CN110766502B - 商品评价方法和*** - Google Patents
商品评价方法和*** Download PDFInfo
- Publication number
- CN110766502B CN110766502B CN201810847472.9A CN201810847472A CN110766502B CN 110766502 B CN110766502 B CN 110766502B CN 201810847472 A CN201810847472 A CN 201810847472A CN 110766502 B CN110766502 B CN 110766502B
- Authority
- CN
- China
- Prior art keywords
- expression
- user
- image
- commodity
- style
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 100
- 239000013604 expression vector Substances 0.000 claims abstract description 112
- 230000001815 facial effect Effects 0.000 claims abstract description 70
- 230000014509 gene expression Effects 0.000 claims description 97
- 238000003062 neural network model Methods 0.000 claims description 36
- 238000002372 labelling Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 14
- 206010011469 Crying Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008451 emotion Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000013598 vector Substances 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种商品评价方法和***，涉及互联网领域。该方法包括：获取用户的面部图像；基于面部图像确定对应的用户表情向量组；基于用户表情向量组输出对应的商品评价。本公开能够降低用户评价商品的复杂度，进而提高用户评价商品的积极性。
Description
技术领域
本公开涉及互联网领域，尤其涉及一种商品评价方法和***。
背景技术
当用户购买商品以后，按照一般商城的流程，首先要进行分项打星，比如分别针对商品是否与描述相符、物流服务以及服务态度打星，等级有一星到五星不等，打完以后可以填写文字描述，再配上自己拍的商品的图片。
虽然对于评论有很多鼓励机制，但是仍然有大量的用户，在购买完商品以后不发表任何文字图片评论。用户不评论的原因可能有多种，例如评论对于某些用户来说是一个费时间精力的事情，并且很多人的文字能力并不是很好；第二，鼓励机制不够有吸引力，很多人未必在乎奖励，更多的是在乎自己的时间和私人空间；第三，单纯不喜欢评论事物。
发明内容
本公开要解决的一个技术问题是提供一种商品评价方法和***，能够降低用户评价商品的复杂度，进而提高用户评价商品的积极性。
根据本公开一方面，提出一种商品评价方法，包括：获取用户的面部图像；基于面部图像确定对应的用户表情向量组；基于用户表情向量组输出对应的商品评价。
可选地，基于面部图像确定对应的用户表情向量组包括：基于表情向量神经网络模型确定面部图像对应的用户表情向量组。
可选地，基于表情向量神经网络模型确定面部图像对应的用户表情向量组包括：将面部图像输入至表情向量神经网络模型，获得N*N个单元图像对应的表情向量和每个单元图像包含人脸中心的概率，其中，N*N个单元图像构成面部图像，N为自然数；将包含人脸中心的概率大于概率阈值的单元图像对应的表情向量的组合作为面部图像对应的用户表情向量组。
可选地，该方法还包括：获取样本面部图像；对样本面部图像对应的表情向量进行标注，生成表情标注文件；基于样本面部图像和表情标注文件对表情向量神经网络模型进行训练。
可选地，基于用户表情向量组输出对应的商品评价包括：基于商品评价神经网络模型输出用户表情向量组对应的商品评价，其中，商品评价包括文字评论及综合评分。
可选地，该方法还包括：获取样本表情向量；对样本表情向量对应的文字评论及综合评分进行标注，生成评价标注文件；基于样本表情向量和评价标注文件对商品评价神经网络模型进行训练。
可选地，该方法还包括：识别面部图像中的用户数，其中，用户数影响商品对应的文字评论及综合评分。
可选地，该方法还包括：响应于用户选择的图像风格，基于用户的面部图像输出对应的表情评分图。
可选地，图像风格包括原图风格、滤镜风格、表情拟合风格中的至少一种；若图像风格为原图风格，则将面部图像作为表情评分图进行输出；若图像风格为滤镜风格，则将面部图像经过滤镜处理后作为表情评分图进行输出；若图像风格为表情拟合风格，则将面部图像对应的表情信息向量组拟合在预定图像中，并将拟合表情后的图像作为表情评分图进行输出。
可选地，该方法还包括：基于表情评分图创建每个用户的用户表情相册和每个商品的商品表情相册的至少一项；其中，用户表情相册为各个用户的表情评分图的集合；商品表情相册为每个商品对应的表情评分图的集合。
可选地，该方法还包括：在预定时间向用户推送表情评分图。
根据本公开的另一方面，还提出一种商品评价***，包括：面部图像获取单元，用于获取用户的面部图像；表情向量确定单元，用于基于面部图像确定对应的用户表情向量组；商品评价确定单元，用于基于用户表情向量组输出对应的商品评价。
可选地，表情向量确定单元用于基于表情向量神经网络模型确定面部图像对应的用户表情向量组。
可选地，表情向量确定单元用于将面部图像输入至表情向量神经网络模型，获得N*N个单元图像对应的表情向量和每个单元图像包含人脸中心的概率，其中，N*N个单元图像构成面部图像，N为自然数；将包含人脸中心的概率大于概率阈值的单元图像对应的表情向量的组合作为面部图像对应的用户表情向量组。
可选地，商品评价确定单元用于基于商品评价神经网络模型输出用户表情向量组对应的商品评价，其中，商品评价包括文字评论及综合评分。
可选地，该***还包括：用户数识别单元，用于识别面部图像中的用户数，其中，用户数影响商品对应的文字评论及综合评分。
可选地，该***还包括：表情评分图输出单元，用于响应于用户选择的图像风格，基于用户的面部图像输出对应的表情评分图。
可选地，图像风格包括原图风格、滤镜风格、表情拟合风格中的至少一种；表情评分图输出单元用于若图像风格为原图风格，则将面部图像作为表情评分图进行输出；若图像风格为滤镜风格，则将面部图像经过滤镜处理后作为表情评分图进行输出；若图像风格为表情拟合风格，则将面部图像对应的表情向量组拟合在预定图像中，并将拟合表情后的图像作为表情评分图进行输出。
根据本公开的另一方面，还提出一种商品评价***，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的商品评价方法。
根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的商品评价方法的步骤。
与现有技术相比，本公开实施例利用用户面部图像确定对应的用户表情向量组，然后基于用户表情向量组输出对应的商品评价，减少了用户评价商品的时间，进而提高用户评价商品的积极性，同时还能够提高用户评价商品的趣味性。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开商品评价方法的一个实施例的流程示意图。
图2为本公开商品评价方法的另一个实施例的流程示意图。
图3为本公开商品评价***的一个实施例的结构示意图。
图4为本公开商品评价***的另一个实施例的结构示意图。
图5为本公开商品评价***的再一个实施例的结构示意图。
图6为本公开商品评价***的又一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
图1为本公开商品评价方法的一个实施例的流程示意图。
在步骤110，获取用户的面部图像。用户在收到商品后，可以进行自拍，将自拍照上传至***。用户自拍照中，可以包含微笑、哭脸、鬼脸等各种表情，可以用微笑表示满意，用哭脸表示不满意，用鬼脸表示愤怒、无可奈何等情绪。
在步骤120，基于面部图像确定对应的用户表情向量组。例如，用户自拍照后，将用户自拍照输入至表情向量神经网络模型，可以输出对应的表情向量组，其中，表情向量组中可以有一个或多个表情向量，若仅有一个用户自拍，则输出一个表情向量，若有多个用户自拍，则输出多个表情向量。
在一个实施例中，将面部图像输入至表情向量神经网络模型，获得N*N个单元图像对应的表情向量和每个单元图像包含人脸中心的概率，其中，N*N个单元图像构成面部图像，N为自然数；将包含人脸中心的概率大于概率阈值的单元图像对应的表情向量的组合作为面部图像对应的用户表情向量组。表情向量组以每人为一个单位，将自拍图片分为N×N个单元，每个单元输出该单元是一个人脸中心的概率以及人脸的表情向量。
在一个实施例中，还可以利用其他机器学习模型和算法确定用户表情向量组。
在步骤130，基于用户表情向量组输出对应的商品评价。其中，商品评价包括商品文字评论及综合评分等。
在一个实施例中，可以商品评价神经网络模型输出用户表情向量组对应的商品文字评论及综合评分等。
在上述实施例中，利用用户面部图像确定对应的用户表情向量组，然后基于用户表情向量组输出对应的商品评价，用户无需再一一撰写评论、打分、上传图片等操作，减少了用户评价商品的时间，便于用户更简单直接的对商品进行评价，进而提高用户评价商品的积极性。
在一个实施例中，可以预先训练表情向量神经网络模型。例如，先获取样本面部图像；对样本面部图像对应的表情向量进行标注，生成表情标注文件；然后，基于样本面部图像和表情标注文件对表情向量神经网络模型进行训练。以便后续用户拍了自拍照后，将自拍照输入至训练好的表情向量神经网络模型从而输出对应的表情向量组。
在一个实施例中，可以预先训练商品评价神经网络模型。例如，获取样本表情向量；对样本表情向量对应的文字评论及综合评分进行标注，生成评价标注文件；基于样本表情向量和评价标注文件对商品评价神经网络模型进行训练。以便后续将用户表情向量组输入至训练好的商品评价神经网络模型从而输出对应的商品文字评论及综合评分。其中，商品评价神经网络模型可以采用NLP(Natural Language Processing，自然语言处理)技术。
图2为本公开商品评价方法的另一个实施例的流程示意图。
在步骤210，获取用户的面部图像。
在步骤220，基于表情向量神经网络模型确定面部图像对应的用户表情向量组。
在步骤230，基于商品评价神经网络模型输出用户表情向量组对应的商品文字评论及综合评分。
在步骤240，响应于用户选择的图像风格，输出对应的表情评分图。
若用户选择的图像风格为原图风格，则将用户面部图像作为表情评分图进行输出；其中，直接输出用户的自拍照，虽然用户隐私保护度最低，但真实性最好，之后设计的表情相册最能唤起用户的记忆。
若图像风格为滤镜风格，则将用户面部图像经过滤镜处理后作为表情评分图进行输出；例如，对用户面部图像做素描漫画等不同风格处理，用户隐私保护度偏低，真实性偏高，之后设计的表情相册也很容易唤起用户的记忆。
若图像风格为表情拟合风格，则将用户图像的面部特征对应的表情向量拟合在预定图像中，并将拟合表情后的图像作为表情评分图进行输出。例如，将用户表情向量拟合在漫画或其他有人脸的图像中。将用户表情向量拟合在漫画人物中，基本不输出用户面部特征，因此对用户私保护度最高，但真实性最低，之后设计的表情相册也不容易唤起用户的记忆，用户看照片可能会记不起来当时和自己合照的是哪些人。
该方法还可以包括步骤250，基于表情评分图创建每个用户的用户表情相册或每个商品的商品表情相册。
用户表情相册为各个用户的表情评分图的集合，用户可以选择将自己拍的表***保存下来，形成用户表情相册。
商品表情相册为每个商品对应的表情评分图的集合。用户在购买商品前，可以预览商品对应的商品表情相册，以一种一目了然的方式了解商品被购买的情况以及大概的品质，增加用户购买商品的趣味性和效率。
该方法还可以包括步骤260，在预定时间向用户推送表情评分图。例如在每个节日或者生日，***自动整理用户的表***以及他当时选择的处理后的用于发表的表情评论图推送给用户，以此增强用户和平台的情感纽带。
在上述实施例中，在商品评价时，无需用户打星写评论等复杂的操作，而是直接自拍一个带有表情的自拍照并上传至***，***自动输出对应的商品评价。通过该方式可以鼓励不爱评论的人通过发表情的方式对商品评价，增加评论的趣味性，增加软件的活跃度和亲和力，能够鼓励更多的用户参与到商品评论中来。另外，通过素描、漫画等不同风格的表情评分图输出机制可以满足人的审美娱乐需求，还可以适当保护用户隐私。再者，在适当时期向用户推送表情评分图，提高用户的喜悦感和忠诚度，增强平台和用户的情感纽带。
在一个实施例中，还可以识别用户面部图像中的用户数，其中，用户数影响商品对应的综合评分和文字评论。即采用集人头的方式给商品好评中的好评，差评中的差评，若用户觉得一个商品特别差，可以集结家人和朋友一起拍鬼脸照，那么***生成的评价分数就会特别低。同样，如果用户觉得一个商品特别好，想要推荐给更多的人知道，那么可以集结家人和朋友一起拍笑脸。
在该实施例中，如果表情评论中参与评论的人数越多，那么评论的效能为增强模式，这在一定程度上，可以鼓励使用手机的人更频繁的去邀请亲友一起自拍，以期增强用户的幸福感，从而增大平台的用户量，提高平台的品牌形象，增强用户对平台的依赖性和忠诚度。
在实际应用中，对于商铺来说，可以推出集笑脸，集鬼脸的活动，使得更多用户参与进来，从而促进商品销售。
图3为本公开商品评价***的一个实施例的结构示意图。该商品评价***包括面部图像获取单元310、表情向量确定单元320和商品评价确定单元330。
面部图像获取单元310用于获取用户的面部图像。用户在收到商品后，可以进行自拍，将自拍照上传至***。用户自拍照中，可以包含微笑、哭脸、鬼脸等各种表情，可以用微笑表示满意，用哭脸表示不满意，用鬼脸表示愤怒、无可奈何等情绪。
表情向量确定单元320用于基于面部图像确定对应的用户表情向量组。例如，基于表情向量神经网络模型确定面部图像对应的用户表情向量组。例如，将面部图像输入至表情向量神经网络模型，获得N*N个单元图像对应的表情向量和每个单元图像包含人脸中心的概率，其中，N*N个单元图像构成面部图像，N为自然数；将包含人脸中心的概率大于概率阈值的单元图像对应的表情向量的组合作为面部图像对应的用户表情向量组。
其中，可以预先训练表情向量神经网络模型。例如，先获取样本面部图像；对样本面部图像对应的表情向量进行标注，生成表情标注文件；然后，基于样本面部图像和表情标注文件对表情向量神经网络模型进行训练。以便后续用户拍了自拍照后，将自拍照输入至训练好的表情向量神经网络模型从而输出对应的表情向量。
商品评价确定单元330用于基于用户表情向量组输出对应的商品评价。例如，基于商品评价神经网络模型输出用户表情向量组对应的商品的文字评论及综合评分。
其中，可以预先训练商品评价神经网络模型。例如，获取样本表情向量；对样本表情向量对应的文字评论及综合评分进行标注，生成评价标注文件；基于样本表情向量和评价标注文件对商品评价神经网络模型进行训练。以便后续将用户表情向量组输入至训练好的商品评价神经网络模型从而输出对应的商品文字评论及综合评分。
在上述实施例中，利用用户面部图像确定对应的用户表情向量组，然后基于用户表情向量组输出对应的商品评价，用户无需再一一撰写评论、打分、上传图片等操作，减少了用户评价商品的复杂度，利于用户更简单直接的对商品进行评价。
在本公开的另一个实施例中，如图4所示，该商品评价***还包括表情评分图输出单元410，用于响应于用户选择的图像风格，基于用户的面部图像输出对应的表情评分图。
若用户选择的图像风格为原图风格，则将用户面部图像作为表情评分图进行输出；其中，直接输出用户的自拍照，虽然用户隐私保护度最低，但真实性最好，之后设计的表情相册最能唤起用户的记忆。
若图像风格为滤镜风格，则将用户面部图像经过滤镜处理后作为表情评分图进行输出；例如，对用户面部图像做素描漫画等不同风格处理，用户隐私保护度偏低，真实性偏高，之后设计的表情相册也很容易唤起用户的记忆。
若图像风格为表情拟合风格，则将用户图像的面部特征对应的表情向量拟合在预定图像中，并将拟合表情后的图像作为表情评分图进行输出。其中，将用户表情向量拟合在漫画人物中，基本不输出用户面部特征，因此对用户私保护度最高，但真实性最低，之后设计的表情相册也不容易唤起用户的记忆，用户看照片可能会记不起来当时和自己合照的是哪些人。
在上述实施例中，通过素描、漫画等不同风格的表情评分图输出机制可以满足人的审美娱乐需求，还可以适当保护用户隐私。
在本公开的另一个实施例中，该商品评价***还包括用户数识别单元420，用于识别面部图像中的用户数；其中，用户数影响商品对应的综合评分。即自拍照中用户数越多，越能影响商品的评分和评论，例如，若用户觉得一个商品特别差，可以集结家人和朋友一起拍鬼脸照，那么***生成的评价分数就会特别低。同样，如果用户觉得一个商品特别好，想要推荐给更多的人知道，那么可以集结家人和朋友一起拍笑脸。
在该实施例中，如果表情评论中参与评论的人数越多，那么评论的效能为增强模式，这在一定程度上，可以鼓励使用手机的人更频繁的去邀请亲友一起自拍，以期增强用户的幸福感，从而增大平台的用户量，提高平台的品牌形象，增强用户对平台的依赖性和忠诚度。
图5为本公开商品评价***的再一个实施例的结构示意图。该商品评价***包括存储器510和处理器520，其中：
存储器510可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1、2所对应实施例中的指令。处理器520耦接至存储器510，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器520用于执行存储器中存储的指令。
在一个实施例中，还可以如图6所示，该商品评价***600包括存储器610和处理器620。处理器620通过BUS总线630耦合至存储器610。该商品评价***600还可以通过存储接口640连接至外部存储装置650以便调用外部数据，还可以通过网络接口660连接至网络或者另外一台计算机***(未标出)，此处不再进行详细介绍。
在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够减少用户评价商品的复杂度。
在另一个实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1、2所对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(***)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (14)
1.一种商品评价方法，包括：
获取用户的面部图像；
将所述面部图像输入至表情向量神经网络模型，获得N*N个单元图像对应的表情向量和每个单元图像包含人脸中心的概率，其中，N*N个单元图像构成所述面部图像，N为自然数；
将包含人脸中心的概率大于概率阈值的单元图像对应的表情向量的组合作为所述面部图像对应的用户表情向量组；
基于商品评价神经网络模型输出所述用户表情向量组对应的商品评价，其中，所述商品评价包括文字评论及综合评分。
2.根据权利要求1所述的商品评价方法，还包括：
获取样本面部图像；
对所述样本面部图像对应的表情向量进行标注，生成表情标注文件；
基于所述样本面部图像和所述表情标注文件对所述表情向量神经网络模型进行训练。
3.根据权利要求1所述的商品评价方法，还包括：
获取样本表情向量；
对所述样本表情向量对应的文字评论及综合评分进行标注，生成评价标注文件；
基于所述样本表情向量和所述评价标注文件对所述商品评价神经网络模型进行训练。
4.根据权利要求1所述的商品评价方法，还包括：
识别所述面部图像中的用户数，其中，所述用户数影响商品对应的所述文字评论及综合评分。
5.根据权利要求1-4任一所述的商品评价方法，还包括：
响应于所述用户选择的图像风格，基于所述用户的面部图像输出对应的表情评分图。
6.根据权利要求5所述的商品评价方法，其中，所述图像风格包括原图风格、滤镜风格、表情拟合风格中的至少一种；
若所述图像风格为原图风格，则将所述面部图像作为表情评分图进行输出；
若所述图像风格为滤镜风格，则将所述面部图像经过滤镜处理后作为表情评分图进行输出；
若所述图像风格为表情拟合风格，则将所述面部图像对应的表情向量组拟合在预定图像中，并将拟合表情后的图像作为表情评分图进行输出。
7.根据权利要求5所述的商品评价方法，还包括：
基于所述表情评分图创建每个用户的用户表情相册和每个商品的商品表情相册的至少一项；
其中，所述用户表情相册为各个用户的表情评分图的集合；
所述商品表情相册为每个商品对应的表情评分图的集合。
8.根据权利要求5所述的商品评价方法，还包括：
在预定时间向所述用户推送所述表情评分图。
9.一种商品评价***，包括：
面部图像获取单元，用于获取用户的面部图像；
表情向量确定单元，用于将所述面部图像输入至表情向量神经网络模型，获得N*N个单元图像对应的表情向量和每个单元图像包含人脸中心的概率，其中，N*N个单元图像构成所述面部图像，N为自然数，将包含人脸中心的概率大于概率阈值的单元图像对应的表情向量的组合作为所述面部图像对应的用户表情向量组；
商品评价确定单元，用于基于商品评价神经网络模型输出所述用户表情向量组对应的商品评价，其中，所述商品评价包括文字评论及综合评分。
10.根据权利要求9所述的商品评价***，还包括：
用户数识别单元，用于识别所述面部图像中的用户数，其中，所述用户数影响商品对应的所述文字评论及综合评分。
11.根据权利要求9或10所述的商品评价***，还包括：
表情评分图输出单元，用于响应于所述用户选择的图像风格，基于所述用户的面部图像输出对应的表情评分图。
12.根据权利要求11所述的商品评价***，其中，所述图像风格包括原图风格、滤镜风格、表情拟合风格中的至少一种；
所述表情评分图输出单元用于若所述图像风格为原图风格，则将所述面部图像作为表情评分图进行输出；若所述图像风格为滤镜风格，则将所述面部图像经过滤镜处理后作为表情评分图进行输出；若所述图像风格为表情拟合风格，则将所述面部图像对应的表情向量组拟合在预定图像中，并将拟合表情后的图像作为表情评分图进行输出。
13.一种商品评价***，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至8任一项所述的商品评价方法。
14.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至8任一项所述的商品评价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810847472.9A CN110766502B (zh) | 2018-07-27 | 2018-07-27 | 商品评价方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810847472.9A CN110766502B (zh) | 2018-07-27 | 2018-07-27 | 商品评价方法和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110766502A CN110766502A (zh) | 2020-02-07 |
| CN110766502B true CN110766502B (zh) | 2024-06-18 |
Family
ID=69328335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810847472.9A Active CN110766502B (zh) | 2018-07-27 | 2018-07-27 | 商品评价方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110766502B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111667337A (zh) * | 2020-04-28 | 2020-09-15 | 苏宁云计算有限公司 | 一种商品评价的排序方法和*** |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105608447A (zh) * | 2016-02-17 | 2016-05-25 | 陕西师范大学 | 对人体面部微笑表情深度卷积神经网络的检测方法 |
| CN107563362A (zh) * | 2017-10-01 | 2018-01-09 | 上海量科电子科技有限公司 | 进行评价操作的方法、客户端及*** |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4710550B2 (ja) * | 2005-10-31 | 2011-06-29 | セイコーエプソン株式会社 | 画像におけるコメントレイアウト |
| US9552510B2 (en) * | 2015-03-18 | 2017-01-24 | Adobe Systems Incorporated | Facial expression capture for character animation |
| CN105049249A (zh) * | 2015-07-09 | 2015-11-11 | 中山大学 | 一种远程可视会话服务的评分方法及*** |
| CN107341434A (zh) * | 2016-08-19 | 2017-11-10 | 北京市商汤科技开发有限公司 | 视频图像的处理方法、装置和终端设备 |
| JP6825357B2 (ja) * | 2016-12-26 | 2021-02-03 | 大日本印刷株式会社 | マーケティング装置 |
| CN107423694A (zh) * | 2017-07-05 | 2017-12-01 | 清远初曲智能科技有限公司 | 一种基于机器视觉的人工智能用户形象管理方法及*** |
| CN108269169A (zh) * | 2017-12-29 | 2018-07-10 | 武汉璞华大数据技术有限公司 | 一种导购方法及*** |
| CN108197595A (zh) * | 2018-01-23 | 2018-06-22 | 京东方科技集团股份有限公司 | 一种获取评价信息的方法、装置、存储介质及计算机 |
-
2018
- 2018-07-27 CN CN201810847472.9A patent/CN110766502B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105608447A (zh) * | 2016-02-17 | 2016-05-25 | 陕西师范大学 | 对人体面部微笑表情深度卷积神经网络的检测方法 |
| CN107563362A (zh) * | 2017-10-01 | 2018-01-09 | 上海量科电子科技有限公司 | 进行评价操作的方法、客户端及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110766502A (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102476294B1 (ko) | Ar/vr 디지털 콘텐츠를 생성하기 위한 디지털 이미지 적합성 결정 | |
| CN110378731A (zh) | 获取用户画像的方法、装置、服务器及存储介质 | |
| CN115735229A (zh) | 在消息收发***中更新化身服装 | |
| CN115462089B (zh) | 在消息收发应用中显示增强现实内容的方法、设备、介质 | |
| CN109492607B (zh) | 一种信息推送方法、信息推送装置及终端设备 | |
| CN111339420A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN110688874A (zh) | 人脸表情识别方法及其装置、可读存储介质和电子设备 | |
| CN111127309A (zh) | 肖像风格迁移模型训练方法、肖像风格迁移方法以及装置 | |
| CN115885318A (zh) | 用于基于对象之间的关系修改图像的人工智能***和方法 | |
| CN106791091B (zh) | 图像生成方法、装置和移动终端 | |
| CN107609487B (zh) | 一种用户头像的生成方法和装置 | |
| CN106446969B (zh) | 用户识别的方法及装置 | |
| CN113269895A (zh) | 图像处理方法、装置及电子设备 | |
| CN110766502B (zh) | 商品评价方法和*** | |
| CN113705792A (zh) | 基于深度学习模型的个性化推荐方法、装置、设备及介质 | |
| CN115129829A (zh) | 问答计算方法、服务器及存储介质 | |
| CN112104914B (zh) | 视频推荐方法及装置 | |
| CN117252947A (zh) | 图像处理方法、装置、计算机、存储介质及程序产品 | |
| CN109242031B (zh) | 姿势优化模型的训练方法、使用方法、装置及处理设备 | |
| CN113099267B (zh) | 视频生成方法、装置、电子设备及存储介质 | |
| KR101786823B1 (ko) | Sns의 프로필 사진 제공 방법 | |
| CN116685981A (zh) | 压缩图像到图像模型 | |
| CN107563465A (zh) | 一种获取礼品信息的***和方法 | |
| CN110620877B (zh) | 位置信息生成方法、装置、终端及计算机可读存储介质 | |
| CN108416261B (zh) | 一种任务处理方法和*** |
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 |