以将第一反馈信息、用户情绪值与确定出的比值作为第三机器学习模型的输入,由第三机器学习模型直接输出对应的反馈信息。
上述中各虚拟反馈信息确定装置模块的具体细节已经在对应的反馈信息确定方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了反馈信息确定装置的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“***”。
下面参照图9来描述根据本发明的这种实施例的电子设备900。图9显示的电子设备900仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元910、上述至少一个存储单元920、连接不同***组件(包括存储单元920和处理单元910)的总线930、显示单元940。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元910执行,使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元920可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)921和/或高速缓存存储单元922,还可以进一步包括只读存储单元(ROM)923。
存储单元920还可以包括具有一组(至少一个)程序模块925的程序/实用工具924,这样的程序模块925包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线930可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备900也可以与一个或多个外部设备970(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备900交互的设备通信,和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且,电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器960通过总线930与电子设备900的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备900使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图10所示,描述了根据本发明的实施例的用于实现上述方法的程序产品1000,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (10)
1.一种基于生物特征识别的反馈信息确定方法,其特征在于,包括:
确定用户输入的目标问题;
从问题反馈数据库中确定与所述目标问题对应的第一反馈信息,并将所述第一反馈信息发送至客户端进行展示;
获取用户接收到所述第一反馈信息的脸部图像,并基于所述脸部图像确定用户情绪值;
基于所述用户情绪值从所述问题反馈数据库中确定第二反馈信息,并将所述第二反馈信息发送至客户端进行展示。
2.根据权利要求1所述的基于生物特征识别的反馈信息确定方法,其特征在于,所述基于所述脸部图像确定用户情绪值包括:
基于所述脸部图像确定用于识别用户情绪值的一个或多个特征点;
确定所述脸部图像的基准点,并基于所述基准点建立坐标系;
确定所述一个或多个特征点在所述坐标系中的坐标;
将所述一个或多个特征点在所述坐标系中的坐标输入至训练后的第一机器学习模型以确定所述用户情绪值。
3.根据权利要求1所述的基于生物特征识别的反馈信息确定方法,其特征在于,基于所述脸部图像确定用户情绪值包括:
将所述脸部图像输入至训练后的第二机器学习模型;
由所述第二机器学习模型输出所述用户情绪值。
4.根据权利要求1所述的基于生物特征识别的反馈信息确定方法,其特征在于,所述基于生物特征识别的反馈信息确定方法还包括:
确定与所述第一反馈信息对应的情绪预期值;
将所述用户情绪值和所述第一反馈信息组成情绪数据记录;
将确定出的多个所述情绪数据记录组成情绪数据库;
从所述情绪数据库中筛选目标数据记录;其中,所述目标数据记录中的所述用户情绪值与所述情绪预期值相同;
确定所述目标数据记录的数量与所述情绪数据库的总数量的比值,并基于确定出的比值确定第二反馈信息。
5.根据权利要求4所述的基于生物特征识别的反馈信息确定方法,其特征在于,基于确定出的比值确定第二反馈信息包括:
从候选反馈信息库筛选与所述第一反馈信息的相似度达到预设相似度的第一推荐信息;
如果确定出的比值高于预设阈值,则确定所述第一推荐信息为第二反馈信息。
6.根据权利要求4所述的基于生物特征识别的反馈信息确定方法,其特征在于,基于确定出的比值确定第二反馈信息包括:
如果确定出的比值低于预设阈值,则按照预设顺序从候选反馈信息库中选取第二推荐信息,并确定所述第二推荐信息为第二反馈信息。
7.根据权利要求4所述的基于生物特征识别的反馈信息确定方法,其特征在于,所述基于生物特征识别的反馈信息确定方法还包括:
将所述第一反馈信息、所述用户情绪值与确定出的所述比值输入至第三机器学习模型;
由所述第三机器学习模型输出对应的第二反馈信息。
8.一种基于生物特征识别的反馈信息确定装置,其特征在于,包括:
目标问题接收模块,用于确定用户输入的目标问题;
第一反馈信息确定模块,用于从问题反馈数据库中确定与所述目标问题对应的第一反馈信息,并将所述第一反馈信息发送至客户端进行展示;
情绪值确定模块,用于获取用户接收到所述第一反馈信息的脸部图像,并基于所述脸部图像确定用户情绪值;
第二反馈信息确定模块,用于基于所述用户情绪值从所述问题反馈数据库中确定第二反馈信息,并将所述第二反馈信息发送至客户端进行展示。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至7中任一项所述的基于生物特征识别的反馈信息确定方法。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1至7中任一项所述的基于生物特征识别的反馈信息确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910203917.4A CN110069991A (zh) | 2019-03-18 | 2019-03-18 | 反馈信息确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910203917.4A CN110069991A (zh) | 2019-03-18 | 2019-03-18 | 反馈信息确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110069991A true CN110069991A (zh) | 2019-07-30 |
Family
