CN110970113B - 基于用户情绪的智能菜谱推荐方法 - Google Patents
基于用户情绪的智能菜谱推荐方法 Download PDFInfo
- Publication number
- CN110970113B CN110970113B CN201811161065.9A CN201811161065A CN110970113B CN 110970113 B CN110970113 B CN 110970113B CN 201811161065 A CN201811161065 A CN 201811161065A CN 110970113 B CN110970113 B CN 110970113B
- Authority
- CN
- China
- Prior art keywords
- emotion
- user
- menu
- standard
- recommended
- 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
- 230000008451 emotion Effects 0.000 title claims abstract description 559
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000002560 therapeutic procedure Methods 0.000 claims abstract description 31
- 235000005911 diet Nutrition 0.000 claims abstract description 17
- 230000037213 diet Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 11
- 230000000378 dietary effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 abstract description 2
- 230000002996 emotional effect Effects 0.000 description 15
- 230000036651 mood Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008909 emotion recognition Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 235000019242 dietary recipe Nutrition 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Hospice & Palliative Care (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Child & Adolescent Psychology (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Nutrition Science (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于用户情绪的智能菜谱推荐方法,该智能菜谱推荐方法可以根据用户的语音声纹特征识别出用户的当前情绪,进而将符合用户当前情绪的菜谱或者改善用户当前情绪的菜谱推荐给用户;该智能菜谱推荐方法不仅能够根据用户习惯不断地调整更新所推荐的菜谱以及根据用户的后续声纹变化自动更新标准情绪声纹特征数据组内的情绪声纹特征数据,从而可以保证后续更为准确地识别出用户的情绪以及准确推荐符合用户情绪的菜谱给用户;而且,也能够通过分析用户在一段时间段内的主要情绪出现情况推荐改善用户该主要情绪的食疗菜谱给用户,以智能化地缓解用户负面情绪。
Description
技术领域
本发明涉及智能菜谱领域,尤其涉及一种基于用户情绪的智能菜谱推荐方法。
背景技术
在目前机器化的推荐菜谱方法多数是根据食材种类、用户年龄等方面进行推荐,即根据食材种类等依据对用户推荐菜谱,是出于理性的选择,属于用户应该吃哪种菜谱,而不是用户想要吃哪种菜谱。这种机器化的菜谱推荐方法不够贴合用户的当前情绪。
当然,为了满足用户情绪方面的菜谱需要,通常采用人为猜测用户情感的方式进行推荐菜谱,从而导致这种针对用户情绪的菜谱推荐方案对推荐人的要求较高,并且也没有普适性和规律性可寻。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种基于用户情绪的智能菜谱推荐方法。该智能菜谱推荐方法可以很好地考虑用户的当前情绪,从而智能化地将符合用户当前情绪的菜谱推荐给用户。
本发明解决上述技术问题所采用的技术方案为:基于用户情绪的智能菜谱推荐方法,其特征在于,包括如下步骤1~步骤7:
步骤1,预先设置表征用户情绪的标准情绪标签库以及构建启动菜谱推荐处理工作的语音唤醒指令数据库;其中,所述标准情绪标签库内包含了多个不同的标准情绪;所述语音唤醒指令数据库内预存了分别对应不同标准情绪的标准情绪声纹特征数据组;所述任一标准情绪声纹特征数据组内预先存储了对应该标准情绪的多条标准情绪声纹特征数据;
步骤2,针对所述标准情绪标签库内的各标准情绪设置对应的推荐菜谱,并由所有的推荐菜谱形成匹配不同标准情绪的情绪推荐菜谱数据库;其中,所述标准情绪标签库内的任一标准情绪至少存在一个推荐菜谱;
步骤3,针对与所述标准情绪标签库内的标准情绪相匹配的各推荐菜谱设置对应的菜谱推荐权重值,形成所述各标准情绪与对应推荐菜谱之间的菜谱推荐权重值列表;其中,所述菜谱推荐权重值列表中具有基础权重值;
步骤4,在检测到用户发出语音时,提取用户的当前语音声纹特征数据,并得到所述当前语音声纹特征数据分别与各标准情绪声纹特征数据组内的每条标准情绪声纹特征数据之间的情绪匹配度;
步骤5,分别在每个标准情绪声纹特征数据组内选出具有最高情绪匹配度的标准情绪声纹特征数据,形成初选高匹配度情绪声纹特征组,并从所述初选高匹配度情绪声纹特征组中选出情绪匹配度最高的两条标准情绪声纹特征数据分别作为匹配情绪用声纹特征数据;
步骤6,根据所述两个匹配情绪用声纹特征数据所对应情绪匹配度之间的差值高于预设情绪匹配阈值时,判断所述用户的当前情绪仅包含有与具有较高情绪匹配度的匹配情绪用声纹特征数据所对应的一种标准情绪;否则,判断所述用户的当前情绪同时包含了两个匹配情绪用声纹特征数据所对应的标准情绪;
步骤7,根据判断出的用户的当前情绪,在所述情绪推荐菜谱数据库内查找匹配用户当前情绪的推荐菜谱,并将查找到的所述推荐菜谱提供给用户;其中:
当判断所述用户的当前情绪仅包含一种标准情绪时,则推荐该标准情绪所对应的推荐菜谱给用户;
当判断所述用户的当前情绪包含两种标准情绪时,则推荐兼具匹配这两种标准情绪的推荐菜谱给用户。
改进地,在所述基于用户情绪的智能菜谱推荐方法中,在步骤7中,当判断所述用户的当前情绪仅包含一种标准情绪时,则在所述情绪推荐菜谱数据库内查找各推荐菜谱与该标准情绪的菜谱推荐权重值,根据菜谱所对应的推荐权重值高低顺序,依次推荐给用户;或/和,
在步骤7中,当判断用户的当前情绪包含两种标准情绪且情绪推荐菜谱数据库内具有分别匹配这两种标准情绪的兼具菜谱时,则在该两种标准情绪内得到与用户当前情绪的情绪匹配度最高的一种标准情绪,并将得到的该标准情绪作为相对用户的逼真标准情绪,然后将所述各兼具菜谱内对应该逼真标准情绪具有最高菜谱推荐权重值的菜谱推荐给用户;
当判断所述用户的当前情绪包含两种标准情绪且所述情绪推荐菜谱数据库内不存在兼具匹配这两种标准情绪的菜谱时,则将与用户当前情绪匹配度最高的标准情绪所对应的菜谱推荐给用户。
再改进地,在所述基于用户情绪的智能菜谱推荐方法中,在步骤7之后还包括:
在检测到用户对所推荐菜谱发送认可的反馈结果时,则对该反馈结果所对应推荐菜谱的菜谱推荐权重值增大,并将该菜谱增大后的菜谱推荐权重值替换掉所述菜谱推荐权重值列表中对应用户当前情绪的菜谱推荐权重值;
在检测到用户对所推荐菜谱发送不予认可的反馈结果时,则对该反馈结果所对应推荐菜谱的菜谱推荐权重值降低,并将该菜谱降低后的菜谱推荐权重值替换掉所述菜谱推荐权重值列表中对应用户当前情绪的菜谱推荐权重值。
进一步地,在所述基于用户情绪的智能菜谱推荐方法中,当反馈结果所对应推荐菜谱的菜谱推荐权重值增大到预设权重值上限值时,则将该推荐菜谱作为该标准情绪所对应的常驻推荐菜谱,并在下一次判断用户的情绪为该标准情绪时,优先将该常驻推荐菜谱推荐给用户。
再进一步地,在所述基于用户情绪的智能菜谱推荐方法中,当反馈结果所对应推荐菜谱的菜谱推荐权重值降低到预设权重值下限值时,则将该推荐菜谱作为该标准情绪所对应的推荐排位后移菜谱,并在下一次判断用户的情绪为该标准情绪时,最后将该推荐排位后移菜谱推荐给用户。
再改进地,在所述基于用户情绪的智能菜谱推荐方法中,当接收到用户连续拒绝所推荐的位于常驻推荐菜谱中的菜谱的反馈结果次数达到预设次数时,则将用户拒绝的该常驻推荐菜谱所匹配的用户当前情绪的菜谱推荐权重值重新置位到步骤3中所对应的原始权重值。
改进地,在所述基于用户情绪的智能菜谱推荐方法中,在步骤7之后还包括:
当优先推荐给用户的前几个推荐菜谱均满足用户的要求时,则将用户的当前语音声纹特征数据作为新增情绪声纹特征数据加入到所述几个推荐菜谱所对应的标准情绪声纹特征数据组内,得到该标准情绪的更新后标准情绪声纹特征数据组;
当所述更新后标准情绪声纹特征数据组内的情绪声纹特征数据的条数达到了预设条数上限值时,则将后续再次得到的新增情绪声纹特征数据按照从旧到新的顺序依次覆盖掉原有更新后标准情绪声纹特征数据组内的各条情绪声纹特征数据。其中,此处的所述覆盖只针对***自行新增的情绪声纹特征数据,初始用户手动录入的情绪声纹特征数据永久保存,不可自动覆盖,可用户主动修改。
再改进地,所述基于用户情绪的智能菜谱推荐方法还包括改善用户情绪的食疗菜谱推荐过程:
根据用户在预设时间段内所发出的语音,识别判断用户在该预设时间段内的情绪次数;
将用户在所述预设时间段内出现次数最多的情绪作为用户在当前预设时间段内的主要情绪;
根据用户的所述主要情绪,推荐改善用户当前情绪的食疗菜谱给用户。
进一步地,在所述基于用户情绪的智能菜谱推荐方法中,当判断用户的所述主要情绪出现周期性发生现象时,则将改善用户该情绪的食疗菜谱在所述周期到来之前推荐给用户;
当用户反馈针对所述食疗菜谱认可的结果时,则将食疗菜谱的推荐方法作为改善用户情绪的食疗菜谱推荐方法;
当用户反馈针对所述食疗菜谱不予认可的结果时,则重新执行所述食疗菜谱推荐过程。
具体地,在所述基于用户情绪的智能菜谱推荐方法中,所述标准情绪标签库内至少包含了喜、怒、哀、惧和静这五种不同的标准情绪。
与现有技术相比,本发明的优点在于:
首先,本发明中的智能菜谱推荐方法可以根据用户的语音声纹特征识别出用户的当前情绪,进而将符合用户当前情绪的菜谱或者改善用户当前情绪的菜谱推荐给用户;
其次,该智能菜谱推荐方法能够根据用户习惯不断地调整更新所推荐的菜谱以及根据用户的后续声纹变化自动更新标准情绪声纹特征数据组内的情绪声纹特征数据,从而可以保证后续更为准确地识别出用户的情绪以及准确推荐符合用户情绪的菜谱给用户;
最后,本发明中的智能菜谱推荐方法能够通过分析用户在一段时间段内的主要情绪出现情况推荐改善用户该主要情绪的食疗菜谱给用户,以智能化地缓解用户负面情绪。
附图说明
图1为本发明实施例中基于用户情绪的智能菜谱推荐方法的流程示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示,本实施例提供一种基于用户情绪的智能菜谱推荐方法,该智能菜谱推荐方法包括如下步骤1~步骤7:
步骤1,预先设置表征用户情绪的标准情绪标签库以及构建启动菜谱推荐处理工作的语音唤醒指令数据库;其中,标准情绪标签库内包含了多个不同的标准情绪,例如,标准情绪标签库内至少包含了喜、怒、哀、惧和静这五种不同的标准情绪;该实施例中主要以喜、怒、哀和惧这四种标准情绪做出说明;
