CN110321477B - 信息推荐方法、装置、终端及存储介质 - Google Patents
信息推荐方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN110321477B CN110321477B CN201910441455.XA CN201910441455A CN110321477B CN 110321477 B CN110321477 B CN 110321477B CN 201910441455 A CN201910441455 A CN 201910441455A CN 110321477 B CN110321477 B CN 110321477B
- Authority
- CN
- China
- Prior art keywords
- emotion
- information
- content information
- user
- emotion type
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008451 emotion Effects 0.000 claims abstract description 209
- 230000014509 gene expression Effects 0.000 claims abstract description 60
- 238000010195 expression analysis Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 71
- 238000013527 convolutional neural network Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 24
- 230000001815 facial effect Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 206010063659 Aversion Diseases 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能推荐技术领域,提供了一种信息推荐方法、装置、终端及存储介质。所述信息推荐方法包括:当检测到客服终端设备的界面上显示的是指定内容信息时,控制客服终端设备的摄像头采集显示屏前的浏览指定内容信息用户的人脸图像,并从人脸图像中提取出人脸特征信息;将人脸特征信息输入微表情识别模型进行微表情分析,获取用户的情绪类型;根据情绪类型从数据库中查询与指定内容信息相关联的推荐内容信息,将推荐内容信息放置在客服终端设备的界面的指定位置上进行显示。本发明可根据用户的情绪类型实时分析用户对当前浏览的信息内容是否感兴趣,以向其推荐与用户当前关注度较接近的信息内容,实现精准推荐。
Description
技术领域
本发明涉及智能推荐技术领域,尤其涉及一种信息推荐方法、装置、终端及存储介质。
背景技术
近年来,随着互联网的快速发展,信息正呈***式增长,如何从大量的信息中筛选出用户感兴趣的内容成为互联网领域的研究重点,因此,信息推荐技术在近几年也取得了比较大的进步,其可向用户推荐感兴趣的信息,以满足用户需求。
现有推荐信息时,往往是通过分析用户的历史浏览数据,根据历史浏览数据筛选出用户感兴趣的信息,因历史浏览数据只能表征用户整体的兴趣偏向,难以准确了解用户当前感兴趣的信息内容,因此,推送内容信息时,容易与用户当前的关注度相差加大,实时推送的精准度较差。
发明内容
本发明提供一种信息推荐方法、装置、终端及存储介质,以解决当前推荐信息时,难以准确了解用户当前感兴趣的信息内容,推送的内容信息与用户当前的关注度相差加大,实时推送的精准度较差的问题。
为解决上述问题,本发明采用如下技术方案:
本发明提供一种信息推荐方法,包括如下步骤:
在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,启动客服终端设备的摄像头;
控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;
将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;
根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示;其中,所述每个情绪类型对应至少一种推荐内容信息。
在一实施例中,所述将人脸特征信息输入微表情识别模型进行微表情分析的步骤,包括:
利用微表情识别模型提取出人脸特征信息对应的第一特征向量;
将第一特征向量与微表情数据库中的情绪类型对应的第二特征向量进行距离度量,从微表情数据库中获取与所述第一特征向量的距离相近的第二特征向量作为目标特征向量;
根据所述目标特征向量计算用户各情绪类型的情绪指数,获取最大情绪指数对应的情绪类型。
在一实施例中,所述根据所述目标特征向量计算用户各情绪类型的情绪指数的步骤,包括:
将距离相近的目标特征向量累加至相应维度的情绪标签中,得到各情绪类型的标签值;
计算各情绪类型的标签值占总标签值的比重,得到该用户各情绪类型对应的情绪指数;其中,所述总标签值为各情绪类型的标签值之和。
在一实施例中,所述获取最大情绪指数对应的情绪类型之前,还包括:
判断最大情绪指数是否大于预设值;
若是,则获取最大情绪指数对应的情绪类型;
否则启动客服终端设备的摄像头重新采集该用户的人脸图像。
在一实施例中,所述根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息的步骤,包括:
当所述情绪类型为高兴、喜悦或满意的积极情绪时,从数据库中查询与当前指定内容信息相似的推荐内容信息;
否则从数据库中查询与当前指定内容信息相对的推荐内容信息。
在一实施例中,所述将人脸特征信息输入微表情识别模型进行微表情分析之前,还包括:
获取人脸图像样本集及各人脸图像样本对应已确定的样本情绪类型;
利用所述人脸图像样本集和样本情绪类型对卷积神经网络模型进行训练,直至收敛时,得到微表情识别模型。