ID=67365332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910203917.4A Pending CN110069991A (zh) | 2019-03-18 | 2019-03-18 | 反馈信息确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110069991A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111447239A (zh) * | 2020-04-13 | 2020-07-24 | 北京字节跳动网络技术有限公司 | 视频流播放控制方法、设备及存储介质 |
CN111870961A (zh) * | 2020-08-12 | 2020-11-03 | 网易(杭州)网络有限公司 | 游戏中的信息推送方法、装置、电子设备及可读存储介质 |
CN114332995A (zh) * | 2021-12-21 | 2022-04-12 | 大陆投资(中国)有限公司 | 基于原始数据确定与用户状态相关的信息的方法和装置 |
CN115174633A (zh) * | 2022-07-21 | 2022-10-11 | 天津飞羊信息技术有限公司 | 工业互联网业务数据处理方法、***及云平台 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102986200A (zh) * | 2010-07-01 | 2013-03-20 | 诺基亚公司 | 对用户的情绪状态改变进行响应 |
CN103926997A (zh) * | 2013-01-11 | 2014-07-16 | 北京三星通信技术研究有限公司 | 一种基于用户的输入确定情绪信息的方法和终端 |
US20140298364A1 (en) * | 2013-03-26 | 2014-10-02 | Rawllin International Inc. | Recommendations for media content based on emotion |
CN105871696A (zh) * | 2016-05-25 | 2016-08-17 | 维沃移动通信有限公司 | 一种信息发送、接收方法及移动终端 |
CN105930372A (zh) * | 2016-04-12 | 2016-09-07 | 华南师范大学 | 基于多次反馈的情感机器人对话方法、***以及机器人 |
KR101784418B1 (ko) * | 2016-04-04 | 2017-10-11 | 연세대학교 산학협력단 | 적응형 랜덤 포레스트와 피드백 모듈을 이용하여 얼굴 표정을 인식하기 위한 장치 및 그 방법 |
CN107577693A (zh) * | 2016-07-05 | 2018-01-12 | 塞尼股份公司 | 对用于内容选择***的生物特征数据的本地处理 |
CN107807947A (zh) * | 2016-09-09 | 2018-03-16 | 索尼公司 | 基于情绪状态检测在电子设备上提供推荐的***和方法 |
CN108875633A (zh) * | 2018-06-19 | 2018-11-23 | 北京旷视科技有限公司 | 表情检测与表情驱动方法、装置和***及存储介质 |
CN109034037A (zh) * | 2018-07-19 | 2018-12-18 | 江苏黄金屋教育发展股份有限公司 | 基于人工智能的在线学习方法 |
CN109298779A (zh) * | 2018-08-10 | 2019-02-01 | 济南奥维信息科技有限公司济宁分公司 | 基于虚拟代理交互的虚拟训练***与方法 |
CN109447729A (zh) * | 2018-09-17 | 2019-03-08 | 平安科技(深圳)有限公司 | 一种产品的推荐方法、终端设备及计算机可读存储介质 |
-
2019
- 2019-03-18 CN CN201910203917.4A patent/CN110069991A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102986200A (zh) * | 2010-07-01 | 2013-03-20 | 诺基亚公司 | 对用户的情绪状态改变进行响应 |
CN103926997A (zh) * | 2013-01-11 | 2014-07-16 | 北京三星通信技术研究有限公司 | 一种基于用户的输入确定情绪信息的方法和终端 |
US20140298364A1 (en) * | 2013-03-26 | 2014-10-02 | Rawllin International Inc. | Recommendations for media content based on emotion |
KR101784418B1 (ko) * | 2016-04-04 | 2017-10-11 | 연세대학교 산학협력단 | 적응형 랜덤 포레스트와 피드백 모듈을 이용하여 얼굴 표정을 인식하기 위한 장치 및 그 방법 |
CN105930372A (zh) * | 2016-04-12 | 2016-09-07 | 华南师范大学 | 基于多次反馈的情感机器人对话方法、***以及机器人 |
CN105871696A (zh) * | 2016-05-25 | 2016-08-17 | 维沃移动通信有限公司 | 一种信息发送、接收方法及移动终端 |
CN107577693A (zh) * | 2016-07-05 | 2018-01-12 | 塞尼股份公司 | 对用于内容选择***的生物特征数据的本地处理 |
CN107807947A (zh) * | 2016-09-09 | 2018-03-16 | 索尼公司 | 基于情绪状态检测在电子设备上提供推荐的***和方法 |
CN108875633A (zh) * | 2018-06-19 | 2018-11-23 | 北京旷视科技有限公司 | 表情检测与表情驱动方法、装置和***及存储介质 |
CN109034037A (zh) * | 2018-07-19 | 2018-12-18 | 江苏黄金屋教育发展股份有限公司 | 基于人工智能的在线学习方法 |
CN109298779A (zh) * | 2018-08-10 | 2019-02-01 | 济南奥维信息科技有限公司济宁分公司 | 基于虚拟代理交互的虚拟训练***与方法 |
CN109447729A (zh) * | 2018-09-17 | 2019-03-08 | 平安科技(深圳)有限公司 | 一种产品的推荐方法、终端设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