语音唤醒指令数据库内预存了分别对应不同标准情绪的标准情绪声纹特征数据组,也就是说,通过用户手动录入的方式预先存储了识别情绪用的语音指令,这些语音指令作为识别用户情绪的载体,进而根据识别结果决定是否启动菜谱推荐工作的语音唤醒指令;任一标准情绪声纹特征数据组内预先存储了对应该标准情绪的多条标准情绪声纹特征数据;
针对语音唤醒指令数据库需要说明的是,例如,设定四字称呼“方糖大叔”作为识别用户情绪用的语音指令,一旦用户在读出“方糖大叔”这四个字时,就可以根据用户读出的这四个字来识别判断用户的当前情绪;
例如,针对“喜”的情绪,在该“喜”情绪所对应的标准情绪声纹特征数据组内预先存储了三条对应该情绪的标准情绪生声纹特征数据;至于其他的标准情绪,设置方式相同,此处不再过多阐述;
步骤2,针对标准情绪标签库内的各标准情绪设置对应的推荐菜谱,并由所有的推荐菜谱形成匹配不同标准情绪的情绪推荐菜谱数据库;其中,该标准情绪标签库内的任一标准情绪至少存在一个推荐菜谱;
例如,由于在标准情绪标签库内具有喜、怒、哀和惧这四种不同的标准情绪,那么:
针对标准情绪“喜”设置对应的推荐菜谱为菜谱Aa、菜谱Ab和菜谱Ac;
针对标准情绪“怒”设置对应的推荐菜谱为菜谱Ba、菜谱Bb和菜谱Bc;
针对标准情绪“哀”设置对应的推荐菜谱为菜谱Ba、菜谱Ca和菜谱Cb;
针对标准情绪“惧”设置对应的推荐菜谱为菜谱Ba、菜谱Ca和菜谱Da;
由此,由这四个标准情绪“喜、“怒”、“哀”和“惧”所分别对应的推荐菜谱形成匹配不同标准情绪的情绪推荐菜谱数据库;即在形成的该情绪推荐菜谱数据库内,包含了菜谱Aa、菜谱Ab、菜谱Ac、菜谱Ba、菜谱Bb、菜谱Bc、菜谱Ca、菜谱Cb和菜谱Da;
不仅如此,需要说明的是,针对一个标准情绪,可以预先存储有多个推荐菜谱,即至少存在一个推荐菜谱;
步骤3,针对与标准情绪标签库内的标准情绪相匹配的各推荐菜谱设置对应的菜谱推荐权重值,形成所述各标准情绪与对应推荐菜谱之间的菜谱推荐权重值列表;其中,该菜谱推荐权重值列表中具有基础权重值;
具体地,例如:
(1)针对情绪推荐菜谱数据库内的菜谱Aa、菜谱Ab以及菜谱Ac
菜谱Aa、菜谱Ab以及菜谱Ac分别均只与标准情绪“喜”相匹配;假设设置菜谱Aa、菜谱Ab以及菜谱Ac分别针对标准情绪“喜”的菜谱推荐权重值分别为110%、100%、90%,菜谱Aa、菜谱Ab以及菜谱Ac分别针对其他三种标准情绪的菜谱推荐权重值均为0%;这里的100%即为基础权重值;
也就说,针对标准情绪“喜”,当用户的情绪为“喜”时,***根据对应标准情绪“喜”的菜谱推荐权重值依次推荐菜谱Aa、菜谱Ab和菜谱Ac给用户;
(2)针对情绪推荐菜谱数据库内的菜谱Ba、菜谱Bb和菜谱Bc
菜谱Ba分别与标准情绪“怒”、标准情绪“哀”和标准情绪“惧”相匹配;假设设置菜谱Ba针对标准情绪“怒”的菜谱推荐权重值为103%、菜谱Ba针对标准情绪“哀”的菜谱推荐权重值为99%、菜谱Ba针对标准情绪“惧”的菜谱推荐权重值为97%;
假设设置菜谱Bb针对标准情绪“怒”的菜谱推荐权重值为100%,菜谱Bb针对其他三种标准情绪的菜谱推荐权重值为0;
假设设置菜谱Bc针对标准情绪“怒”的菜谱推荐权重值为100%,菜谱Bc针对其他三种标准情绪的菜谱推荐权重值为0;
(3)针对情绪推荐菜谱数据库内的菜谱Ca和菜谱Cb
假设设置菜谱Ca针对标准情绪“哀”的菜谱推荐权重值为105%,菜谱Ca针对标准情绪“惧”的菜谱推荐权重值为95%,菜谱Ca针对其他两种标准情绪的菜谱推荐权重值为0;
假设设置菜谱Cb针对标准情绪“哀”的菜谱推荐权重值为100%,菜谱Cb针对其他三种标准情绪的菜谱推荐权重值为0;
(4)针对情绪推荐菜谱数据库内的菜谱Da
假设设置菜谱Da针对标准情绪“惧”的菜谱推荐权重值为100%,菜谱Da针对其他三种标准情绪的菜谱推荐权重值为0;
步骤4,在检测到用户发出语音时,提取用户的当前语音声纹特征数据,并得到所该当前语音声纹特征数据分别与各标准情绪声纹特征数据组内的每条标准情绪声纹特征数据之间的情绪匹配度;
假设针对标准情绪“喜”所对应的标准情绪声纹特征数据组,该标准情绪声纹特征数据组内具有三条表征情绪“喜”的标准情绪声纹特征数据S喜,1、标准情绪声纹特征数据S喜,2和标准情绪声纹特征数据S喜,3;
假设针对标准情绪“怒”所对应的标准情绪声纹特征数据组,该标准情绪声纹特征数据组内具有三条表征情绪“怒”的标准情绪声纹特征数据S怒,1、标准情绪声纹特征数据S怒,2和标准情绪声纹特征数据S怒,3;
假设针对标准情绪“哀”所对应的标准情绪声纹特征数据组,该标准情绪声纹特征数据组内具有三条表征情绪“哀”的标准情绪声纹特征数据S哀,1、标准情绪声纹特征数据S哀,2和标准情绪声纹特征数据S哀,3;
假设针对标准情绪“惧”所对应的标准情绪声纹特征数据组,该标准情绪声纹特征数据组内具有三条表征情绪“惧”的标准情绪声纹特征数据S惧,1、标准情绪声纹特征数据S惧,2和标准情绪声纹特征数据S惧,3;
经提取用户的当前语音声纹特征数据S,得到该当前语音声纹特征数据S与标准情绪声纹特征数据S喜,1、标准情绪声纹特征数据S喜,2和标准情绪声纹特征数据S喜,3的情绪匹配度分别是2%、3%和4%;
该当前语音声纹特征数据S与标准情绪声纹特征数据S怒,1、标准情绪声纹特征数据S怒,2和标准情绪声纹特征数据S怒,3的情绪匹配度分别是6%、8%和7%;
该当前语音声纹特征数据S与标准情绪声纹特征数据S哀,1、标准情绪声纹特征数据S哀,2和标准情绪声纹特征数据S哀,3的情绪匹配度分别是96%、97%和98%;
该当前语音声纹特征数据S与标准情绪声纹特征数据S惧,1、标准情绪声纹特征数据S惧,2和标准情绪声纹特征数据S惧,3的情绪匹配度分别是36%、37%和38%;
步骤5,分别在每个标准情绪声纹特征数据组内选出具有最高情绪匹配度的标准情绪声纹特征数据,形成初选高匹配度情绪声纹特征组,并从该初选高匹配度情绪声纹特征组中选出情绪匹配度最高的两条标准情绪声纹特征数据分别作为匹配情绪用声纹特征数据;
此处仍以上述例子进行说明:
针对标准情绪“喜”所对应的标准情绪声纹特征数据组,具有最高情绪匹配度的标准情绪声纹特征数据为标准情绪声纹特征数据S喜,3;
针对标准情绪“怒”所对应的标准情绪声纹特征数据组,具有最高情绪匹配度的标准情绪声纹特征数据为标准情绪声纹特征数据S怒,2;
针对标准情绪“哀”所对应的标准情绪声纹特征数据组,具有最高情绪匹配度的标准情绪声纹特征数据为标准情绪声纹特征数据S哀,3;
针对标准情绪“惧”所对应的标准情绪声纹特征数据组,具有最高情绪匹配度的标准情绪声纹特征数据为标准情绪声纹特征数据S惧,3;
由此,标准情绪声纹特征数据S喜,3、标准情绪声纹特征数据S怒,2、标准情绪声纹特征数据S哀,3以及标准情绪声纹特征数据S惧,3形成初选高匹配度情绪声纹特征组{标准情绪声纹特征数据S喜,3,标准情绪声纹特征数据S怒,2,标准情绪声纹特征数据S哀,3,标准情绪声纹特征数据S惧,3};
然后,在该初选高匹配度情绪声纹特征组内,选出情绪匹配度最高的两条标准情绪声纹特征数据,即情绪匹配度最高的前两条分别是标准情绪声纹特征数据S哀,3和标准情绪声纹特征数据S惧,3;
由此,将标准情绪声纹特征数据S哀,3和标准情绪声纹特征数据S惧,3这两条标准情绪声纹特征数据分别作为匹配情绪用声纹特征数据;
步骤6,根据两个匹配情绪用声纹特征数据所对应情绪匹配度之间的差值高于预设情绪匹配阈值时,判断用户的当前情绪仅包含有与具有较高情绪匹配度的匹配情绪用声纹特征数据所对应的一种标准情绪;否则,判断用户的当前情绪同时包含了两个匹配情绪用声纹特征数据所对应的标准情绪;
具体地,假定预设情绪匹配阈值为58%时,由于标准情绪声纹特征数据S哀,3和标准情绪声纹特征数据S惧,3所对应情绪匹配度之间的差值为60%(即98%-38%),该差值60%高于预设情绪匹配阈值58%,那么就判断用户的当前情绪仅包含有与具有较高情绪匹配度(98%)的匹配情绪用声纹特征数据S哀,3所对应的标准情绪“哀”;即用户的当前情绪仅仅包含“哀”情绪;
当然,假定预设情绪匹配阈值为70%时,由于标准情绪声纹特征数据S哀,3和标准情绪声纹特征数据S惧,3所对应情绪匹配度之间的差值为60%(即98%-38%),该差值60%低于预设情绪匹配阈值70%,那么此时就判断用户的当前情绪同时包含了两个匹配情绪用声纹特征数据(即标准情绪声纹特征数据S哀,3和标准情绪声纹特征数据S惧,3)所对应的标准情绪“哀”和标准情绪“惧”,即用户的当前情绪同时包含“哀”和“惧”两种情绪;
步骤7,根据判断出的用户的当前情绪,在情绪推荐菜谱数据库内查找匹配用户当前情绪的推荐菜谱,并将查找到的所述推荐菜谱提供给用户;其中:
当判断用户的当前情绪仅包含一种标准情绪时,则推荐该标准情绪所对应的推荐菜谱给用户;
当判断用户的当前情绪包含两种标准情绪时,则推荐兼具匹配这两种标准情绪的推荐菜谱给用户。
例如,当判断用户的当前情绪仅仅包含“哀”情绪时,则推荐该标准情绪“哀”所对应的推荐菜谱(即菜谱Ba、菜谱Ca和菜谱Cb)给用户;
当判断用户的当前情绪同时包含“哀”和“惧”两种情绪时,则推荐该标准情绪“哀”以及标准情绪“惧”所对应的推荐菜谱(即菜谱Ba、菜谱Ca、菜谱Cb和菜谱Da)给用户。
当然,为了更加符合用户的当前情绪,以推荐尽可能合适的菜谱给用户,在本实施例的步骤7中,当判断所述用户的当前情绪仅包含一种标准情绪时,则在情绪推荐菜谱数据库内查找各推荐菜谱与该标准情绪的菜谱推荐权重值,根据菜谱所对应的推荐权重值高低顺序,依次推荐给用户。也就是说,例如,一旦当判断用户的当前情绪仅仅包含“哀”情绪时,则将该标准情绪“哀”所对应的推荐菜谱Ba(菜谱推荐权重值103%)、菜谱Ca(菜谱推荐权重值105%)和菜谱Cb(菜谱推荐权重值100%)按照推荐权重值高低顺序,将菜谱Ca、菜谱Ba和菜谱Cb推荐给用户。
另外,为了考虑到用户的当前情绪同时包含多种情绪的情况,在本实施例的步骤7中,当判断用户的当前情绪包含两种标准情绪且情绪推荐菜谱数据库内具有分别匹配这两种标准情绪的兼具菜谱时,则在该两种标准情绪内得到与用户当前情绪的情绪匹配度最高的一种标准情绪,并将得到的该标准情绪作为相对用户的逼真标准情绪,然后将所述各兼具菜谱内对应该逼真标准情绪具有最高菜谱推荐权重值的菜谱推荐给用户;
当判断用户的当前情绪包含两种标准情绪且情绪推荐菜谱数据库内不存在兼具匹配这两种标准情绪的菜谱时,则将与用户当前情绪匹配度最高的标准情绪所对应的菜谱推荐给用户。
针对标准情绪“哀”设置对应的推荐菜谱为菜谱Ba、菜谱Ca和菜谱Cb;
针对标准情绪“惧”设置对应的推荐菜谱为菜谱Ba、菜谱Ca和菜谱Da;
例如,当判断用户的当前情绪同时包含“哀”和“惧”两种情绪时,且在情绪推荐菜谱数据库内具有分别匹配这两种标准情绪的菜谱(即菜谱Ba和菜谱Ca)时,则在两种标准情绪“哀”和“惧”内得到与用户当前情绪的情绪匹配度(标准情绪“哀”与用户当前情绪的情绪匹配度为98%、标准情绪“惧”与用户当前情绪的情绪匹配度为38%)中最高的标准情绪“哀”,并将得到的该标准情绪“哀”作为相对用户的逼真标准情绪,然后将各兼具菜谱(即菜谱Ba和菜谱Ca)内对应该逼真标准情绪“哀”具有最高菜谱推荐权重值的菜谱Ca(针对标准情绪“哀”的菜谱推荐权重值105%)推荐给用户。
当判断用户的当前情绪包含两种标准情绪且情绪推荐菜谱数据库内不存在兼具匹配这两种标准情绪的菜谱时,则将与用户当前情绪匹配度最高的标准情绪(即标准情绪“哀”)所对应的菜谱(即菜谱Ca、菜谱Cb和菜谱Ba顺序)推荐给用户。
另外,在本实施例的步骤7之后还可以包括:
在检测到用户对所推荐菜谱发送认可的反馈结果时,则对该反馈结果所对应推荐菜谱的菜谱推荐权重值增大,并将该菜谱增大后的菜谱推荐权重值替换掉所述菜谱推荐权重值列表中对应用户当前情绪的菜谱推荐权重值;
在检测到用户对所推荐菜谱发送不予认可的反馈结果时,则对该反馈结果所对应推荐菜谱的菜谱推荐权重值降低,并将该菜谱降低后的菜谱推荐权重值替换掉所述菜谱推荐权重值列表中对应用户当前情绪的菜谱推荐权重值。
具体地,例如,在判断用户的当前情绪为“哀”,且菜谱Ca推荐给用户后:
如果检测到用户对该推荐菜谱Ca发送认可的反馈结果时,说明当前的推荐是准确的,则对该反馈结果所对应推荐菜谱Ca的菜谱推荐权重值增大;即将菜谱Ca针对标准情绪“哀”的菜谱推荐权重值在原来105%的基础上增大,例如,根据需要,将菜谱Ca针对标准情绪“哀”的菜谱推荐权重值由原来的105%增大到106%,然后将增大后的菜谱Ca针对情绪“哀”的菜谱推荐权重值106%替换掉菜谱推荐权重值列表中对应用户当前情绪“哀”的菜谱推荐权重值105%,即经更新后,菜谱推荐权重值列表中的菜谱Ca对应标准情绪“哀”的菜谱推荐权重值为106%;当然,还可以根据需要,在完成对应菜谱推荐权重值的更新后,开始推荐下一道具有最高推荐权重值所对应的菜谱。
如果检测到用户对该推荐菜谱Ca发送不予认可的反馈结果时,说明当前的推荐是不准确的,则对该反馈结果所对应推荐菜谱Ca的菜谱推荐权重值降低;即将菜谱Ca针对标准情绪“哀”的菜谱推荐权重值在原来105%的基础上降低,例如,根据需要,将菜谱Ca针对标准情绪“哀”的菜谱推荐权重值由原来的105%降低到104%,然后将降低后的菜谱Ca针对情绪“哀”的菜谱推荐权重值104%替换掉菜谱推荐权重值列表中对应用户当前情绪“哀”的菜谱推荐权重值105%,即经更新后,菜谱推荐权重值列表中的菜谱Ca对应标准情绪“哀”的菜谱推荐权重值为104%。同样地,可以根据需要,在完成对应菜谱推荐权重值的更新后,开始推荐下一道具有最高推荐权重值所对应的菜谱
另外,一旦当反馈结果所对应推荐菜谱的菜谱推荐权重值增大到预设权重值上限值时,则将该推荐菜谱作为该标准情绪所对应的常驻推荐菜谱,并在下一次判断用户的情绪为该标准情绪时,优先将该常驻推荐菜谱推荐给用户。具体地,此处仍以菜谱Ca针对情绪“哀”的菜谱推荐情况做出举例说明:
也就是说,一旦当反馈结果所对应推荐菜谱Ca的菜谱推荐权重值增大到预设权重值上限值时,例如,在菜谱推荐权重值列表中的菜谱Ca对应标准情绪“哀”的菜谱推荐权重值增大到了111%,预设权重值上限值为110%,那么则将该推荐菜谱Ca作为该标准情绪“哀”所对应的常驻推荐菜谱,并在下一次判断用户的情绪为该标准情绪“哀”时,优先将该常驻推荐菜谱Ca推荐给用户。其中,本实施例中的预设权重值既可以是针对所有的菜谱所对应的各菜谱推荐权重值单独设置,也可以是设置一个适于所有菜谱公用的预设权重值。同时,设定一个基础权重值,表示用户/***对此菜谱对应的该情绪无偏好,如例子中的100%。
同样地,当反馈结果所对应推荐菜谱的菜谱推荐权重值降低到预设权重值下限值时,则将该推荐菜谱作为该标准情绪所对应的推荐排位后移菜谱,并在下一次判断用户的情绪为该标准情绪时,最后将该推荐排位后移菜谱推荐给用户。也就是说,一旦当反馈结果所对应推荐菜谱Ca的菜谱推荐权重值降低到预设权重值下限值时,例如,在菜谱推荐权重值列表中的菜谱Ca对应标准情绪“哀”的菜谱推荐权重值降低到了89%,预设权重值下限值为90%,那么则将该推荐菜谱Ca作为该标准情绪“哀”所对应的推荐排位后移菜谱,并在下一次判断用户的情绪为该标准情绪“哀”时,最后将该推荐排位后移菜谱Ca推荐给用户。在本实施例中,还根据需要做如下设定:当接收到用户连续拒绝所推荐的位于常驻推荐菜谱中的菜谱的反馈结果次数达到预设次数时,则将用户拒绝的该常驻推荐菜谱所匹配的用户当前情绪的菜谱推荐权重值重新置位到基础权重值,如100%。
例如,当接收到用户拒绝所推荐常驻推荐菜谱中的菜谱Ca的反馈结果次数(假设拒绝了5次)达到预设次数(预设次数也是5次)时,则将用户拒绝的该推荐菜谱Ca匹配用户当前情绪“哀”的菜谱推荐权重值重新置位到步骤3中所对应的基础权重值,即100%。
当然,在步骤7之后,当优先推荐给用户的前几个推荐菜谱(假设是菜谱Ba、菜谱Ca和菜谱Cb)均满足用户的要求时,说明利用语音来识别用户的当前情绪是准确的,则将用户的当前语音声纹特征数据S作为新增情绪声纹特征数据加入到该几个推荐菜谱(菜谱Ba、菜谱Ca和菜谱Cb)所对应的标准情绪声纹特征数据组内,即标准情绪“哀”的标准情绪声纹特征数据组内,由此得到该标准情绪“哀”的更新后标准情绪声纹特征数据组;
当更新后标准情绪声纹特征数据组内的情绪声纹特征数据的条数达到了预设条数上限值时,则将后续再次得到的新增情绪声纹特征数据按照从旧到新的顺序依次覆盖掉原有更新后标准情绪声纹特征数据组内的各条情绪声纹特征数据。其中,此处的所述覆盖只针对***自行新增的情绪声纹特征数据,初始用户手动录入的情绪声纹特征数据永久保存,不可自动覆盖。由此使得该标准情绪的更新后标准情绪声纹特征数据组内包含了越来越多的基于当前用户的声纹特征,进而令后续利用声纹来判断用户的情绪时,更多的是基于用户的原有声纹特征与用户的当前声纹特征做识别判断,这样所判断出来的用户情绪就会更加准确。
需要特别说明的是,本实施例中针对各种菜谱所对应的菜谱推荐权重值可以根据需要进行设定如本例中,将所需要菜谱对应的菜谱推荐权重值设置为80%~120%之间。也就是说,本实施例中关于菜谱推荐权重值的设置仅仅是为了解释说明本发明方案的需要而设置的。
另外,在本实施例中,还包括改善用户情绪的食疗菜谱推荐过程。具体地,食疗菜谱推荐过程如下:
根据用户在预设时间段内所发出的语音,识别判断用户在该预设时间段内的情绪次数;将用户在预设时间段内出现次数最多的情绪作为用户在当前预设时间段内的主要情绪;
根据用户的该主要情绪,推荐改善用户当前情绪的食疗菜谱给用户。
假设经过识别判断,用户在一周内出现“哀”的次数达到了5次,而其他三种情绪的出现次数则要少的多,即用户在当前这一周内的主要情绪是“哀”,这说明用户在当前这一周内心情不佳;由此,就将能够改善用户当前心情的食疗菜谱E推荐给用户,以期望改善用户的心情。
当然,一旦判断用户的主要情绪出现周期性发生现象时,例如,每周一都会出现一次“哀”的情绪,则将改善用户该情绪的食疗菜谱E在该周期到来之前推荐给用户;即将食疗菜谱E在周日及以前将提前推荐给用户,由此避免用户在周一时因出现“哀”的情绪而损坏身心健康;
当用户反馈针对食疗菜谱E认可的结果时,说明该食疗菜谱E用来改善“哀”的情绪具有较好的效果,则将该食疗菜谱的推荐方法作为改善用户情绪的食疗菜谱推荐方法;也就是说,以后如果用户再次周期性的出现这种“哀”的情绪时,就将食疗菜谱E提前提供给用户;
当用户反馈针对食疗菜谱不予认可的结果时,说明提供的食疗菜谱对于改善用户周期性出现的当前情绪没有好的效果,则重新执行食疗菜谱推荐过程。
当然,该实施例中基于用户情绪的智能菜谱推荐方法还可以包括:接收用户对情绪推荐菜谱数据库的菜谱做出调整处理以及对各菜谱推荐权重值做出调整的步骤。具体地,可以接收用户对情绪推荐菜谱数据库内的菜谱做出手动添加/修改/删除某个菜谱以及根据需要,接收用户调整修改各菜谱推荐权重值,并可以将对应调整后的菜谱推荐权重值同步到该用户对应的菜谱数据库中。由此,可以避免出现菜谱预设值与当前用户不匹配、菜谱不全面等问题,也满足了用户针对菜谱推荐方法的个性化调整需要。
另外,本实施例中的该基于用户情绪的智能菜谱推荐方法可以根据需要应用在具有智能终端以及远端服务器所形成的***中,智能终端与远端服务器通信连接,在智能终端上设置有采集用户语音的语音采集装置,经语音采集装置所采集到的用户语音数据最终发送给远端服务器做处理,以由远端服务器通过执行针对用户情绪的识别判断,从而得到符合用户当前情绪的推荐菜谱或者改善用户当前情绪的食疗食谱,然后远端服务器将得到的推荐菜谱或者食疗食谱发送给智能终端附近的用户,从而也就实现了基于用户情绪的智能菜谱推荐过程。其中,这里所说的智能终端既可以是移动终端,也可以厨电设备。
当然,本实施例中的该基于用户情绪的智能菜谱推荐方法也可以根据需要应用厨电设备上,厨电设备本身就具有采集用户语音的语音采集装置以及处理器,语音采集装置与处理器通信连接,从而针对适用用户当前情绪的推荐菜谱的处理或者针对食疗食谱的处理过程由厨电设备内的该处理器完成,并且将最终的推荐菜谱或食疗食谱经过厨电设备上播放给用户或者显示给用户。
Claims (10)
1.基于用户情绪的智能菜谱推荐方法,其特征在于,包括如下步骤1~步骤7:
步骤1,预先设置表征用户情绪的标准情绪标签库以及构建启动菜谱推荐处理工作的语音唤醒指令数据库;其中,所述标准情绪标签库内包含了多个不同的标准情绪;所述语音唤醒指令数据库内预存了分别对应不同标准情绪的标准情绪声纹特征数据组;所述任一标准情绪声纹特征数据组内预先存储了对应该标准情绪的多条标准情绪声纹特征数据;
步骤2,针对所述标准情绪标签库内的各标准情绪设置对应的推荐菜谱,并由所有的推荐菜谱形成匹配不同标准情绪的情绪推荐菜谱数据库;其中,所述标准情绪标签库内的任一标准情绪至少存在一个推荐菜谱;
步骤3,针对与所述标准情绪标签库内的标准情绪相匹配的各推荐菜谱设置对应的菜谱推荐权重值,形成所述各标准情绪与对应推荐菜谱之间的菜谱推荐权重值列表;其中,所述菜谱推荐权重值列表中具有基础权重值;
步骤4,在检测到用户发出语音时,提取用户的当前语音声纹特征数据,并得到所述当前语音声纹特征数据分别与各标准情绪声纹特征数据组内的每条标准情绪声纹特征数据之间的情绪匹配度;
步骤5,分别在每个标准情绪声纹特征数据组内选出具有最高情绪匹配度的标准情绪声纹特征数据,形成初选高匹配度情绪声纹特征组,并从所述初选高匹配度情绪声纹特征组中选出情绪匹配度最高的两条标准情绪声纹特征数据分别作为匹配情绪用声纹特征数据;
步骤6,根据所述两个匹配情绪用声纹特征数据所对应情绪匹配度之间的差值高于预设情绪匹配阈值时,判断所述用户的当前情绪仅包含有与具有较高情绪匹配度的匹配情绪用声纹特征数据所对应的一种标准情绪;否则,判断所述用户的当前情绪同时包含了两个匹配情绪用声纹特征数据所对应的标准情绪;
步骤7,根据判断出的用户的当前情绪,在所述情绪推荐菜谱数据库内查找匹配用户当前情绪的推荐菜谱,并将查找到的所述推荐菜谱提供给用户;其中:
当判断所述用户的当前情绪仅包含一种标准情绪时,则推荐该标准情绪所对应的推荐菜谱给用户;
当判断所述用户的当前情绪包含两种标准情绪时,则推荐兼具匹配这两种标准情绪的推荐菜谱给用户。
2.根据权利要求1所述基于用户情绪的智能菜谱推荐方法,其特征在于,在步骤7中,当判断所述用户的当前情绪仅包含一种标准情绪时,则在所述情绪推荐菜谱数据库内查找各推荐菜谱与该标准情绪的菜谱推荐权重值,根据菜谱所对应的推荐权重值高低顺序,依次推荐给用户;或/和,
在步骤7中,当判断用户的当前情绪包含两种标准情绪且情绪推荐菜谱数据库内具有分别匹配这两种标准情绪的兼具菜谱时,则在该两种标准情绪内得到与用户当前情绪的情绪匹配度最高的一种标准情绪,并将得到的该标准情绪作为相对用户的逼真标准情绪,然后将所述各兼具菜谱内对应该逼真标准情绪具有最高菜谱推荐权重值的菜谱推荐给用户;
当判断所述用户的当前情绪包含两种标准情绪且所述情绪推荐菜谱数据库内不存在兼具匹配这两种标准情绪的菜谱时,则将与用户当前情绪匹配度最高的标准情绪所对应的菜谱推荐给用户。
3.根据权利要求1所述基于用户情绪的智能菜谱推荐方法,其特征在于,在步骤7之后还包括:
在检测到用户对所推荐菜谱发送认可的反馈结果时,则对该反馈结果所对应推荐菜谱的菜谱推荐权重值增大,并将该菜谱增大后的菜谱推荐权重值替换掉所述菜谱推荐权重值列表中对应用户当前情绪的菜谱推荐权重值;
在检测到用户对所推荐菜谱发送不予认可的反馈结果时,则对该反馈结果所对应推荐菜谱的菜谱推荐权重值降低,并将该菜谱降低后的菜谱推荐权重值替换掉所述菜谱推荐权重值列表中对应用户当前情绪的菜谱推荐权重值。
4.根据权利要求3所述基于用户情绪的智能菜谱推荐方法,其特征在于,当反馈结果所对应推荐菜谱的菜谱推荐权重值增大到预设权重值上限值时,则将该推荐菜谱作为该标准情绪所对应的常驻推荐菜谱,并在下一次判断用户的情绪为该标准情绪时,优先将该常驻推荐菜谱推荐给用户。
5.根据权利要求3所述基于用户情绪的智能菜谱推荐方法,其特征在于,当反馈结果所对应推荐菜谱的菜谱推荐权重值降低到预设权重值下限值时,则将该推荐菜谱作为该标准情绪所对应的推荐排位后移菜谱,并在下一次判断用户的情绪为该标准情绪时,最后将该推荐排位后移菜谱推荐给用户。
6.根据权利要求4所述基于用户情绪的智能菜谱推荐方法,其特征在于,当接收到用户连续拒绝所推荐的位于常驻推荐菜谱中的菜谱的反馈结果次数达到预设次数时,则将用户拒绝的该常驻推荐菜谱所匹配的用户当前情绪的菜谱推荐权重值重新置位到步骤3中所对应的基础权重值。
7.根据权利要求1所述基于用户情绪的智能菜谱推荐方法,其特征在于,在步骤7之后还包括:
当优先推荐给用户的前几个推荐菜谱均满足用户的要求时,则将用户的当前语音声纹特征数据作为新增情绪声纹特征数据加入到所述几个推荐菜谱所对应的标准情绪声纹特征数据组内,得到该标准情绪的更新后标准情绪声纹特征数据组;
当所述更新后标准情绪声纹特征数据组内的情绪声纹特征数据的条数达到了预设条数上限值时,则将后续再次得到的新增情绪声纹特征数据按照从旧到新的顺序依次覆盖掉原有更新后标准情绪声纹特征数据组内的各条情绪声纹特征数据。
8.根据权利要求1所述基于用户情绪的智能菜谱推荐方法,其特征在于,还包括改善用户情绪的食疗菜谱推荐过程:
根据用户在预设时间段内所发出的语音,识别判断用户在该预设时间段内的情绪次数;
将用户在所述预设时间段内出现次数最多的情绪作为用户在当前预设时间段内的主要情绪;
根据用户的所述主要情绪,推荐改善用户当前情绪的食疗菜谱给用户。
9.根据权利要求8所述基于用户情绪的智能菜谱推荐方法,其特征在于,当判断用户的所述主要情绪出现周期性发生现象时,则将改善用户该情绪的食疗菜谱在所述周期到来之前推荐给用户;
当用户反馈针对所述食疗菜谱认可的结果时,则将食疗菜谱的推荐方法作为改善用户情绪的食疗菜谱推荐方法;
当用户反馈针对所述食疗菜谱不予认可的结果时,则重新执行所述食疗菜谱推荐过程。
10.根据权利要求1~9任一项所述基于用户情绪的智能菜谱推荐方法,其特征在于,所述标准情绪标签库内至少包含了喜、怒、哀、惧和静这五种不同的标准情绪;或者,
所述基于用户情绪的智能菜谱推荐方法还包括:接收用户对情绪推荐菜谱数据库内的菜谱做出调整处理以及对各菜谱推荐权重值做出调整的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811161065.9A CN110970113B (zh) | 2018-09-30 | 2018-09-30 | 基于用户情绪的智能菜谱推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811161065.9A CN110970113B (zh) | 2018-09-30 | 2018-09-30 | 基于用户情绪的智能菜谱推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110970113A CN110970113A (zh) | 2020-04-07 |
CN110970113B true CN110970113B (zh) | 2023-04-14 |
Family
ID=70029062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811161065.9A Active CN110970113B (zh) | 2018-09-30 | 2018-09-30 | 基于用户情绪的智能菜谱推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110970113B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035737B (zh) * | 2020-08-05 | 2024-04-19 | 海尔优家智能科技(北京)有限公司 | 用于菜谱推荐的方法及装置、电子设备 |
CN112667762B (zh) * | 2020-12-25 | 2023-04-25 | 贵州北斗空间信息技术有限公司 | 一种零编程快速构建gis***的方法 |
CN113111258A (zh) * | 2021-03-31 | 2021-07-13 | 青岛海尔科技有限公司 | 菜谱推送方法和装置 |
CN113392736A (zh) * | 2021-05-31 | 2021-09-14 | 五八到家有限公司 | 提升家政服务安全的监控方法、***、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406730A (zh) * | 2016-09-05 | 2017-02-15 | 努比亚技术有限公司 | 一种信息处理方法和设备 |
CN106528859A (zh) * | 2016-11-30 | 2017-03-22 | 英华达(南京)科技有限公司 | 一种数据推送***及方法 |
CN107578805A (zh) * | 2016-07-05 | 2018-01-12 | 九阳股份有限公司 | 基于用户情绪/精神状态的烹饪控制方法及设备 |
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 |
CN108010516A (zh) * | 2017-12-04 | 2018-05-08 | 广州势必可赢网络科技有限公司 | 一种语义独立的语音情绪特征识别方法及装置 |
CN108198607A (zh) * | 2018-03-07 | 2018-06-22 | 美的集团股份有限公司 | 一种食材推荐的方法、设备及计算机存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10111611B2 (en) * | 2010-06-07 | 2018-10-30 | Affectiva, Inc. | Personal emotional profile generation |
US20120209793A1 (en) * | 2010-08-19 | 2012-08-16 | Henry Minard Morris, JR. | Ideation Search Engine |
US9918128B2 (en) * | 2016-04-08 | 2018-03-13 | Orange | Content categorization using facial expression recognition, with improved detection of moments of interest |
-
2018
- 2018-09-30 CN CN201811161065.9A patent/CN110970113B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578805A (zh) * | 2016-07-05 | 2018-01-12 | 九阳股份有限公司 | 基于用户情绪/精神状态的烹饪控制方法及设备 |
CN106406730A (zh) * | 2016-09-05 | 2017-02-15 | 努比亚技术有限公司 | 一种信息处理方法和设备 |
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 |
CN106528859A (zh) * | 2016-11-30 | 2017-03-22 | 英华达(南京)科技有限公司 | 一种数据推送***及方法 |
CN108010516A (zh) * | 2017-12-04 | 2018-05-08 | 广州势必可赢网络科技有限公司 | 一种语义独立的语音情绪特征识别方法及装置 |
CN108198607A (zh) * | 2018-03-07 | 2018-06-22 | 美的集团股份有限公司 | 一种食材推荐的方法、设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110970113A (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110970113B (zh) | 基于用户情绪的智能菜谱推荐方法 | |
US8151303B2 (en) | Television device and method of identifying consecutive programmes | |
US20210004891A1 (en) | Persona based food recommendation systems and methods | |
EP3324312A1 (en) | Content recommendation system with weighted metadata annotations | |
US20170185836A1 (en) | Marking analysis system and marking analysis method | |
CN109121007A (zh) | 基于多人脸识别的影视内容推荐方法、智能电视及*** | |
KR20170101730A (ko) | 사용자 데모그래픽 정보 및 콘텍스트 정보에 기초한 텍스트 입력 예측 방법 및 장치 | |
CN107809667A (zh) | 电视机语音交互方法、语音交互控制装置及存储介质 | |
JP2002320159A (ja) | 番組推薦システムおよび番組推薦方法 | |
EP3805953A1 (en) | Image processing device, image processing method, image processing program, and recording medium storing image processing program | |
CN103716704A (zh) | 图像处理设备及其控制方法和图像处理*** | |
CN107885836B (zh) | 一种用于智能终端的应用程序推荐方法及装置 | |
CN105898525A (zh) | 在特定视频库中搜索视频的方法及其视频终端 | |
US11250850B2 (en) | Electronic apparatus and control method thereof | |
WO2017167088A1 (en) | A user relationship based multimedia recommendation method and apparatus | |
US9832526B2 (en) | Smart playback method for TV programs and associated control device | |
CN110598064A (zh) | 食谱推荐方法及***、计算机设备、计算机可读存储介质 | |
EP3751432A1 (en) | Video pushing method and apparatus, and computer-readable storage medium | |
CN106657841B (zh) | 频道推荐方法和装置 | |
KR20090046353A (ko) | 개인 맞춤형 다중 추천 학습 방법 | |
CN111931256B (zh) | 配色推荐的方法、装置、设备及存储介质 | |
CN113009839A (zh) | 场景推荐方法和装置、存储介质及电子设备 | |
JP2011060218A (ja) | 回答システム | |
US20210227650A1 (en) | Method for operating a cooking appliance | |
CN106604093A (zh) | 键盘匹配方法及装置 |
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 |