在一实施例中,所述利用所述人脸图像样本集和样本情绪类型对卷积神经网络模型进行训练之后,还包括:
基于预设的损失函数,计算卷积神经网络模型的损失;
当损失高于一定值时,调整所述卷积神经网络模型中各节点之间连接的权重参数,对卷积神经网络模型重新训练,直至得到最佳权重参数。
本发明提供的一种信息推荐装置,包括:
启动模块,用于在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,启动客服终端设备的摄像头;
控制模块,用于控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;
分析模块,用于将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;
显示模块,用于根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示;其中,所述每个情绪类型对应至少一种推荐内容信息。
本发明提供一种终端,包括存储器和处理器,所述存储器中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,使得所述处理器执行如上任一项所述的信息推荐方法的步骤。
本发明提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上任一项所述的信息推荐方法。
相对于现有技术,本发明的技术方案至少具备如下优点:
本发明提供的信息推荐方法,通过在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,才启动客服终端设备的摄像头,并控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;然后将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;最后根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示,从而根据用户的情绪类型实时分析用户对当前浏览的信息内容是否感兴趣,以向其推荐与用户当前关注度较接近的信息内容,实现精准推荐。
附图说明
图1为本发明一个实施例中提供的信息推荐方法的实施环境图;
图2为本发明信息推荐方法一种实施例流程框图;
图3为本发明信息推荐方法又一种实施例流程框图,主要出示了根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息的具体步骤;
图4为本发明信息推荐方法又一种实施例流程框图,主要出示了将人脸特征信息输入微表情识别模型进行微表情分析的具体步骤;
图5为本发明信息推荐装置一种实施例模块框图;
图6为本发明一个实施例中终端的内部结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如S11、S12等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本领域普通技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本领域普通技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。显然,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,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为一个实施例中提供的信息推荐方法的实施环境图,如图1所示,在该实施环境中,包括服务器110、终端120,终端120可通过网络与服务器连接。其中,上述网络可以包括因特网、2G/3G/4G、wifi等。
需要说明的是,服务器110可以是独立的物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器。
终端120可以是智能手机、客服终端设备、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。
请参阅图2,本发明提供了一种信息推荐方法,以解决当前推荐信息时,难以准确了解用户当前感兴趣的信息内容,推送的内容信息与用户当前的关注度相差加大,实时推送的精准度较差的问题。在其中一种实施方式中,所述信息推荐方法可包括如下步骤:
S21、在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,启动客服终端设备的摄像头;
在本实施例中,客服终端设备的界面上可展示多种内容信息,如产品信息、广告、音视频、新闻等信息。用户浏览内容信息时,可在界面上随意切换展示的内容信息,当检测到用户当前浏览的内容信息为指定内容信息时,如某条指定广告,则启动客服终端设备的摄像头。其中,所述客服终端设备可为银行终端机、自助售票机、自助查询机等终端设备。
在一实施例中,可为每条内容信息设置相应标识,并将指定内容信息的标识以列表的形式进行保存,当检测到当前客服终端设备上显示的内容信息的标识记录在列表中时,则认为当前展示的内容信息为指定内容信息。
S22、控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;
在本实施例中,可控制摄像头采集正在客服终端设备上浏览指定内容信息的用户的一张或多张人脸图像,然后对人脸图像进行定位,并从人脸图像中提取出所有人脸特征信息。其中,所述人脸特征信息包括诸如眼睛、鼻子、耳朵等人脸特征点的特征状态。
S23、将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;
微表情是人类试图压抑或隐藏真实情感时,泄露的非常短暂的、不能自主控制的面部表情,是谎言识别的有效线索。因此,可通过分析用户人脸图像的微表情,得到用户的情绪类型。如人脸图像中显示用户嘴角微张、眼睛微闭,做出微笑的表情时,则表示用户的情绪类型为高兴、喜悦;当用户眉头紧蹙时,则表示用户的情绪类型为生气、厌恶。