SVEN SO DERKVIST: "How the Experience of Emotion is Modulated by Facial Feedback", 《JOURNAL OF NONVERBAL BEHAVIOR》, 27 September 2017 (2017-09-27), pages 129 - 151, XP036431347, DOI: 10.1007/s10919-017-0264-1 * |
马增晖: "基于用户潜意识行为的移动终端交互界面设计研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, 15 March 2017 (2017-03-15), pages 028 - 97 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111447239A (zh) * | 2020-04-13 | 2020-07-24 | 北京字节跳动网络技术有限公司 | 视频流播放控制方法、设备及存储介质 |
CN111447239B (zh) * | 2020-04-13 | 2023-07-04 | 抖音视界有限公司 | 视频流播放控制方法、设备及存储介质 |
US11889135B2 (en) | 2020-04-13 | 2024-01-30 | Douyin Vision Co., Ltd. | Video stream playing control method and apparatus, and storage medium |
CN111870961A (zh) * | 2020-08-12 | 2020-11-03 | 网易(杭州)网络有限公司 | 游戏中的信息推送方法、装置、电子设备及可读存储介质 |
CN111870961B (zh) * | 2020-08-12 | 2023-11-03 | 网易(杭州)网络有限公司 | 游戏中的信息推送方法、装置、电子设备及可读存储介质 |
CN114332995A (zh) * | 2021-12-21 | 2022-04-12 | 大陆投资(中国)有限公司 | 基于原始数据确定与用户状态相关的信息的方法和装置 |
CN115174633A (zh) * | 2022-07-21 | 2022-10-11 | 天津飞羊信息技术有限公司 | 工业互联网业务数据处理方法、***及云平台 |
CN115174633B (zh) * | 2022-07-21 | 2023-04-11 | 维迈科建集团有限公司 | 工业互联网业务数据处理方法、***及云平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069991A (zh) | 反馈信息确定方法、装置、电子设备及存储介质 | |
CN108805091B (zh) | 用于生成模型的方法和装置 | |
Brown et al. | Finding waldo: Learning about users from their interactions | |
US10943401B2 (en) | Active visual recognition in mobile augmented reality | |
CN109816441B (zh) | 策略推送方法、***及相关装置 | |
CN109885713A (zh) | 基于语音情绪识别的表情图像推荐方法以及装置 | |
US11132547B2 (en) | Emotion recognition-based artwork recommendation method and device, medium, and electronic apparatus | |
CN114787814B (zh) | 指代解析 | |
CN111552888A (zh) | 内容推荐方法、装置、设备及存储介质 | |
US11928985B2 (en) | Content pre-personalization using biometric data | |
JP2020507159A (ja) | ピクチャプッシュの方法、移動端末および記憶媒体 | |
CN109726655A (zh) | 基于情绪识别的客服服务评价方法、装置、介质及设备 | |
CN112734068B (zh) | 会议室的预定方法、装置、计算机设备和存储介质 | |
CN109583972A (zh) | 一种广告展示方法、装置、广告机器人及存储介质 | |
KR20180096182A (ko) | 전자 장치 및 그 전자 장치의 제어 방법 | |
CN108805035A (zh) | 基于手势识别的教学互动方法以及装置 | |
CN111359203B (zh) | 一种个性化铁路vr场景交互方法 | |
CN111104874A (zh) | 人脸年龄预测方法及模型的训练方法、装置及电子设备 | |
CN114461906A (zh) | 一种聚焦于用户核心兴趣的序列推荐方法及装置 | |
US12032877B2 (en) | System and method for conducting computing experiments | |
CN110352418A (zh) | 通过消歧对话问题来进行查询消歧 | |
US10296723B2 (en) | Managing companionship data | |
CN111274476A (zh) | 基于人脸识别的房源匹配方法、装置、设备和存储介质 | |
CN112492397A (zh) | 视频处理方法、计算机设备和存储介质 | |
US20200126141A1 (en) | Problem identification using biometric and social data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201, room 518000, building A, No. 1, front Bay Road, Qianhai Shenzhen Guangdong Shenzhen Hong Kong cooperation zone (Qianhai business secretary) Applicant after: Shenzhen one ledger Intelligent Technology Co., Ltd. Address before: 518000 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant before: Shenzhen one ledger Intelligent Technology Co., Ltd. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |