CN110458644A - 一种信息处理方法及相关设备 - Google Patents
一种信息处理方法及相关设备 Download PDFInfo
- Publication number
- CN110458644A CN110458644A CN201910604331.9A CN201910604331A CN110458644A CN 110458644 A CN110458644 A CN 110458644A CN 201910604331 A CN201910604331 A CN 201910604331A CN 110458644 A CN110458644 A CN 110458644A
- Authority
- CN
- China
- Prior art keywords
- target user
- information
- image
- target
- service product
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 26
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000009471 action Effects 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000003062 neural network model Methods 0.000 claims abstract description 20
- 230000008921 facial expression Effects 0.000 claims description 31
- 230000002996 emotional effect Effects 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000010195 expression analysis Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 239000000523 sample Substances 0.000 claims description 7
- 238000012797 qualification Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000036651 mood Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 34
- 230000008569 process Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 6
- 238000005381 potential energy Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001755 vocal effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例涉及生物识别技术领域，具体公开了一种信息处理方法及相关设备，该方法包括：获取目标用户的身份信息；基于预先建立的用户数据库，确定与身份信息匹配的行为轨迹，具体包括：如身份信息为目标用户的图像信息，根据目标检测算法对图像信息进行区域检测，确定图像信息中包含人脸的目标区域，将目标区域中的面部图像组成输入数据，将输入数据输入到预先训练好的神经网络模型，得到面部图像的对应特征向量，将特征向量与用户库数据中的模板向量比对，得到与目标用户匹配的行为轨迹；根据行为轨迹确定与目标用户匹配的业务产品，向预设终端发送业务产品，以向目标用户推荐业务产品。本申请有利于提高推荐成功率。
Description
技术领域
本申请涉及生物识别技术领域，具体涉及一种信息处理方法及相关设备。
背景技术
随着人们生活水平的提高，经济体制的完善，越来越多的线下银行出现，而且，每天在银行营业厅中会有很多人办理业务的客户，而银行工作人员只能根据客户的需求为客户办理相应的业务，对于银行工作人员无法知晓每个客户的潜在需求。例如，银行大堂基金销售人员无法确定哪些客户具有购买基金的意向，从而对这些潜在客户进行基金产品推荐，再如，***业务人员无法知晓哪部分客户需要办理***，从而无法对这些用户进行***的推荐。
现有技术中进行产品推荐时，对客户资源利用低，针对性低。
发明内容
本申请实施例提供了一种信息处理方法及相关设备，以期通过信息匹配进行业务产品推荐，以提高产品推荐的成功率。
第一方面，本申请实施例提供一种信息处理方法，包括：
获取目标用户的身份信息；
基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体包括：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹；
根据所述行为轨迹确定与所述目标用户匹配的业务产品，向预设终端发送所述业务产品，以向所述目标用户推荐所述业务产品。
第二方面，本申请实施例提供一种信息处理装置，包括：
获取单元，用于获取目标用户的身份信息；
匹配单元，用于基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体用于：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹；
确定单元，用于根据所述行为轨迹确定与所述目标用户匹配的业务产品，向预设终端发送所述业务产品，以向所述目标用户推荐所述业务产品。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如第一方面所述的方法中的步骤的指令。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得计算机执行如第一方面所述的方法。
实施本申请实施例，具有如下有益效果：
可以看出，在本申请的实施例中，获取用户信息，查找与用户信息对应的行为轨迹，根据行为轨迹确定匹配的业务产品，从而进行针对性的业务推荐，提高业务推荐的效率，以及成功率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。
图1为本申请实施例提供的一种信息处理方法的流程示意图；
图1A为本申请实施例提供的一种组成输入数据的示意图；
图2为本申请实施例提供的另一种信息处理方法的流程示意图；
图3为本申请实施例提供的另一种信息处理方法的流程示意图；
图4为本申请实施例提供的一种信息处理装置的结构示意图；
图5为本申请实施例提供的一种信息处理装置的功能单元组成框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请中的信息处理装置、目标终端以及预设终端可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile Internet Devices，简称：MID)或穿戴式设备等，上述电子设备仅是举例，而非穷举，包含但不限于上述电子设备，为了描述的方便，下面实施例中将上述电子设备称为用户设备UE(User equipment，简称：UE)。当然在实际应用中，上述用户设备也不限于上述变现形式，例如还可以包括：智能车载终端、计算机设备等等。
参阅图1，图1为本申请实施例提供的一种信息处理方法，该方法应用于信息处理装置，该方法包括如步骤S101～S103中所示的内容：
步骤S101、获取目标用户的身份信息。
其中，目标用户为在银行办理业务的用户。
可选的，如该身份信息为媒体访问控制MAC地址，获取目标用户的身份信息的实现过程可以为：通过预设位置的wifi探针截取所述目标终端发送的任一帧数据，解析所述帧数据中的MAC层与物理层的信息，得到目标终端的MAC地址，其中，所述目标终端为目标用户的终端。具体来讲，可将wifi探针预先设置于银行排队机附近，当目标用户在银行排队机领取排队号时，通过该wifi探针获取所述目标终端的MAC地址，当然，还可将该wifi探针预先设置于其他位置，以获取目标终端的MAC地址，本申请不做唯一限定，例如，还可设置于银行入口处。
可选的，如该身份信息为目标用户的图像信息，获取目标用户的身份信息的实现过程可以为：通过预设位置的摄像头获取所述目标用户的图像信息，其中，该预设位置的摄像头可以为银行监控***的摄像头或者银行排队机处的摄像头。
在一可能的示例中，在获取目标用户的身份信息后，所述方法还包括：记录当前获取该目标用户的身份信息的第一时刻，获取上次获取该目标用户的身份信息的第二时刻，确定第一时刻和第二时刻的时间差，如该时间差小于时间阈值，忽略该身份信息。可以看出，在本本示例中，通过时间差判断避免频繁向目标用户频繁进行产品推荐，以减少目标用户的反感度。
其中，该时间阈值可以为1小时、1天、2天或者其他值。
步骤S102、基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体包括：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹。
其中，目标检测算法包括但不限于以下一种：R-CNN、Fast R-CNN、SPP、YOLO、SSD等。
在一可能的示例中，在将所述目标区域中的面部图像组成输入数据输入数据之前，所述方法还包括：对面部图像进行预处理操作，得到与该神经网络模型设定的尺寸对应的面部图像，以便后续组成的输入数据符合该神经网络模型的结构，其中，该预处理操作包括：裁剪、扩充、放缩，等等。
可选的，上述将所述目标区域中的面部图像组成输入数据的实现过程可以为：获取所述目标区域中的面部图像的像素矩阵；将所述像素矩阵小于第一阈值的像素值置零；获取所述神经网络模型的卷积核尺寸，根据所述卷积核尺寸将置零后的像素矩阵的零值紧邻的排列在同一列或者同一行组成输入数据，组成与所述卷积核尺寸对应的零值区域；将排列好的像素矩阵标记为输入数据。
具体来讲，对于神经网络模型来说，其运算过程一般为卷积运算，如得到与卷积核对应的零值区域，则在将输入数据与神经网络模型中的卷积核进行卷积运算时，在不损失计算精度时，无需参与运算，提高了人脸识别的速度。
其中，该第一阈值可以为2、5、10或者其他值。
可选的，根据该神经网络模型允许的损失精度调整该第一阈值。
参考图1A详细说明组成输入数据的过程。
如图1A所示，左边的矩阵为该面部图像的像素矩阵，即6*6的像素矩阵，其中，灰色部分为像素值零值的像素点，对部分像素值置零后，得到如图1A所示的中间像素矩阵，如该神经网络模型的卷积核尺寸为3*3，可按照卷积核尺寸将左边的像素矩阵中的零值紧邻的排列在左上角区域，组成一个3*3的零值区域，得到图1A所示的右边像素矩阵，即输入数据，故当该输入数据与卷积核进行卷积时，由于该3*3的零值区域中的像素值均为零，则无需进行卷积运算，直接得到卷积结果0，节省了运算时间，提高人脸识别速度。
在一可能的示例中，如所述身份信息为MAC地址，基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体包括：将所述MAC地址与所述用户库数据中的MAC地址集进行比对，得到与所述MAC地址匹配的目标MAC地址，将所述目标MAC地址对应的行为轨迹作为所述目标用户的行为轨迹。
步骤S103、根据所述行为轨迹确定与所述目标用户匹配的业务产品，向预设终端发送所述业务产品，以向所述目标用户推荐所述业务产品。
可选的，如所述行为轨迹包括所述目标用户的个人信息、财产信息和已办理业务，根据所述行为轨迹确定与所述目标用户匹配的业务产品的实现过程可以为：根据所述财产信息确定所述目标用户可办理业务集；根据所述已办理业务信息以及所述可办理业务集确定所述目标用户的未办理业务集，即获取该可办理业务集与已办理业务的差集，将该差集作为该待办理业务集；将所述未办理业务集作为所述目标用户的待办理业务集；根据所述个人信息确定所述待办理业务集中所述目标用户具备***的至少一个待办理业务；将所述至少一个待办理业务标记为与所述目标用户匹配的业务产品。
其中，该财产信息包括存款信息、可抵押资产信息等；
其中，个人信息包括姓名、职业、年龄、性别等。
举例来说，如该目标用户的存款信息对应的可办理业务信息集为：可购买目前在售基金或股票、办理***、办理存款、贷款，如该目标用户的已办理业务信息包括贷款业务、定期存款业务以及***开户，如该目标用户满足年龄条件购买基金的限制，例如，该用户年龄为25周岁，则确定该目标用户对应的待办理业务为购买在售基金或者股票，则将该在售基金或者股票作为与该目标用户匹配的业务产品。
可选的，该预设终端为与该业务产品对应的业务人员的终端设备，向预设终端发送所述业务产品的实现过程可以为：获取该目标用户在排队机中领取的叫号号码，在轮值到该目标用户时；获取该叫号号码所在的业务窗口，将该目标用户的身份信息、所述业务产品以及该业务窗口发送到所述终端设备，以便所述业务人员在该业务窗口为该目标用户推荐该业务产品。
可以看出，在本申请的实施例中，获取在银行办理业务的人员的身份信息，查找与用户信息对应的行为轨迹，根据行为轨迹确定匹配的业务产品，提高了对银行资源的利用率；根据行为轨迹进行针对性的业务推荐，解决了现有技术中盲目推荐业务产品的问题，提高业务推荐的效率，以及成功率。
在一可能的示例中，所述方法还包括：
如至少一个业务产品的数量为多个时，确定所述多个业务产品中每个业务产品与已办理业务的关联度；据关联度的高低顺序对所述多个业务产品进行优先级排序，得到排序结果；根据所述排序结果依次将所述多个业务产品发送到对应的预设终端。可以看出，在本示例中，当匹配到多个业务产品时，对业务产品进行优先级排序，以进行针对性推荐，提高推荐成功率。
可选的，确定所述多个待办理业务中每个待办理业务与已办理业务的关联度的实现过程可以为：获取待办理业务和已办理业务各自的业务类型，根据业务类型确定每个待办理业务与已办理业务的关联度，即确定业务类型相同的业业务产品对应的关联度最高，可设置关联度为1。
举例来说，如该待办理业务集包括的待办理业务为购买股票、办理***、办理社保卡等等，已办理业务包括购买基金，则确定购买股票与基金的业务类型相同(即理财产品)，确定两者的关联度最高，优先向基金业务经理推送该目标用户具有购买基金的资格和意向，以便基金业务经理优先向该目标用户推荐基金产品，提高对业务产品的推荐成功率。
在一可能的示例中，在确定出该业务产品后，所述方法还包括：
获取所述业务产品的产品类型；在所述产品类型为金融产品时，根据所述目标用户的资产信息确定对所述金融产品的待投入金额或追加金额；所述向预设终端发送所述业务产品包括：向所述预设终端发送所述业务产以及所述业务产品对应的所述待投入金额或者所述追加金额。
在一可能的示例中，所述方法还包括：
在确定所述业务产品后，从用户库数据库中获取与所述目标用户对应的家族画像，根据所述家族画像确定所述目标用户的家族成员是否具备所述业务产品业务的***，如是，将所述家族画像发送给所述预设终端，指示所述预设终端的业务人员向所述目标用户和/或所述目标用户的家族成员推荐所述业务产品，从而增加了推荐渠道，提高推荐成功率。
在一可能的示例中，在向预设终端发送所述业务产品之后，所述方法还包括：在向所述目标用户推荐所述业务产品时，获取所述目标用户的微表情图像；对所述面部图像进行微表情分析，得到所述目标用户的情绪信息，根据所述情绪信息确定所述目标用户对所述业务产品的感兴趣等级，如所述感兴趣等级小于第二阈值，向所述预设终端发送预设的提示信息，所述提示信息用于提示终止向所述目标用户推荐所述业务产品。在本示例中，通过微表情分析，实时得到目标用户的情绪信息，及时终止产品推荐，减少目标用户对产品推荐的反感度，避免盲目推荐，提高产品推荐效率和成功率。
可选的，在上述可能的示例中，对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息的实现过程可以为：将所述微表情图像进行RGB通道分解，得到与所述RGB通道对应的三个灰度图像；将所述三个灰度图像中每个灰度图像的灰度值从[0,255]二值化到[0,1]，得到所述RGB三个通道的输入数据；分别对各个通道的输入数据进行卷积运算，得到各个通道的特征向量；确定所述RGB通道的特征向量的均值，将所述均值作为所述微表情图像对应的特征向量，将所述特征向量输入到softmax分类器，得到所述目标用户对应的情绪信息。通过多通道进行微表情识别，提高了微表情识别的精度。
可选的，在上述可能的示例中，对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息的实现过程可以为：采用方向梯度直方图对所述微表情图像特征进行提取，得到M个特征点；根据预设的特征维数对所述微表情图像建立多维表情空间，得到所述多维表情空间中的N个基本表情点；根据所述N个基本表情点确定所述M个特征点中每个特征点在所述多维表情空间中的势能；根据所述每个特征点在所述多维表情空间中的势能确定每个特征点对应的表情信息，即与模板势能进行匹配得到每个特征点对应的表情信息；综合每个特征点对应的表情信息，得到所述目标用户的情绪信息；其中，每个基本表情点在该多维表情空间中对应一个基本坐标，每个特征点在所述多维表情空间中对应的一个特征坐标。在本示例中通过特征点更为细小的粒度进行微表情识别，进一步提高微表情识别的精度。
其中，通过如下公式确定每个特征点在该多维表情空间中的势能：
其中，j为所述M个特征点中的第j个特征点，为所述N个基本表情点中的第i个基本表情点,α为预设的衰减系数，为所述第j个特征点与所述第i个基本表情点之间的欧氏距离，为所述第j个特征点相对于所述第i个基本表情点的势能，E(s)为所述第j个特征点的势能，1≤j≤M，1≤i≤N。
在一可能的示例中，所述方法还包括：
实时采集所述目标用户的面部图像，得到至少一个第一图像，根据所述至少一个第一图像确定是否有业务人员向所述目标用户进行业务推荐，如是，确定有业务人员向所述目标用户进行业务推荐，如否，确定未进行业务推荐，并实时对出口处采集到的面部图像进行身份识别，如在出口处检测到所述目标用户的面部图像时，将所述目标用户的面部图像以及与所述目标用户匹配的业务产品进行关联存储，以便下次检测到所述标用户的面部图像时，直接进行业务推荐，无需进行业务匹配，从而提高推荐效率。
在上述可能的示例中，根据所述至少一个第一图像确定是否有业务人员向所述目标用户进行业务推荐的实现过程可以为：对所述至少一个第一图像进行人脸检测，确定所述至少一个第一图像中至少包括两个人脸的第一图像；对所述至少包括两个人脸的第一图像进行身份识别，确定所述至少包括两个人脸的第一图像中是否包含业务人员的面部图像，根据所述是否包含业务人员的面部图像确定是否有业务人员向所述目标用户进行业务推荐。
参阅图2，图2为本申请实施例提供的另一种信息处理方法的流程示意图，该方法应用于信息处理装置，该方法包括如步骤S201～S203中所示的内容：
步骤S201、获取目标用户的身份信息。
步骤S202、基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体包括：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹。
步骤S203、根据所述行为轨迹确定与所述目标用户匹配的业务产品，向预设终端发送所述业务产品，以向所述目标用户推荐所述业务产品。
步骤S204、在向所述目标用户推荐所述业务产品时，获取所述目标用户的微表情图像。
步骤S205、对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息，根据所述情绪信息确定所述目标用户对所述业务产品的感兴趣等级，如所述感兴趣等级小于第二阈值，向所述预设终端发送预设的提示信息。
需要说明的是，图2所示的方法的各个步骤的具体实现过程可参见上述图1所述方法的具体实现过程，在此不再叙述。
可以看出，在本申请的实施例中，获取在银行办理业务的人员的身份信息，查找与用户信息对应的行为轨迹，根据行为轨迹确定匹配的业务产品，提高了对银行资源的利用率；根据行为轨迹进行针对性的业务推荐，解决了现有技术中盲目推荐业务产品的问题，提高业务推荐的效率，以及成功率；而且，在对目标用户进行产品推荐时，对该目标用户进行微表情分析，在用户反感时，终止产品推荐，避免了无效的产品推荐，在提高产品推荐效率的时候，减少了用户的反感度，提升用户体验。
参阅图3，图3为本申请实施例提供的另一种信息处理方法的流程示意图，该方法应用于信息处理装置，该方法包括如步骤S301～S306中所示的内容：
步骤S301、获取目标用户的身份信息。
步骤S302、基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体包括：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹。
步骤S303、根据所述行为轨迹确定与所述目标用户匹配的业务产品。
步骤S304、从用户库数据库中获取与所述目标用户对应的家族画像，根据所述家族画像确定所述目标用户的家族成员是否具备所述业务产品业务的***，如是，向预设终端发送所述业务产品和所述家族画像，以向所述目标用户和/或所述目标用户的家族成员推荐所述业务产品。
步骤S305、在向所述目标用户和/或所述目标用户的家族成员推荐所述业务产品时，获取所述目标用户的微表情图像。
步骤S306、对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息，根据所述情绪信息确定所述目标用户对所述业务产品的感兴趣等级，如所述感兴趣等级小于第二阈值，向所述预设终端发送预设的提示信息。
需要说明的是，图3所示的方法的各个步骤的具体实现过程可参见上述图1所述方法的具体实现过程，在此不再叙述。
可以看出，在本申请的实施例中，获取在银行办理业务的人员的身份信息，查找与用户信息对应的行为轨迹，根据行为轨迹确定匹配的业务产品，提高了对银行资源的利用率；根据行为轨迹进行针对性的业务推荐，解决了现有技术中盲目推荐业务产品的问题，提高业务推荐的效率，以及成功率；而且，获取该目标用户的家族画像，确定是否对家族成员进行该业务产品的推荐，增加了产品推荐的方式，提高推荐成功率；另外，在对目标用户和/或目标用户的家族成员进行产品推荐时，对该目标用户进行微表情分析，在用户反感时，终止产品推荐，避免了无效的产品推荐，在提高产品推荐效率的时候，减少了用户的反感度，提升用户体验。
与上述图1、图2、图3所示的实施例一致的，请参阅图4，图4为本申请实施例提供的一种信息处理装置400的结构示意图，如图4所示，信息处理装置400包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序不同于上述一个或多个应用程序，且上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
获取目标用户的身份信息；
基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体包括：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹；
根据所述行为轨迹确定与所述目标用户匹配的业务产品，向预设终端发送所述业务产品，以向所述目标用户推荐所述业务产品。
在一可能的示例中，在获取目标用户的身份信息方面，上述程序具体用于执行以下步骤的指令：如身份信息为媒体访问控制MAC地址，通过预设位置的wifi探针截取目标终端发送的任意一帧数据，解析所述帧数据中的MAC层与物理层的信息，得到所述目标终端的MAC地址，其中，所述目标终端为目标用户的终端；如身份信息为所述目标用户的图像信息，通过预设位置的摄像头获取所述目标用户的图像信息。
在一可能的示例中，在将所述目标区域中的面部图像组成输入数据方面，上述程序具体用于执行以下步骤的指令：获取所述目标区域中的面部图像的像素矩阵；将所述像素矩阵中小于第一阈值的像素值置零；获取所述神经网络模型的卷积核尺寸，根据所述卷积核尺寸将置零后的像素矩阵中的零值紧邻排列在同一列或者同一行组成输入数据，组成与所述卷积核尺寸对应的零值区域；将排列好的像素矩阵标记为输入数据。
在一可能的示例中，如所述行为轨迹包括所述目标用户的个人信息、财产信息和已办理业务，在根据所述行为轨迹确定与所述目标用户匹配的业务产品方面，上述程序具体用于执行以下步骤的指令：根据所述财产信息确定所述目标用户可办理业务集；根据所述已办理的业务以及所述可办理业务集确定所述目标用户的未办理业务集；将所述未办理业务集作为所述目标用户待办理业务集；根据所述个人信息确定所述待办理业务集中所述目标用户具备***的至少一个待办理业务；将所述至少一个待办理业务标记为与所述目标用户匹配的业务产品。
在一可能的示例中，上述程序还用于执行以下步骤的指令：获取所述业务产品的产品类型；在所述产品类型为金融产品时，根据所述目标用户的资产信息确定对所述金融产品的待投入金额或追加金额；
在向预设终端发送所述业务产品方面，上述程序具体用于执行以下步骤的指令：向所述预设终端发送所述业务产以及所述业务产品对应的所述待投入金额或者所述追加金额。
在一可能的示例中，上述程序还用于执行以下步骤的指令：在向所述目标用户推荐所述业务产品时，获取所述目标用户的微表情图像；对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息，根据所述情绪信息确定所述目标用户对所述业务产品的感兴趣等级，如所述感兴趣等级小于第二阈值，向所述预设终端发送预设的提示信息，所述提示信息用于提示终止向所述目标用户推荐所述业务产品。
在一可能的示例中，在对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息方面，上述程序具体用于执行以下步骤的指令：将所述微表情图像进行RGB通道分解，得到与所述RGB通道对应的三个灰度图像；将所述三个灰度图像中每个灰度图像的灰度值从[0,255]二值化到[0,1]，得到所述RGB三个通道的输入数据；分别对各个通道的输入数据进行卷积运算，得到各个通道的特征向量；确定所述RGB通道的特征向量的均值，将所述均值作为所述微表情图像对应的特征向量，将所述特征向量输入到softmax分类器，得到所述目标用户对应的情绪信息。
参阅图5，图5示出了上述实施例中所涉及的信息处理装置500的一种可能的功能单元组成框图，电子设备500包括：获取单元510、匹配单元520和确定单元530，其中：
获取单元510，用于获取目标用户的身份信息；
匹配单元520，用于基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体包括：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹；
确定单元530，用于根据所述行为轨迹确定与所述目标用户匹配的业务产品，向预设终端发送所述业务产品，以向所述目标用户推荐所述业务产品。
在一可能的示例中，在获取目标用户的身份信息方面，获取单元510具体用于：如身份信息为媒体访问控制MAC地址，通过预设位置的wifi探针截取目标终端发送的任意一帧数据，解析所述帧数据中的MAC层与物理层的信息，得到所述目标终端的MAC地址，其中，所述目标终端为目标用户的终端；如身份信息为所述目标用户的图像信息，通过预设位置的摄像头获取所述目标用户的图像信息。
在一可能的示例中，在将所述目标区域中的面部图像组成输入数据方面，匹配单元520，具体用于：获取所述目标区域中的面部图像的像素矩阵；将所述像素矩阵中小于第一阈值的像素值置零；获取所述神经网络模型的卷积核尺寸，根据所述卷积核尺寸将置零后的像素矩阵中的零值紧邻排列在同一列或者同一行组成输入数据，组成与所述卷积核尺寸对应的零值区域；将排列好的像素矩阵标记为输入数据。
在一可能的示例中，如所述行为轨迹包括所述目标用户的个人信息、财产信息和已办理业务，在根据所述行为轨迹确定与所述目标用户匹配的业务产品方面，确定单元530，具体用于：根据所述财产信息确定所述目标用户可办理业务集；根据所述已办理的业务以及所述可办理业务集确定所述目标用户的未办理业务集；将所述未办理业务集作为所述目标用户待办理业务集；根据所述个人信息确定所述待办理业务集中所述目标用户具备***的至少一个待办理业务；将所述至少一个待办理业务标记为与所述目标用户匹配的业务产品。
在一可能的示例中，确定单元530，还用于获取所述业务产品的产品类型；
在所述产品类型为金融产品时，根据所述目标用户的资产信息确定对所述金融产品的待投入金额或追加金额；在向预设终端发送所述业务产品方面，确定单元530，具体用于：向所述预设终端发送所述业务产以及所述业务产品对应的所述待投入金额或者所述追加金额。
在一可能的示例中，信息处理装置500还包括：提示单元540；
提示单元540，用于在向所述目标用户推荐所述业务产品时，获取所述目标用户的微表情图像；对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息，根据所述情绪信息确定所述目标用户对所述业务产品的感兴趣等级，如所述感兴趣等级小于第二阈值，向所述预设终端发送预设的提示信息，所述提示信息用于提示终止向所述目标用户推荐所述业务产品。
在一可能的示例中，在对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息方面，提示单元540，具体用于：将所述微表情图像进行RGB通道分解，得到与所述RGB通道对应的三个灰度图像；将所述三个灰度图像中每个灰度图像的灰度值从[0,255]二值化到[0,1]，得到所述RGB三个通道的输入数据；分别对各个通道的输入数据进行卷积运算，得到各个通道的特征向量；确定所述RGB通道的特征向量的均值，将所述均值作为所述微表情图像对应的特征向量，将所述特征向量输入到softmax分类器，得到所述目标用户对应的情绪信息。
本申请实施例还提供一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种信息处理方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种信息处理方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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，在本申请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，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种信息处理方法，其特征在于，包括：
获取目标用户的身份信息；
基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体包括：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹；
根据所述行为轨迹确定与所述目标用户匹配的业务产品，向预设终端发送所述业务产品，以向所述目标用户推荐所述业务产品。
2.根据权利要求1所述的方法，其特征在于，所述获取目标用户的身份信息，包括：
如身份信息为媒体访问控制MAC地址，通过预设位置的wifi探针截取目标终端发送的任意一帧数据，解析所述帧数据中的MAC层与物理层的信息，得到所述目标终端的MAC地址，其中，所述目标终端为目标用户的终端；
如身份信息为所述目标用户的图像信息，通过预设位置的摄像头获取所述目标用户的图像信息。
3.根据权利要求1或2所述的方法，其特征在于，所述将所述目标区域中的面部图像组成输入数据，包括：
获取所述目标区域中的面部图像的像素矩阵；
将所述像素矩阵中小于第一阈值的像素值置零；
获取所述神经网络模型的卷积核尺寸，根据所述卷积核尺寸将置零后的像素矩阵中的零值紧邻排列在同一列或者同一行组成输入数据，组成与所述卷积核尺寸对应的零值区域；
将排列好的像素矩阵标记为输入数据。
4.根据权利要求1-3任一项所述的方法，其特征在于，如所述行为轨迹包括所述目标用户的个人信息、财产信息和已办理业务，所述根据所述行为轨迹确定与所述目标用户匹配的业务产品，包括：
根据所述财产信息确定所述目标用户可办理业务集；
根据所述已办理的业务以及所述可办理业务集确定所述目标用户的未办理业务集；
将所述未办理业务集作为所述目标用户待办理业务集；
根据所述个人信息确定所述待办理业务集中所述目标用户具备***的至少一个待办理业务；
将所述至少一个待办理业务标记为与所述目标用户匹配的业务产品。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取所述业务产品的产品类型；
在所述产品类型为金融产品时，根据所述目标用户的资产信息确定对所述金融产品的待投入金额或追加金额；
所述向预设终端发送所述业务产品包括：向所述预设终端发送所述业务产以及所述业务产品对应的所述待投入金额或者所述追加金额。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在向所述目标用户推荐所述业务产品时，获取所述目标用户的微表情图像；
对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息，根据所述情绪信息确定所述目标用户对所述业务产品的感兴趣等级，如所述感兴趣等级小于第二阈值，向所述预设终端发送预设的提示信息，所述提示信息用于提示终止向所述目标用户推荐所述业务产品。
7.根据权利要求6所述的方法，其特征在于，所述对所述微表情图像进行微表情分析，得到所述目标用户的情绪信息，包括：
将所述微表情图像进行RGB通道分解，得到与所述RGB通道对应的三个灰度图像；
将所述三个灰度图像中每个灰度图像的灰度值从[0,255]二值化到[0,1]，得到所述RGB三个通道的输入数据；
分别对各个通道的输入数据进行卷积运算，得到各个通道的特征向量；
确定所述RGB通道的特征向量的均值，将所述均值作为所述微表情图像对应的特征向量，将所述特征向量输入到softmax分类器，得到所述目标用户对应的情绪信息。
8.一种信息处理装置，其特征在于，包括：
获取单元，用于获取目标用户的身份信息；
匹配单元，用于基于预先建立的用户数据库，确定与所述身份信息匹配的行为轨迹，具体用于：如身份信息为所述目标用户的图像信息，根据目标检测算法对所述图像信息进行区域检测，确定所述图像信息中包含人脸的目标区域，将所述目标区域中的面部图像组成输入数据，将所述输入数据输入到预先训练好的神经网络模型，得到所述面部图像的对应特征向量，将所述特征向量与所述用户库数据中的模板向量比对，得到与所述目标用户匹配的行为轨迹；
确定单元，用于根据所述行为轨迹确定与所述目标用户匹配的业务产品，向预设终端发送所述业务产品，以向所述目标用户推荐所述业务产品。
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-7任一项方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910604331.9A CN110458644A (zh) | 2019-07-05 | 2019-07-05 | 一种信息处理方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910604331.9A CN110458644A (zh) | 2019-07-05 | 2019-07-05 | 一种信息处理方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110458644A true CN110458644A (zh) | 2019-11-15 |
Family
ID=68482206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910604331.9A Pending CN110458644A (zh) | 2019-07-05 | 2019-07-05 | 一种信息处理方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458644A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111753745A (zh) * | 2020-06-28 | 2020-10-09 | 中国银行股份有限公司 | 自助业务办理设备的用户使用体验处理方法及装置 |
| CN112685533A (zh) * | 2020-12-23 | 2021-04-20 | 京东方科技集团股份有限公司 | 销售员推荐方法和装置、电子设备、存储介质 |
| CN113076533A (zh) * | 2020-01-03 | 2021-07-06 | ***通信集团广东有限公司 | 一种业务处理方法及装置 |
| CN113723374A (zh) * | 2021-11-02 | 2021-11-30 | 广州通达汽车电气股份有限公司 | 一种基于视频识别用户矛盾的警报方法及相关装置 |
| US20210398133A1 (en) * | 2019-05-31 | 2021-12-23 | Boe Technology Group Co., Ltd. | User identity recognition method and device, electronic device and storage medium |
| CN114417120A (zh) * | 2020-10-28 | 2022-04-29 | 博泰车联网科技(上海)股份有限公司 | 信息推送方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230162A (zh) * | 2017-12-29 | 2018-06-29 | 泰康保险集团股份有限公司 | 保险服务推荐的方法、装置、存储介质及电子设备 |
| CN109409220A (zh) * | 2018-09-19 | 2019-03-01 | 平安科技（深圳）有限公司 | 基于人脸识别的业务引导方法、装置及存储介质 |
| CN109685611A (zh) * | 2018-12-15 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 一种产品推荐方法、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 |
| CN109829784A (zh) * | 2019-01-17 | 2019-05-31 | 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 |
-
2019
- 2019-07-05 CN CN201910604331.9A patent/CN110458644A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230162A (zh) * | 2017-12-29 | 2018-06-29 | 泰康保险集团股份有限公司 | 保险服务推荐的方法、装置、存储介质及电子设备 |
| CN109409220A (zh) * | 2018-09-19 | 2019-03-01 | 平安科技（深圳）有限公司 | 基于人脸识别的业务引导方法、装置及存储介质 |
| CN109685611A (zh) * | 2018-12-15 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 一种产品推荐方法、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 |
| CN109829784A (zh) * | 2019-01-17 | 2019-05-31 | 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 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210398133A1 (en) * | 2019-05-31 | 2021-12-23 | Boe Technology Group Co., Ltd. | User identity recognition method and device, electronic device and storage medium |
| CN113076533A (zh) * | 2020-01-03 | 2021-07-06 | ***通信集团广东有限公司 | 一种业务处理方法及装置 |
| CN113076533B (zh) * | 2020-01-03 | 2023-09-05 | ***通信集团广东有限公司 | 一种业务处理方法及装置 |
| CN111753745A (zh) * | 2020-06-28 | 2020-10-09 | 中国银行股份有限公司 | 自助业务办理设备的用户使用体验处理方法及装置 |
| CN114417120A (zh) * | 2020-10-28 | 2022-04-29 | 博泰车联网科技(上海)股份有限公司 | 信息推送方法、装置、电子设备及存储介质 |
| CN112685533A (zh) * | 2020-12-23 | 2021-04-20 | 京东方科技集团股份有限公司 | 销售员推荐方法和装置、电子设备、存储介质 |
| CN113723374A (zh) * | 2021-11-02 | 2021-11-30 | 广州通达汽车电气股份有限公司 | 一种基于视频识别用户矛盾的警报方法及相关装置 |
| CN113723374B (zh) * | 2021-11-02 | 2022-02-15 | 广州通达汽车电气股份有限公司 | 一种基于视频识别用户矛盾的警报方法及相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458644A (zh) | 一种信息处理方法及相关设备 | |
| CN108197532B (zh) | 人脸识别的方法、装置及计算机装置 | |
| TWI706333B (zh) | 欺詐交易識別方法、裝置、伺服器及儲存媒體 | |
| CN112417096B (zh) | 问答对匹配方法、装置、电子设备及存储介质 | |
| CN108805583B (zh) | 基于地址映射的电商欺诈检测方法、装置、设备及介质 | |
| CN110502694A (zh) | 基于大数据分析的律师推荐方法及相关设备 | |
| CN108763277A (zh) | 一种数据分析方法、计算机可读存储介质及终端设备 | |
| WO2019062081A1 (zh) | 业务员画像形成方法、电子装置及计算机可读存储介质 | |
| CN110111136B (zh) | 视频数据处理方法、装置、计算机设备和存储介质 | |
| CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
| CN110276243A (zh) | 分数映射方法、人脸比对方法、装置、设备及存储介质 | |
| CN111708883A (zh) | 一种基于机器学习和设备指纹的授信额度确定方法及装置 | |
| CN110046648A (zh) | 基于至少一个业务分类模型进行业务分类的方法及装置 | |
| US20220172271A1 (en) | Method, device and system for recommending information, and storage medium | |
| CN116467525A (zh) | 业务产品的推荐方法、装置、设备和存储介质 | |
| CN115018608A (zh) | 风险预测方法、装置、计算机设备 | |
| CN114066564A (zh) | 服务推荐时间确定方法、装置、计算机设备、存储介质 | |
| CN111429232A (zh) | 产品推荐方法、装置和电子设备及计算机可读存储介质 | |
| CN113254775A (zh) | 一种基于客户浏览行为序列的***产品推荐方法 | |
| CN113011968B (zh) | 账号状态的检测方法、装置和存储介质及电子设备 | |
| TWI676145B (zh) | 線上徵審方法及系統 | |
| CN111401509B (zh) | 一种终端类型的识别方法和装置 | |
| CN117437002A (zh) | 业务梳理方法、装置、计算机设备和存储介质 | |
| CN117237088A (zh) | 一种基于人脸识别的贷款审核方法、装置及存储介质 | |
| CN115049511A (zh) | 基于人工智能的标签生成方法、装置、设备及存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191115 |