在本实施例中,可将人脸图像中提取到的所有人脸特征信息输入微表情识别模型,利用微表情识别模型分析得到用户浏览当前指定内容信息时的情绪类型。其中,所述情绪类型包括喜悦、惊奇、厌恶、生气等情绪。该微表情识别模型为经过反复训练后得到的基于卷积神经网络的深度学习模型,可用于识别用户的情绪类型。
S24、根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示;其中,所述每个情绪类型对应至少一种推荐内容信息。
在本实施例中,获取当前用户的情绪类型后,可根据该情绪类型从数据库中查询与指定内容信息相关联的推荐内容信息,如当前用户的情绪类型为高兴时,则表示用户对指定内容信息比较感兴趣,则后续向其推荐内容信息时,可推荐与指定内容信息相类似的内容信息,并将该推荐内容信息放置在客服终端设备的界面的指定位置上,如将推荐内容信息的简介显示在界面的顶部,当用户浏览该简介后对推荐内容信息产生兴趣时,通过将该推荐内容信息下拉至界面中间进行全部内容信息的显示。
本发明提供的信息推荐方法,通过在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,才启动客服终端设备的摄像头,并控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;然后将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;最后根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示,从而根据用户的情绪类型实时分析用户对当前浏览的信息内容是否感兴趣,以向其推荐与用户当前关注度较接近的信息内容,实现精准推荐。
在一实施例中,如图3所示,在步骤S24中,所述根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息的步骤,可具体包括:
S241、当所述情绪类型为高兴、喜悦或满意的积极情绪时,从数据库中查询与当前指定内容信息相似的推荐内容信息;
S242、否则从数据库中查询与当前指定内容信息相对的推荐内容信息。
在本实施例中,当获取到当前用户的情绪类型时,若当前用户的情绪类型为高兴、喜悦等表示积极向上的情绪时,则表示用户对当前浏览的指定内容信息较为满意,向其推荐内容信息时,则从数据库中查询与当前指定内容信息相似的推荐内容信息。反之,当当前用户的情绪类型为生气、悲伤等表示消极的情绪时,则表示用户对当前浏览的指定内容信息不感兴趣,向其推荐内容信息时,则从数据库中查询与当前指定内容信息差异较大的推荐内容信息。
为了更好的理解本技术方案,下面以金融产品信息推荐为例进行说明:
当用户使用银行终端机时,在银行终端机上随意浏览界面上显示的金融产品,产生相应的对金融产品的喜爱程度,当检测到终端机上显示的是某一指定理财类金融产品时,则可通过摄像头采集用户浏览该金融产品时的人脸图像,并从人脸图像中提取出人脸特征信息,然后通过微表情识别模型对人脸特征信息进行分析,得到用户的情绪类型,当当前用户的情绪类型为高兴时,则可向其推荐与指定金融产品相类似的其他理财类金融产品。当当前用户的情绪类型为厌恶时,则可以向其推荐借贷类产品,从而根据用户实时的情绪类型实现内容信息的精准推荐。
在一实施例中,如图4所示,在步骤S23中,所述将人脸特征信息输入微表情识别模型进行微表情分析的步骤,可具体包括:
S231、利用微表情识别模型提取出人脸特征信息对应的第一特征向量;
在本实施例中,从人脸图像中提取出人脸特征信息时,可先提取人脸图像中心区域的人脸特征信息,以对人脸图像进行定位,然后根据人脸图像中心区域的人脸特征信息依次提取出人脸图像其他区域的人脸特征信息,最后利用微表情识别模型对提取出的所有人脸特征信息进行几何特征向量构造,从而映射成相对应的第一特征向量,以提高第一特征向量的提取速度。
S232、将第一特征向量与微表情数据库中的情绪类型对应的第二特征向量进行距离度量,从微表情数据库中获取与所述第一特征向量的距离相近的第二特征向量作为目标特征向量;
本实施例还需获取所有情绪类型对应的第二特征向量,将其保存在微表情数据库中,在进行距离度量计算时,可将人脸图像的所有第一特征向量与微表情数据库中的情绪类型对应的第二特征向量进行距离度量,以从微表情数据库中获取与人脸图像的第一特征向量距离相近的若干个第二特征向量,得到目标特征向量,从而筛选出能表征该用户情绪类型的特征向量。其中,所述微表情数据库存储有各个情绪类型对应的第二特征向量。
S233、根据所述目标特征向量计算用户各情绪类型的情绪指数,获取最大情绪指数对应的情绪类型。
在本实施例中,可根据每个目标特征向量所属的情绪类型,计算该用户各情绪类型对应的情绪指数,当所属情绪类型的目标特征向量越多时,则该情绪类型对应的情绪指数越高,并获取最大情绪指数对应的情绪类型。例如,经过距离度量后,得到的目标特征向量为Y1、Y2、Y3、Y4、Y5、Y6、Y7,在这些目标特征向量中,属于高兴的目标特征向量有Y1、Y2、Y3和Y4,则高兴对应的情绪指数可以表示为4,属于惊讶的目标特征向量为Y5和Y6,则惊讶对应的情绪指数可以表示为2,属于厌恶的目标特征向量为Y7,则厌恶对应的情绪指数可以表示为1,从而得到该用户所有情绪类型对应的情绪指数,并可得到该用户的最大情绪指数为4,该情绪指数对应的情绪类型为高兴,即当该用户当前浏览的指定内容信息为理财类金融产品时,则表示该用户对该类金融产品比较感兴趣,则可查询与该类金融产品相类似的理财类金融产品推荐给用户。
在一实施例中,在步骤S233中,所述根据所述目标特征向量计算用户各情绪类型的情绪指数的步骤,可具体包括:
将距离相近的目标特征向量累加至相应维度的情绪标签中,得到各情绪类型的标签值;
计算各情绪类型的标签值占总标签值的比重,得到该用户各情绪类型对应的情绪指数;其中,所述总标签值为各情绪类型的标签值之和。
在本实施例中,可分析得到若干个维度的情绪类型及其对应的情绪标签,如开心、伤心、忧虑、烦躁等维度的情绪标签,将相似或距离相近的目标特征向量累加至对应维度的情绪标签中,得到各情绪类型的标签值。例如,经过距离度量后,得到的目标特征向量有7个,分别为Y1、Y2、Y3、Y4、Y5、Y6、Y7,其总标签值为7。在这些目标特征向量中,属于高兴的目标特征向量有4个,即Y1、Y2、Y3和Y4,其对应标签值为4,则高兴对应的情绪指数也可以表示为即57%;属于惊讶的目标特征向量有2个,即Y5和Y6,其对应标签值为2,则惊讶对应的情绪指数也可以表示为即28.6%;属于厌恶的目标特征向量有1个,即Y7,其对应标签值为1,则厌恶对应的情绪指数也可以表示为即14.4%。其中,最大的情绪指数为57%。
在一实施例中,在步骤S233中,所述获取最大情绪指数对应的情绪类型之前,还可包括:
判断最大情绪指数是否大于预设值;
若是,则获取最大情绪指数对应的情绪类型;
否则启动客服终端设备的摄像头重新采集该用户的人脸图像。
在对用户进行情绪分析时,可能会出现用户的情绪偏向不明显的情况,从而无法准确得到该用户的情绪类型,导致推荐内容信息时,推荐精度降低的情况。因此,在本实施例中,当计算得到最大情绪指数时,可进一步判断最大情绪指数是否大于预设值,当最大情绪指数大于预设值时,则表示该用户具有明显的情绪偏向,进而获取最大情绪指数对应的情绪类型。当最大情绪指数低于预设值时,则表示该用户没有明显的情绪偏向,因此需要通过启动客服终端设备的摄像头重新采集该用户的人脸图像,直至得到较为明显的情绪类型。
在一实施例中,在步骤S23中,所述将人脸特征信息输入微表情识别模型进行微表情分析之前,还可包括:
获取人脸图像样本集及各人脸图像样本对应已确定的样本情绪类型;
利用所述人脸图像样本集和样本情绪类型对卷积神经网络模型进行训练,直至收敛时,得到微表情识别模型。
在本实施例中,可利用人脸图像样本集及各人脸图像样本对应已确定的样本情绪对卷积神经网络模型进行训练,得到微表情识别模型。训练时,人脸图像样本集的数量越多,则训练的效果越好,得到的微表情识别模型的分析准确性也越高。
在一实施例中,所述利用所述人脸图像样本集和样本情绪类型对卷积神经网络模型进行训练之后,还可包括:
基于预设的损失函数,计算卷积神经网络模型的损失;
当损失高于一定值时,调整所述卷积神经网络模型中各节点之间连接的权重参数,对卷积神经网络模型重新训练,直至得到最佳权重参数。
在本实施例中,所述卷积神经网络模型的每一个基层都包含若干个节点,基层与基层之间的节点处于一种全连接的状态,且节点之间的连接通常具有一个权重参数。在对卷积神经网络模型进行训练之前,节点之间的权重参数为随意设置的参数值。在对卷积神经网络模型进行训练时,可以将海量的人脸模板图像样本集输入卷积神经网络模型中,然后计算卷积神经网络模型的损失,判断其损失是否大于预设值,若是,则调整所述卷积神经网络模型中各节点之间连接的权重参数,对模型重新训练,然后计算其损失,直至损失小于或等于预设值,获得卷积神经网络模型中各节点之间连接的最佳权重参数,从而得到训练合格的微表情识别模型。
请参考图5,本发明的实施例还提供一种信息推荐装置,一种本实施例中,包括启动模块31、控制模块32、分析模块33及显示模块34。其中,
启动模块31,用于在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,启动客服终端设备的摄像头;
在本实施例中,客服终端设备的界面上可展示多种内容信息,如产品信息、广告、音视频、新闻等信息。用户浏览内容信息时,可在界面上随意切换展示的内容信息,当检测到用户当前浏览的内容信息为指定内容信息时,如某条指定广告,则启动客服终端设备的摄像头。其中,所述客服终端设备可为银行终端机、自助售票机、自助查询机等终端设备。
在一实施例中,可为每条内容信息设置相应标识,并将指定内容信息的标识以列表的形式进行保存,当检测到当前客服终端设备上显示的内容信息的标识记录在列表中时,则认为当前展示的内容信息为指定内容信息。
控制模块32,用于控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;
在本实施例中,可控制摄像头采集正在客服终端设备上浏览指定内容信息的用户的一张或多张人脸图像,然后对人脸图像进行定位,并从人脸图像中提取出所有人脸特征信息。其中,所述人脸特征信息包括诸如眼睛、鼻子、耳朵等人脸特征点的特征状态。
分析模块33,用于将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;
微表情是人类试图压抑或隐藏真实情感时,泄露的非常短暂的、不能自主控制的面部表情,是谎言识别的有效线索。因此,可通过分析用户人脸图像的微表情,得到用户的情绪类型。如人脸图像中显示用户嘴角微张、眼睛微闭,做出微笑的表情时,则表示用户的情绪类型为高兴、喜悦;当用户眉头紧蹙时,则表示用户的情绪类型为生气、厌恶。
在本实施例中,可将人脸图像中提取到的所有人脸特征信息输入微表情识别模型,利用微表情识别模型分析得到用户浏览当前指定内容信息时的情绪类型。其中,所述情绪类型包括喜悦、惊奇、厌恶、生气等情绪。该微表情识别模型为经过反复训练后得到的基于卷积神经网络的深度学习模型,可用于识别用户的情绪类型。
显示模块34,用于根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示;其中,所述每个情绪类型对应至少一种推荐内容信息。
在本实施例中,获取当前用户的情绪类型后,可根据该情绪类型从数据库中查询与指定内容信息相关联的推荐内容信息,如当前用户的情绪类型为高兴时,则表示用户对指定内容信息比较感兴趣,则后续向其推荐内容信息时,可推荐与指定内容信息相类似的内容信息,并将该推荐内容信息放置在客服终端设备的界面的指定位置上,如将推荐内容信息的简介显示在界面的顶部,当用户浏览该简介后对推荐内容信息产生兴趣时,通过将该推荐内容信息下拉至界面中间进行全部内容信息的显示。
本发明提供的信息推荐装置,通过在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,才启动客服终端设备的摄像头,并控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;然后将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;最后根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示,从而根据用户的情绪类型实时分析用户对当前浏览的信息内容是否感兴趣,以向其推荐与用户当前关注度较接近的信息内容,实现精准推荐。
在一实施例中,所述分析模块33还被配置为:
利用微表情识别模型提取出人脸特征信息对应的第一特征向量;
将第一特征向量与微表情数据库中的情绪类型对应的第二特征向量进行距离度量,从微表情数据库中获取与所述第一特征向量的距离相近的第二特征向量作为目标特征向量;其中,所述微表情数据库存储有各个情绪类型对应的第二特征向量;
根据所述目标特征向量计算用户各情绪类型的情绪指数,获取最大情绪指数对应的情绪类型。
在一实施例中,所述分析模块33还被配置为:
将距离相近的目标特征向量累加至相应维度的情绪标签中,得到各情绪类型的标签值;
计算各情绪类型的标签值占总标签值的比重,得到该用户各情绪类型对应的情绪指数;其中,所述总标签值为各情绪类型的标签值之和。
在一实施例中,所述分析模块33还被配置为::
判断最大情绪指数是否大于预设值;
若是,则获取最大情绪指数对应的情绪类型;
否则启动客服终端设备的摄像头重新采集该用户的人脸图像。
在一实施例中,所述显示模块34还被配置为:
当所述情绪类型为高兴、喜悦或满意的积极情绪时,从数据库中查询与当前指定内容信息相似的推荐内容信息;
否则从数据库中查询与当前指定内容信息相对的推荐内容信息。
在一实施例中,所述信息推荐装置还包括:
获取模块,用于获取人脸图像样本集及各人脸图像样本对应已确定的样本情绪类型;
训练模块,用于利用所述人脸图像样本集和样本情绪类型对卷积神经网络模型进行训练,直至收敛时,得到微表情识别模型。
在一实施例中,所述训练模块还被配置为:
基于预设的损失函数,计算卷积神经网络模型的损失;
当损失高于一定值时,调整所述卷积神经网络模型中各节点之间连接的权重参数,对卷积神经网络模型重新训练,直至得到最佳权重参数。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本发明提供的一种终端,包括存储器和处理器,所述存储器中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,使得所述处理器执行如上任一项所述的信息推荐方法的步骤。
在一实施例中,所述终端为一种计算机设备,如图6所示。本实施例所述的计算机设备可以是服务器、个人计算机以及网络设备等设备。所述计算机设备包括处理器402、存储器403、输入单元404以及显示单元405等器件。本领域技术人员可以理解,图4示出的设备结构器件并不构成对所有设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件。存储器403可用于存储计算机程序401以及各功能模块,处理器402运行存储在存储器403的计算机程序401,从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器,或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器只作为例子而非作为限定。
输入单元404用于接收信号的输入,以及接收用户输入的关键字。输入单元404可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作),并根据预先设定的程序驱动相应的连接装置;其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元405可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元405可采用液晶显示器、有机发光二极管等形式。处理器402是计算机设备的控制中心,利用各种接口和线路连接整个电脑的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器内的数据,执行各种功能和处理数据。
作为一个实施例,所述计算机设备包括:一个或多个处理器402,存储器403,一个或多个计算机程序401,其中所述一个或多个计算机程序401被存储在存储器403中并被配置为由所述一个或多个处理器402执行,所述一个或多个计算机程序401配置用于执行以上实施例所述的信息推荐方法。
在一个实施例中,本发明还提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述信息推荐方法。例如,所述存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(RandomAccess Memory,RAM)等。
综合上述实施例可知,本发明最大的有益效果在于:
本发明提供的信息推荐方法、装置、终端及存储介质,通过在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,才启动客服终端设备的摄像头,并控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;然后将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;最后根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示,从而根据用户的情绪类型实时分析用户对当前浏览的信息内容是否感兴趣,以后续向其推荐与用户当前关注度较接近的信息内容,实现精准推荐。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种信息推荐方法,其特征在于,包括:
在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,启动客服终端设备的摄像头;
控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;
将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;
根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示;其中,每个情绪类型对应至少一种推荐内容信息;
其中,所述将人脸特征信息输入微表情识别模型进行微表情分析的步骤,包括:
利用微表情识别模型提取出人脸特征信息对应的第一特征向量;
将第一特征向量与微表情数据库中的情绪类型对应的第二特征向量进行距离度量,从微表情数据库中获取与所述第一特征向量的距离相近的第二特征向量作为目标特征向量;
根据所述目标特征向量计算用户各情绪类型的情绪指数,获取最大情绪指数对应的情绪类型;
所述根据所述目标特征向量计算用户各情绪类型的情绪指数包括;
根据每个目标特征向量所属的情绪类型,计算该用户各个情绪类型的目标特征向量的个数,作为各个情绪类型的情绪指数。
2.根据权利要求1所述的信息推荐方法,其特征在于,所述根据所述目标特征向量计算用户各情绪类型的情绪指数的步骤,包括:
将距离相近的目标特征向量累加至相应维度的情绪标签中,得到各情绪类型的标签值;
计算各情绪类型的标签值占总标签值的比重,得到该用户各情绪类型对应的情绪指数;其中,所述总标签值为各情绪类型的标签值之和。
3.根据权利要求1所述的信息推荐方法,其特征在于,所述获取最大情绪指数对应的情绪类型之前,还包括:
判断最大情绪指数是否大于预设值;
若是,则获取最大情绪指数对应的情绪类型;
否则启动客服终端设备的摄像头重新采集该用户的人脸图像。
4.根据权利要求1所述的信息推荐方法,其特征在于,所述根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息的步骤,包括:
当所述情绪类型为高兴、喜悦或满意的积极情绪时,从数据库中查询与当前指定内容信息相似的推荐内容信息;
否则从数据库中查询与当前指定内容信息相对的推荐内容信息。
5.根据权利要求1所述的信息推荐方法,其特征在于,所述将人脸特征信息输入微表情识别模型进行微表情分析之前,还包括:
获取人脸图像样本集及各人脸图像样本对应已确定的样本情绪类型;
利用所述人脸图像样本集和样本情绪类型对卷积神经网络模型进行训练,直至收敛时,得到微表情识别模型。
6.根据权利要求5所述的信息推荐方法,其特征在于,所述利用所述人脸图像样本集和样本情绪类型对卷积神经网络模型进行训练之后,还包括:
基于预设的损失函数,计算卷积神经网络模型的损失;
当损失高于一定值时,调整所述卷积神经网络模型中各节点之间连接的权重参数,对卷积神经网络模型重新训练,直至得到最佳权重参数。
7.一种信息推荐装置,其特征在于,包括:
启动模块,用于在客服终端设备的界面上展示内容信息,当检测到当前处于显示状态的是指定内容信息时,启动客服终端设备的摄像头;
控制模块,用于控制所述摄像头采集所述客服终端设备的显示屏前的浏览所述指定内容信息用户的人脸图像,并从所述人脸图像中提取出人脸特征信息;
分析模块,用于将人脸特征信息输入微表情识别模型进行微表情分析,获取所述用户的情绪类型;其中,所述微表情识别模型为训练合格的卷积神经网络模型;
显示模块,用于根据所述情绪类型从数据库中查询与所述指定内容信息相关联的推荐内容信息,将所述推荐内容信息放置在所述客服终端设备的界面的指定位置上进行显示;其中,每个情绪类型对应至少一种推荐内容信息;
其中,分析模块具体用于:利用微表情识别模型提取出人脸特征信息对应的第一特征向量;
将第一特征向量与微表情数据库中的情绪类型对应的第二特征向量进行距离度量,从微表情数据库中获取与所述第一特征向量的距离相近的第二特征向量作为目标特征向量;
根据所述目标特征向量计算用户各情绪类型的情绪指数,获取最大情绪指数对应的情绪类型;
所述根据所述目标特征向量计算用户各情绪类型的情绪指数包括;
根据每个目标特征向量所属的情绪类型,计算该用户各个情绪类型的目标特征向量的个数,作为各个情绪类型的情绪指数。
8.一种终端,其特征在于,包括存储器和处理器,所述存储器中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,使得所述处理器执行如权利要求1至6中任一项所述的信息推荐方法的步骤。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至6中任一项所述的信息推荐方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910441455.XA CN110321477B (zh) | 2019-05-24 | 2019-05-24 | 信息推荐方法、装置、终端及存储介质 |
PCT/CN2019/115771 WO2020238023A1 (zh) | 2019-05-24 | 2019-11-05 | 信息推荐方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910441455.XA CN110321477B (zh) | 2019-05-24 | 2019-05-24 | 信息推荐方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110321477A CN110321477A (zh) | 2019-10-11 |
CN110321477B true CN110321477B (zh) | 2022-09-09 |
Family
ID=68119339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910441455.XA Active CN110321477B (zh) | 2019-05-24 | 2019-05-24 | 信息推荐方法、装置、终端及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110321477B (zh) |
WO (1) | WO2020238023A1 (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321477B (zh) * | 2019-05-24 | 2022-09-09 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、终端及存储介质 |
CN112685596B (zh) * | 2019-10-18 | 2023-04-14 | 中移(苏州)软件技术有限公司 | 视频推荐方法及装置、终端、存储介质 |
CN110784763B (zh) * | 2019-11-07 | 2021-11-02 | 深圳创维-Rgb电子有限公司 | 显示终端控制方法、显示终端及可读存储介质 |
CN111177459A (zh) * | 2019-12-14 | 2020-05-19 | 华为技术有限公司 | 信息推荐方法、装置、电子设备及计算机可读存储介质 |
CN111144906A (zh) * | 2019-12-26 | 2020-05-12 | 联想(北京)有限公司 | 一种数据处理方法、装置及电子设备 |
CN111178294A (zh) * | 2019-12-31 | 2020-05-19 | 北京市商汤科技开发有限公司 | 状态识别方法、装置、设备及存储介质 |
CN111291184B (zh) * | 2020-01-20 | 2023-07-18 | 百度在线网络技术(北京)有限公司 | 表情的推荐方法、装置、设备及存储介质 |
CN112912915A (zh) * | 2020-03-31 | 2021-06-04 | 浙江核新同花顺网络信息股份有限公司 | 一种当前页面信息刷新方法和*** |
CN113472834A (zh) * | 2020-04-27 | 2021-10-01 | 海信集团有限公司 | 一种对象推送方法及设备 |
CN111708939B (zh) * | 2020-05-29 | 2024-04-16 | 平安科技(深圳)有限公司 | 基于情绪识别的推送方法、装置、计算机设备及存储介质 |
CN112016001A (zh) * | 2020-08-17 | 2020-12-01 | 上海掌门科技有限公司 | 好友推荐方法、设备及计算机可读介质 |
CN111951930B (zh) * | 2020-08-19 | 2021-10-15 | 中食安泓(广东)健康产业有限公司 | 一种基于大数据的情绪鉴定*** |
CN112214667B (zh) * | 2020-09-18 | 2023-06-30 | 建信金融科技有限责任公司 | 基于三维模型的信息推送方法、装置、设备及存储介质 |
CN114443182A (zh) * | 2020-10-30 | 2022-05-06 | 深圳Tcl数字技术有限公司 | 一种界面切换方法、存储介质及终端设备 |
CN112328813B (zh) * | 2020-10-30 | 2023-08-25 | 中国平安人寿保险股份有限公司 | 基于ai的推荐信息生成方法、装置及计算机设备 |
CN112464025B (zh) * | 2020-12-17 | 2023-08-01 | 当趣网络科技(杭州)有限公司 | 视频推荐方法、装置、电子设备及介质 |
CN112732953B (zh) * | 2020-12-30 | 2024-04-12 | 上海众源网络有限公司 | 推荐方法、样本分析方法、装置、电子设备和存储介质 |
CN112966128A (zh) * | 2021-02-23 | 2021-06-15 | 武汉大学 | 基于实时情感识别的自媒体内容推荐方法 |
CN112948691B (zh) * | 2021-03-29 | 2022-12-13 | 建信金融科技有限责任公司 | 实体场所的体验指标计算方法和装置 |
CN113515335A (zh) * | 2021-05-20 | 2021-10-19 | 口碑(上海)信息技术有限公司 | 一种服务信息展示形式的确定方法、装置以及电子设备 |
CN113315876B (zh) * | 2021-05-27 | 2023-01-20 | 中国银行股份有限公司 | 电话银行服务控制方法、装置、服务器及存储介质 |
CN113239233B (zh) * | 2021-05-31 | 2024-06-25 | 平安科技(深圳)有限公司 | 个性化图像推荐方法、装置、设备及存储介质 |
CN113469704A (zh) * | 2021-06-10 | 2021-10-01 | 云南电网有限责任公司 | 一种自动推荐客户服务策略的***和方法 |
CN113469785A (zh) * | 2021-06-29 | 2021-10-01 | 深圳市点购电子商务控股股份有限公司 | 一种多人会话建立的方法、装置及计算机设备 |
CN113794803B (zh) * | 2021-08-06 | 2023-02-24 | 维沃移动通信(杭州)有限公司 | 未读消息提示方法、装置、电子设备及介质 |
CN113628008A (zh) * | 2021-08-11 | 2021-11-09 | 中国工商银行股份有限公司 | 智能营销方法、装置、设备及介质 |
CN113643047B (zh) * | 2021-08-17 | 2024-05-10 | 中国平安人寿保险股份有限公司 | 虚拟现实控制策略的推荐方法、装置、设备及存储介质 |
CN113724544B (zh) * | 2021-08-30 | 2023-08-22 | 安徽淘云科技股份有限公司 | 一种播放方法及其相关设备 |
TR2021013962A2 (tr) * | 2021-09-06 | 2021-09-21 | Inc Yazilim Coezuemleri Ticaret Ltd Sirketi | Yüzden karakter anali̇zi̇ yapan bi̇r si̇stem |
CN113992745B (zh) * | 2021-10-20 | 2024-03-22 | 平安银行股份有限公司 | 活动信息推送方法、装置、电子设备及存储介质 |
CN113742599B (zh) * | 2021-11-05 | 2022-03-18 | 太平金融科技服务(上海)有限公司深圳分公司 | 内容推荐方法、装置、设备及计算机可读存储介质 |
CN114170356B (zh) * | 2021-12-09 | 2022-09-30 | 米奥兰特(浙江)网络科技有限公司 | 线上路演方法、装置、电子设备及存储介质 |
CN114287938B (zh) * | 2021-12-13 | 2024-02-13 | 重庆大学 | 建筑环境中人体参数的安全区间获得方法和设备 |
CN117499477B (zh) * | 2023-11-16 | 2024-06-07 | 北京易华录信息技术股份有限公司 | 一种基于大模型训练的信息推送方法以及*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10275583B2 (en) * | 2014-03-10 | 2019-04-30 | FaceToFace Biometrics, Inc. | Expression recognition in messaging systems |
CN107169002A (zh) * | 2017-03-31 | 2017-09-15 | 咪咕数字传媒有限公司 | 一种基于脸识别的个性化界面推送方法及装置 |
US10489690B2 (en) * | 2017-10-24 | 2019-11-26 | International Business Machines Corporation | Emotion classification based on expression variations associated with same or similar emotions |
CN109583970A (zh) * | 2018-12-14 | 2019-04-05 | 深圳壹账通智能科技有限公司 | 广告投放方法、装置、计算机设备及存储介质 |
CN109767261A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109785066A (zh) * | 2019-01-17 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 基于微表情的产品推荐方法、装置、设备及存储介质 |
CN110321477B (zh) * | 2019-05-24 | 2022-09-09 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、终端及存储介质 |
-
2019
- 2019-05-24 CN CN201910441455.XA patent/CN110321477B/zh active Active
- 2019-11-05 WO PCT/CN2019/115771 patent/WO2020238023A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2020238023A1 (zh) | 2020-12-03 |
CN110321477A (zh) | 2019-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321477B (zh) | 信息推荐方法、装置、终端及存储介质 | |
CN109558535B (zh) | 基于人脸识别的个性化推送物品的方法及*** | |
US10176198B1 (en) | Techniques for identifying visually similar content | |
US9875258B1 (en) | Generating search strings and refinements from an image | |
WO2020182121A1 (zh) | 表情识别方法及相关装置 | |
WO2021238722A1 (zh) | 资源推送方法、装置、设备及存储介质 | |
CN107633203A (zh) | 面部情绪识别方法、装置及存储介质 | |
CN105426850A (zh) | 一种基于人脸识别的关联信息推送设备及方法 | |
KR102576344B1 (ko) | 비디오를 처리하기 위한 방법, 장치, 전자기기, 매체 및 컴퓨터 프로그램 | |
WO2021114936A1 (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN112948575B (zh) | 文本数据处理方法、装置和计算机可读存储介质 | |
CN110598120A (zh) | 基于行为数据的理财推荐方法及装置、设备 | |
CN106537387B (zh) | 检索/存储与事件相关联的图像 | |
CN116821475B (zh) | 基于客户数据的视频推荐方法、装置及计算机设备 | |
CN113657087A (zh) | 信息的匹配方法及装置 | |
CN110688565A (zh) | 基于多维霍克斯过程和注意力机制的下一个物品推荐方法 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
CN111798259A (zh) | 应用推荐方法、装置、存储介质及电子设备 | |
CN114201516A (zh) | 一种用户画像构建的方法、信息推荐的方法以及相关装置 | |
Bența et al. | Towards real-life facial expression recognition systems | |
CN110032685A (zh) | 馈送优化 | |
WO2020207297A1 (zh) | 信息处理方法、存储介质及电子设备 | |
CN114816180A (zh) | 一种内容浏览引导方法、装置、电子设备和存储介质 | |
CN107423441A (zh) | 一种图片关联方法及其装置、电子设备 | |
CN111814812A (zh) | 建模方法、装置、存储介质、电子设备及场景识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |