CN111598671B - 一种基于人机交互的商品推荐方法 - Google Patents
一种基于人机交互的商品推荐方法 Download PDFInfo
- Publication number
- CN111598671B CN111598671B CN202010696007.7A CN202010696007A CN111598671B CN 111598671 B CN111598671 B CN 111598671B CN 202010696007 A CN202010696007 A CN 202010696007A CN 111598671 B CN111598671 B CN 111598671B
- Authority
- CN
- China
- Prior art keywords
- information
- target user
- commodity
- acquiring
- time
- 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 53
- 230000003993 interaction Effects 0.000 title claims abstract description 38
- 230000002452 interceptive effect Effects 0.000 claims abstract description 61
- 230000001815 facial effect Effects 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 36
- 230000008451 emotion Effects 0.000 claims description 84
- 230000008859 change Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000002996 emotional effect Effects 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 230000008921 facial expression Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 210000001747 pupil Anatomy 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Images
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]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Development Economics (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于人机交互的商品推荐方法，包括：基于购物平台获取目标用户通过电子设备传输的输入信息，生成输入信息集合；基于购物平台获取目标用户通过电子设备与商家的交互信息，生成交互信息集合；根据外部监测设备，获取目标用户通过电子设备基于购物平台操作时，目标用户的面部信息，生成面部信息集合；对目标用户的输入信息集合、交互信息集合与面部信息集合进行分析，获取目标用户的商品推荐信息；根据商品推荐信息，向目标用户的电子设备传输商品信息；从而实现了向目标用户的商品推荐，同时也实现了根据目标用户的商品喜好对目标用户进行个性化推荐的功能，进一步地提高了目标用户基于购物平台的体验效果。
Description
技术领域
本发明涉及信息推送技术领域，特别涉及一种基于人机交互的商品推荐方法。
背景技术
网上购物平台，就是通过互联网检索商品信息，并通过电子订购单发出购物请求，然后填上私人支票帐号或***的号码，厂商通过邮购的方式发货，或是通过快递公司送货上门。
随着网络技术的发展，越来越多的人们通过网上购物平台来选择购买商品；目前对于商品信息的推送，依旧是根据目标用户的历史购买记录来向目标用户推送相关的商品信息，当目标用户没有历史购买记录或历史购买记录的信息量较少时，便无法实现向目标用户的商品推荐。
因此，急需一种基于人机交互的商品推荐方法。
发明内容
为解决上述技术问题，本发明提供一种基于人机交互的商品推荐方法，用以实现向目标用户的商品推荐。
本发明实施例中提供了一种基于人机交互的商品推荐方法，所述方法，包括：
基于购物平台获取目标用户通过电子设备传输的输入信息，生成输入信息集合；
基于所述购物平台获取目标用户通过所述电子设备与商家的交互信息，生成交互信息集合；
根据外部监测设备，获取目标用户通过所述电子设备基于所述购物平台操作时，目标用户的面部信息，生成面部信息集合；
对目标用户的所述输入信息集合、所述交互信息集合与所述面部信息集合进行分析，获取目标用户的商品推荐信息；
根据所述商品推荐信息，向目标用户的所述电子设备传输商品信息。
在一个实施例中，所述外部监测设备，包括摄像头；
所述面部信息，包括目标用户的微表情信息和目标用户的瞳孔关注度信息。
在一个实施例中，所述步骤：基于购物平台获取目标用户通过电子设备传输的输入信息，生成输入信息集合；基于所述购物平台获取目标用户通过所述电子设备与商家的交互信息，生成交互信息集合；根据外部监测设备，获取目标用户通过所述电子设备基于所述购物平台操作时，目标用户的面部信息，生成面部信息集合；具体包括：
获取所述输入信息对应的时间信息；
将所述输入信息和所述输入信息对应的时间信息向所述输入信息集合传输；
获取所述交互信息对应的时间信息；
将所述交互信息和所述交互信息对应的时间信息向所述交互信息集合传输；
获取所述面部信息对应的时间信息；
将所述面部信息和所述面部信息对应的时间信息向所述面部信息集合传输；
所述步骤：根据外部监测设备，获取目标用户通过所述电子设备基于所述购物平台操作时，目标用户的面部信息，生成面部信息集合；之后，还包括：
获取目标用户基于所述购物平台操作的时间信息；
将目标用户基于所述购物平台操作的时间信息按照预设时间间隔划分为若干个时间段信息；
将所述时间段信息与所述输入信息集合中的所述时间信息进行比对，获取与所述时间段信息相同的所述时间信息对应的所述输入信息；将所述时间段信息与所述交互信息集合中的所述时间信息进行比对，获取与所述时间段信息相同的所述时间信息对应的所述交互信息；将所述时间段信息与所述面部信息集合中的所述时间信息进行比对，获取与所述时间段信息相同的所述时间信息对应的所述面部信息；
根据若干个所述时间段信息，绘制目标用户基于所述购物平台操作的时间信息的时间轴；并将根据所述时间段信息获取的所述输入信息、所述交互信息以及所述面部信息标记于所述时间轴上，获取标记处理后的时间轴。
在一个实施例中，所述步骤：对目标用户的所述输入信息集合、所述交互信息集合与所述面部信息集合进行分析，获取目标用户的商品推荐信息；具体包括：
基于标记处理后的所述时间轴，获取目标用户的面部变化信息；
根据目标用户的所述面部变化信息，获取目标用户的所述面部变化信息对应的时间节点；
根据所述时间节点，对标记处理后的所述时间轴进行分段，获取多个子时间轴；
获取所述子时间轴对应的所述输入信息、所述交互信息以及所述面部信息；
将所述面部信息与面部数据库中的信息进行匹配，获取在所述子时间轴对应的时间信息中目标用户的情绪信息；
根据所述情绪信息，将所述子时间轴对应的所述输入信息、所述交互信息以及所述面部信息存储于与所述情绪信息相应的情绪数据库中；
根据所述情绪数据库中的所述输入信息、所述交互信息以及所述面部信息，获取目标用户的所述商品推荐信息；
所述情绪信息，包括烦恼、愉悦、恐惧、愤怒以及忧虑；
所述情绪数据库，包括烦恼数据库、愉悦数据库、恐惧数据库、愤怒数据库以及忧虑数据库。
在一个实施例中，所述步骤：根据目标用户的所述面部变化信息，获取目标用户的所述面部变化信息对应的时间节点；之后，还包括：
基于标记处理后的所述时间轴，获取所述时间节点前后的所述输入信息和所述交互信息；
对所述时间节点前后的所述输入信息和所述交互信息进行比对分析，获取所述时间节点前后目标用户的面部表情发生变化的原因信息；
所述步骤：根据所述情绪数据库中的所述输入信息、所述交互信息以及所述面部信息，获取目标用户的所述商品推荐信息；具体包括：
获取预设推荐模型；
获取所述交互信息中的商品显示信息；
将所述情绪数据库中的所述输入信息、所述面部信息作为所述预设推荐模型的输入数据，将所述商品显示信息作为所述预设推荐模型的输出数据，训练所述预设推荐模型，获取目标用户的商品推荐模型；
根据所述原因信息对所述商品推荐模型进行优化处理，获取优化处理后的商品推荐模型；
目标用户将所述输入信息和所述交互信息向优化处理后的所述商品推荐模型传输，所述外部监测设备将目标用户的所述面部信息向优化处理后的所述商品推荐模型传输，优化处理后的所述商品推荐模型输出所述商品推荐信息。
在一个实施例中，所述步骤：根据所述原因信息对所述商品推荐模型进行优化处理，获取优化处理后的商品推荐模型；具体包括：
获取所述时间节点前后目标用户的情绪变化信息；
当所述情绪变化信息为积极-消极情绪信息时，获取所述原因信息中使目标用户的情绪产生消极变化的消极因素；
当所述情绪变化信息为消极-积极情绪信息时，获取所述原因信息中使目标用户的情绪产生积极变化的积极因素；
根据所述消极因素，所述商品推荐模型对导致所述消极因素的参数进行设置，抑制所述消极因素；根据所述积极因素，所述商品推荐模型对导致所述积极因素的参数进行设置，增益所述积极因素。
在一个实施例中，所述步骤：根据所述商品推荐信息，向目标用户的所述电子设备传输商品信息；之后，还包括
通过所述外部监测设备，获取目标用户接收到所述商品信息时的面部信息；
将所述面部信息与所述面部数据库中的信息进行比对，获取目标用户接收到所述商品信息时的情绪信息；
判断目标用户接收到所述商品信息时的所述情绪信息是否为积极情绪；当判断目标用户接收到所述商品信息时的所述情绪信息为积极情绪时，获取所述商品信息中的属性信息；并根据所述属性信息，基于所述购物平台获取与所述商品信息对应的所述商品的相关商品，并将所述商品信息和所述相关商品的信息存储于目标用户对应的商品推荐模块中；
当判断目标用户接收到所述商品信息时的所述情绪信息为消极情绪时，获取所述商品信息的属性信息；并根据所述属性信息，基于所述购物平台获取与所述商品信息对应的所述商品的相关商品，并将所述商品信息和所述相关商品的信息存储于目标用户对应的商品屏蔽模块中；
所述步骤：目标用户将所述输入信息和所述交互信息向优化处理后的所述商品推荐模型传输，所述外部监测设备将目标用户的所述面部信息向优化处理后的所述商品推荐模型传输，优化处理后的所述商品推荐模型输出所述商品推荐信息；之后，还包括：
将优化处理后的所述商品推荐模型输出的所述商品推荐信息与所述商品推荐模块中的所述商品信息和所述相关商品的信息进行比对，当比对一致时，将所述商品推荐信息中与所述商品推荐模块中信息比对一致的商品信息优先向目标用户推送；
将优化处理后的所述商品推荐模型输出的所述商品推荐信息与所述商品屏蔽模块中的所述商品信息和所述相关商品的信息进行比对，当比对一致时，将所述商品推荐信息中与所述商品屏蔽模块中信息比对一致的商品信息删除，将删除后的所述商品推荐信息向目标用户推送。
在一个实施例中，所述商品信息的属性信息，包括所述商品信息对应的商品的种类信息、价格信息以及生产厂家信息。
在一个实施例中，所述步骤：根据所述商品推荐信息，向目标用户的所述电子设备传输商品信息；还包括：
获取所述交互信息中的购买信息；
根据所述购买信息，获取目标用户基于所述购物平台的购物时间信息；
根据所述购物时间信息，获取目标用户基于所述购物平台购物的日期信息；并对所述日期信息进行智能分析，获取所述日期信息的属性特征；
根据所述日期信息的所述属性特征，基于电子日历获取具有所述属性特征的日期，并将所述日期作为商品推荐日期；
根据所述购物时间信息，获取目标用户基于所述购物平台购物的时间信息；并对所述时间信息进行分析，获取目标用户的购物时段信息；
在所述商品推荐日期中所述购物时段信息对应的时间，根据所述商品推荐信息，向目标用户的所述电子设备传输所述商品信息。
在一个实施例中，所述步骤：根据外部监测设备，获取目标用户通过所述电子设备基于所述购物平台操作时，目标用户的面部信息，生成面部信息集合的过程中，包括：
监测所述外部监测设备中布置的N个摄像头的工作日志，并根据 所述工作日志，获取所述N个摄像头的工作负载信息；
根据所述工作负载信息，在获取所述目标用户的面部信息之前，基于负载分配规则，向所述N个摄像头进行负载均衡分配，同时，根据如下公式，判断所述负载均衡分配是否合理；
其中，S表示负载均衡分配的计算结果；i表示所述N个摄像头中的第i个摄像头；
表示第i个摄像头的在每天中高人流量工作阶段对应的负载工作量；
表示第i个摄像头的
每天工作的总负载工作量；
表示基于负载分配规则，为第i个摄像头分配的额定负载工作
量；
表示第i个摄像头当前所处拍摄位置的位置权重值；
当S大于预设值时，表明分配合理，控制负载均衡分配后的N个摄像头分别拍摄所述目标用户，并获得N组拍摄集合，且N组拍摄集合与N个摄像头一一对应；
否则，表明分配不合理，并对所述负载均衡分配进行调整，并根据调整后的负载均衡分配所对应的N个摄像头来分别拍摄所述目标用户，获得N组拍摄集合；
根据获取的所述N组拍摄集合，获得所述目标用户的面部信息。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明所提供一种基于人机交互的商品推荐方法的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种基于人机交互的商品推荐方法，如图1所示，包括：
基于购物平台获取目标用户通过电子设备传输的输入信息，生成输入信息集合；
基于购物平台获取目标用户通过电子设备与商家的交互信息，生成交互信息集合；
根据外部监测设备，获取目标用户通过电子设备基于购物平台操作时，目标用户的面部信息，生成面部信息集合；
对目标用户的输入信息集合、交互信息集合与面部信息集合进行分析，获取目标用户的商品推荐信息；
根据商品推荐信息，向目标用户的电子设备传输商品信息。
上述方法的工作原理在于：基于购物平台获取目标用户通过电子设备传输的输入信息，生成输入信息集合；基于购物平台获取目标用户通过电子设备与商家的交互信息，生成交互信息集合；根据外部监测设备，获取目标用户通过电子设备基于购物平台操作时，目标用户的面部信息，生成面部信息集合；并对获取的输入信息集合、交互信息集合与面部信息集合进行分析，获取目标用户的商品推荐信息；根据商品推荐信息，向目标用户的电子设备传输商品信息。
上述方法的有益效果在于：通过基于购物平台获取的目标用户通过电子设备传输的输入信息，实现了对输入信息集合生成；通过基于购物平台获取目标用户通过电子设备与商家的交互信息，实现了对交互信息集合生成；并且根据外部监测设备监测目标用户通过电子设备基于购物平台操作时，对目标用户的面部信息获取，实现了对面部信息集合生成；并对获取的输入信息集合、交互信息集合与面部信息集合进行分析，实现了对目标用户的商品推荐信息获取；根据商品推荐信息，向目标用户的电子设备传输商品信息，以实现向目标用户的商品推荐；与传统技术相比，上述方法通过获取目标用户的输入信息、交互信息以及面部信息，来实现对商品推荐信息的获取，进而向目标用户推荐商品信息；解决了传统技术中完全依赖目标用户的历史购买记录来向目标用户推送相关的商品信息的缺陷，根据目标用户与通信设备的信息交互，对基于购物平台的输入信息和交互信息以及外部监测设备获取的目标用户的面部信息进行分析，从而实现了向目标用户的商品推荐，同时也实现了根据目标用户的商品喜好对目标用户进行个性化推荐的功能，进一步地提高了目标用户基于购物平台的体验效果。
在一个实施例中，外部监测设备，包括摄像头；上述技术方案中通过摄像头实现了外部监测设备对目标用户的面部信息的获取。
面部信息，包括目标用户的微表情信息和目标用户的瞳孔关注度信息。
在一个实施例中，步骤：基于购物平台获取目标用户通过电子设备传输的输入信息，生成输入信息集合；基于购物平台获取目标用户通过电子设备与商家的交互信息，生成交互信息集合；根据外部监测设备，获取目标用户通过电子设备基于购物平台操作时，目标用户的面部信息，生成面部信息集合；具体包括：
获取输入信息对应的时间信息；
将输入信息和输入信息对应的时间信息向输入信息集合传输；
获取交互信息对应的时间信息；
将交互信息和交互信息对应的时间信息向交互信息集合传输；
获取面部信息对应的时间信息；
将面部信息和面部信息对应的时间信息向面部信息集合传输；
步骤：根据外部监测设备，获取目标用户通过电子设备基于购物平台操作时，目标用户的面部信息，生成面部信息集合；之后，还包括：
获取目标用户基于购物平台操作的时间信息；
将目标用户基于购物平台操作的时间信息按照预设时间间隔划分为若干个时间段信息；
将时间段信息与输入信息集合中的时间信息进行比对，获取与时间段信息相同的时间信息对应的输入信息；将时间段信息与交互信息集合中的时间信息进行比对，获取与时间段信息相同的时间信息对应的交互信息；将时间段信息与面部信息集合中的时间信息进行比对，获取与时间段信息相同的时间信息对应的面部信息；
根据若干个时间段信息，绘制目标用户基于购物平台操作的时间信息的时间轴；并将根据时间段信息获取的输入信息、交互信息以及面部信息标记于时间轴上，获取标记处理后的时间轴。上述技术方案中获取输入信息、交互信息以及面部信息分别对应的时间信息，并分别向输入信息集合、交互信息集合、面部信息集合传输；并将目标用户基于购物平台操作的时间信息按照预设时间间隔（例如预设时间间隔为20秒）划分为若干个时间段信息；将时间段信息分别与输入信息集合、交互信息集合以及面部信息集合中的时间信息进行比对，获取与时间段信息相同的时间信息对应的输入信息、交互信息以及面部信息；并将获取的输入信息、交互信息以及面部信息标记于目标用户基于购物平台操作的时间信息的时间轴上，便于后续步骤基于时间轴对目标用户的商品喜好进行分析，从而实现对商品推荐信息的获取。
在一个实施例中，步骤：对目标用户的输入信息集合、交互信息集合与面部信息集合进行分析，获取目标用户的商品推荐信息；具体包括：
基于标记处理后的时间轴，获取目标用户的面部变化信息；
根据目标用户的面部变化信息，获取目标用户的面部变化信息对应的时间节点；
根据时间节点，对标记处理后的时间轴进行分段，获取多个子时间轴；
获取子时间轴对应的输入信息、交互信息以及面部信息；
将面部信息与面部数据库中的信息进行匹配，获取在子时间轴对应的时间信息中目标用户的情绪信息；
根据情绪信息，将子时间轴对应的输入信息、交互信息以及面部信息存储于与情绪信息相应的情绪数据库中；
根据情绪数据库中的输入信息、交互信息以及面部信息，获取目标用户的商品推荐信息；
情绪信息，包括烦恼、愉悦、恐惧、愤怒以及忧虑；
情绪数据库，包括烦恼数据库、愉悦数据库、恐惧数据库、愤怒数据库以及忧虑数据库。上述技术方案中根据目标用户的面部变化信息，获取目标用户的面部变化信息对应的时间节点；根据时间节点，将标记处理后的时间轴进行分段，实现对多个子时间轴的获取；将子时间轴对应的面部信息与面部数据库中的信息进行匹配，实现了对目标用户的情绪信息的获取；并且根据获取的情绪信息，创建子时间轴相应的情绪数据库，将子时间轴对应的输入信息、交互信息以及面部信息存储于与该情绪数据库中；并且根据情绪数据库中的输入信息、交互信息以及面部信息，实现了对目标用户的商品推荐信息获取。
在一个实施例中，步骤：根据目标用户的面部变化信息，获取目标用户的面部变化信息对应的时间节点；之后，还包括：
基于标记处理后的时间轴，获取时间节点前后的输入信息和交互信息；
对时间节点前后的输入信息和交互信息进行比对分析，获取时间节点前后目标用户的面部表情发生变化的原因信息；
步骤：根据情绪数据库中的输入信息、交互信息以及面部信息，获取目标用户的商品推荐信息；具体包括：
获取预设推荐模型；
获取交互信息中的商品显示信息；
将情绪数据库中的输入信息、面部信息作为预设推荐模型的输入数据，将商品显示信息作为预设推荐模型的输出数据，训练预设推荐模型，获取目标用户的商品推荐模型；
根据原因信息对商品推荐模型进行优化处理，获取优化处理后的商品推荐模型；
目标用户将输入信息和交互信息向优化处理后的商品推荐模型传输，外部监测设备将目标用户的面部信息向优化处理后的商品推荐模型传输，优化处理后的商品推荐模型输出商品推荐信息。上述技术方案中将情绪数据库中的输入信息、面部信息作为预设推荐模型的输入数据，将商品显示信息作为预设推荐模型的输出数据，训练预设推荐模型，从而实现了对目标用户的商品推荐模型的获取；并且根据时间节点前后的输入信息和交互信息的比对获取的原因信息对商品推荐模型进行优化处理，实现了对优化处理后的商品推荐模型的获取；将输入信息、交互信息以及面部信息向优化处理后的商品推荐模型，优化处理后的商品推荐模型输出商品推荐信息，从而实现了根据输入信息、交互信息以及面部信息，对目标用户的商品推荐信息的获取。
在一个实施例中，步骤：根据原因信息对商品推荐模型进行优化处理，获取优化处理后的商品推荐模型；具体包括：
获取时间节点前后目标用户的情绪变化信息；
当情绪变化信息为积极-消极情绪信息时，获取原因信息中使目标用户的情绪产生消极变化的消极因素；
当情绪变化信息为消极-积极情绪信息时，获取原因信息中使目标用户的情绪产生积极变化的积极因素；
根据消极因素，商品推荐模型对导致消极因素的参数进行设置，抑制消极因素；根据积极因素，商品推荐模型对导致积极因素的参数进行设置，增益积极因素。上述技术方案中通过获取时间节点前后目标用户的情绪变化信息，并且当情绪变化信息为有积极情绪向消极情绪变化时，获取原因信息中的消极因素，并且根据消极因素，对商品推荐模型内导致消极因素的参数进行设置，抑制该消极因素；当情绪变化信息为有消极情绪向积极情绪变化时，获取原因信息中的积极因素，并且根据积极因素，对商品推荐模型内导致积极因素的参数进行设置，增益该消极因素，从而实现了对商品推荐模型的优化处理，进一步地，使得商品推荐模型输出的商品推荐信息更加符合目标用户的喜好，从而有效地提高了目标用户基于购物平台的购物体验。
在一个实施例中，步骤：根据商品推荐信息，向目标用户的电子设备传输商品信息；之后，还包括
通过外部监测设备，获取目标用户接收到商品信息时的面部信息；
将面部信息与面部数据库中的信息进行比对，获取目标用户接收到商品信息时的情绪信息；
判断目标用户接收到商品信息时的情绪信息是否为积极情绪；当判断目标用户接收到商品信息时的情绪信息为积极情绪时，获取商品信息中的属性信息；并根据属性信息，基于购物平台获取与商品信息对应的商品的相关商品，并将商品信息和相关商品的信息存储于目标用户对应的商品推荐模块中；
当判断目标用户接收到商品信息时的情绪信息为消极情绪时，获取商品信息的属性信息；并根据属性信息，基于购物平台获取与商品信息对应的商品的相关商品，并将商品信息和相关商品的信息存储于目标用户对应的商品屏蔽模块中；
步骤：目标用户将输入信息和交互信息向优化处理后的商品推荐模型传输，外部监测设备将目标用户的面部信息向优化处理后的商品推荐模型传输，优化处理后的商品推荐模型输出商品推荐信息；之后，还包括：
将优化处理后的商品推荐模型输出的商品推荐信息与商品推荐模块中的商品信息和相关商品的信息进行比对，当比对一致时，将商品推荐信息中与商品推荐模块中信息比对一致的商品信息优先向目标用户推送；
将优化处理后的商品推荐模型输出的商品推荐信息与商品屏蔽模块中的商品信息和相关商品的信息进行比对，当比对一致时，将商品推荐信息中与商品屏蔽模块中信息比对一致的商品信息删除，将删除后的商品推荐信息向目标用户推送。上述技术方案中在目标用户通过电子设备接收到传输的商品信息时，通过外部监测设备获取目标用户当前的面部信息；并将面部信息与面部数据库中信息进行比对，获取目标用户当前的情绪信息；当目标用户的情绪信息为积极情绪时，将商品信息和根据商品信息的属性信息获取的与商品信息对应的商品的相关商品的信息存储于目标用户对应的商品推荐模块中；当目标用户的情绪信息为消极情绪时，将商品信息和根据商品信息的属性信息获取的与商品信息对应的商品的相关商品的信息存储于目标用户对应的商品屏蔽模块中；并在之后获取的目标用户的商品推荐信息分别于商品推荐模块、商品屏蔽模块中的信息进行比对，当与商品推荐模块中的信息比对一致时，将商品推荐信息中与商品推荐模块中信息比对一致的商品信息优先向目标用户推送；当与商品屏蔽模块中的信息比对一致时，将商品推荐信息中与商品屏蔽模块中信息比对一致的商品信息删除，将删除后的商品推荐信息向目标用户推送；从而实现了对于目标用户的个性化商品推荐，提高了目标用户的体验效果。
在一个实施例中，商品信息的属性信息，包括商品信息对应的商品的种类信息、价格信息以及生产厂家信息。上述技术方案中通过商品信息的属性信息，实现了对与商品信息对应的商品的相关商品的获取。
在一个实施例中，步骤：根据商品推荐信息，向目标用户的电子设备传输商品信息；还包括：
获取交互信息中的购买信息；
根据购买信息，获取目标用户基于购物平台的购物时间信息；
根据购物时间信息，获取目标用户基于购物平台购物的日期信息；并对日期信息进行智能分析，获取日期信息的属性特征；
根据日期信息的属性特征，基于电子日历获取具有属性特征的日期，并将日期作为商品推荐日期；
根据购物时间信息，获取目标用户基于购物平台购物的时间信息；并对时间信息进行分析，获取目标用户的购物时段信息；
在商品推荐日期中购物时段信息对应的时间，根据商品推荐信息，向目标用户的电子设备传输商品信息。上述技术方案中通过购买信息，实现了对目标用户基于购物平台的购物时间信息的获取；并对购物时间信息中的日期信息进行智能分析，实现了对日期信息的属性特征的获取；并在电子日历中将具有属性特征的日期作为商品推荐日期；对购物时间信息中的时间信息进行分析，实现了对目标用户的购物时段信息的获取；从而在商品推荐日期中购物时段信息对应的时间，向目标用户的电子设备传输商品信息。
在一个具体实施例中，目标用户的购物时间信息中的日期信息的属性特征为节假日和“双十一”；目标用户的购物时段信息为晚上8点到12点；则在节假日或购物平台的活动日的晚上8点到12点，根据商品推荐信息，向目标用户的电子设备传输商品信息，以实现对目标用户的商品推荐。
在一个实施例中，步骤：根据外部监测设备，获取目标用户通过电子设备基于购物平台操作时，目标用户的面部信息，生成面部信息集合的过程中，包括：
监测外部监测设备中布置的N个摄像头的工作日志，并根据工作日志，获取N个摄像头的工作负载信息；
根据工作负载信息，在获取目标用户的面部信息之前，基于负载分配规则，向N个摄像头进行负载均衡分配，同时，根据如下公式，判断负载均衡分配是否合理；
其中，S表示负载均衡分配的计算结果；i表示N个摄像头中的第i个摄像头；
表示
第i个摄像头的在每天中高人流量工作阶段对应的负载工作量；
表示第i个摄像头的每天
工作的总负载工作量；
表示基于负载分配规则，为第i个摄像头分配的额定负载工作量；
表示第i个摄像头当前所处拍摄位置的位置权重值；
当S大于预设值时，表明分配合理，控制负载均衡分配后的N个摄像头分别拍摄目标用户，并获得N组拍摄集合，且N组拍摄集合与N个摄像头一一对应；
否则，表明分配不合理，并对负载均衡分配进行调整，并根据调整后的负载均衡分配所对应的N个摄像头来分别拍摄目标用户，获得N组拍摄集合；
根据获取的N组拍摄集合，获得目标用户的面部信息。
该实施例中，工作日志，是包括摄像头的能量损耗、拍摄方位、拍摄过程中捕捉到的与目标用户的面部信息相关的有效捕捉时间等；
该实施例中，对摄像头进行负载均衡分配，是为了可以进行集中监控，并向集中监控对应的摄像头进行多能量分配。
上述技术方案的有益效果是：通过对外部监控设备中的多个摄像头进行负载均衡分配，便于保证摄像头的有效运行，且提高其的有效寿命，由于在拍摄过程中，由于每个摄像头的拍摄的能量损耗不同，进而根据工作日志，确定工作负载信息，且根据负载分配规则，对摄像头进行负载均衡分配，并通过上述公式计算并判断其分配的结果是否合理，进而实现对目标用户的有效拍摄，获取更完整的面部信息。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于人机交互的商品推荐方法，其特征在于，所述方法，包括：
基于购物平台获取目标用户通过电子设备传输的输入信息，生成输入信息集合；
基于所述购物平台获取目标用户通过所述电子设备与商家的交互信息，生成交互信息集合；
根据外部监测设备，获取目标用户通过所述电子设备基于所述购物平台操作时，目标用户的面部信息，生成面部信息集合；
对目标用户的所述输入信息集合、所述交互信息集合与所述面部信息集合进行分析，获取目标用户的商品推荐信息；
根据所述商品推荐信息，向目标用户的所述电子设备传输商品信息；
基于购物平台获取目标用户通过电子设备传输的输入信息，生成输入信息集合；基于所述购物平台获取目标用户通过所述电子设备与商家的交互信息，生成交互信息集合；根据外部监测设备，获取目标用户通过所述电子设备基于所述购物平台操作时，目标用户的面部信息，生成面部信息集合包括：
获取所述输入信息对应的时间信息；
将所述输入信息和所述输入信息对应的时间信息向所述输入信息集合传输；
获取所述交互信息对应的时间信息；
将所述交互信息和所述交互信息对应的时间信息向所述交互信息集合传输；
获取所述面部信息对应的时间信息；
将所述面部信息和所述面部信息对应的时间信息向所述面部信息集合传输；
所述步骤：根据外部监测设备，获取目标用户通过所述电子设备基于所述购物平台操作时，目标用户的面部信息，生成面部信息集合；之后，还包括：
获取目标用户基于所述购物平台操作的时间信息；
将目标用户基于所述购物平台操作的时间信息按照预设时间间隔划分为若干个时间段信息；
将所述时间段信息与所述输入信息集合中的所述时间信息进行比对，获取与所述时间段信息相同的所述时间信息对应的所述输入信息；将所述时间段信息与所述交互信息集合中的所述时间信息进行比对，获取与所述时间段信息相同的所述时间信息对应的所述交互信息；将所述时间段信息与所述面部信息集合中的所述时间信息进行比对，获取与所述时间段信息相同的所述时间信息对应的所述面部信息；
根据若干个所述时间段信息，绘制目标用户基于所述购物平台操作的时间信息的时间轴；并将根据所述时间段信息获取的所述输入信息、所述交互信息以及所述面部信息标记于所述时间轴上，获取标记处理后的时间轴。
2.如权利要求1所述的方法，其特征在于，
所述外部监测设备，包括摄像头；
所述面部信息，包括目标用户的微表情信息和目标用户的瞳孔关注度信息。
3.如权利要求1所述的方法，其特征在于，所述步骤：对目标用户的所述输入信息集合、所述交互信息集合与所述面部信息集合进行分析，获取目标用户的商品推荐信息；具体包括：
基于标记处理后的所述时间轴，获取目标用户的面部变化信息；
根据目标用户的所述面部变化信息，获取目标用户的所述面部变化信息对应的时间节点；
根据所述时间节点，对标记处理后的所述时间轴进行分段，获取多个子时间轴；
获取所述子时间轴对应的所述输入信息、所述交互信息以及所述面部信息；
将所述面部信息与面部数据库中的信息进行匹配，获取在所述子时间轴对应的时间信息中目标用户的情绪信息；
根据所述情绪信息，将所述子时间轴对应的所述输入信息、所述交互信息以及所述面部信息存储于与所述情绪信息相应的情绪数据库中；
根据所述情绪数据库中的所述输入信息、所述交互信息以及所述面部信息，获取目标用户的所述商品推荐信息；
所述情绪信息，包括烦恼、愉悦、恐惧、愤怒以及忧虑；
所述情绪数据库，包括烦恼数据库、愉悦数据库、恐惧数据库、愤怒数据库以及忧虑数据库。
4.如权利要求3所述的方法，其特征在于，所述步骤：根据目标用户的所述面部变化信息，获取目标用户的所述面部变化信息对应的时间节点；之后，还包括：
基于标记处理后的所述时间轴，获取所述时间节点前后的所述输入信息和所述交互信息；
对所述时间节点前后的所述输入信息和所述交互信息进行比对分析，获取所述时间节点前后目标用户的面部表情发生变化的原因信息；
所述步骤：根据所述情绪数据库中的所述输入信息、所述交互信息以及所述面部信息，获取目标用户的所述商品推荐信息；具体包括：
获取预设推荐模型；
获取所述交互信息中的商品显示信息；
将所述情绪数据库中的所述输入信息、所述面部信息作为所述预设推荐模型的输入数据，将所述商品显示信息作为所述预设推荐模型的输出数据，训练所述预设推荐模型，获取目标用户的商品推荐模型；
根据所述原因信息对所述商品推荐模型进行优化处理，获取优化处理后的商品推荐模型；
目标用户将所述输入信息和所述交互信息向优化处理后的所述商品推荐模型传输，所述外部监测设备将目标用户的所述面部信息向优化处理后的所述商品推荐模型传输，优化处理后的所述商品推荐模型输出所述商品推荐信息。
5.如权利要求4所述的方法，其特征在于，所述步骤：根据所述原因信息对所述商品推荐模型进行优化处理，获取优化处理后的商品推荐模型；具体包括：
获取所述时间节点前后目标用户的情绪变化信息；
当所述情绪变化信息为积极-消极情绪信息时，获取所述原因信息中使目标用户的情绪产生消极变化的消极因素；
当所述情绪变化信息为消极-积极情绪信息时，获取所述原因信息中使目标用户的情绪产生积极变化的积极因素；
根据所述消极因素，所述商品推荐模型对导致所述消极因素的参数进行设置，抑制所述消极因素；根据所述积极因素，所述商品推荐模型对导致所述积极因素的参数进行设置，增益所述积极因素。
6.如权利要求4所述的方法，其特征在于，所述步骤：根据所述商品推荐信息，向目标用户的所述电子设备传输商品信息；之后，还包括
通过所述外部监测设备，获取目标用户接收到所述商品信息时的面部信息；
将所述面部信息与所述面部数据库中的信息进行比对，获取目标用户接收到所述商品信息时的情绪信息；
判断目标用户接收到所述商品信息时的所述情绪信息是否为积极情绪；当判断目标用户接收到所述商品信息时的所述情绪信息为积极情绪时，获取所述商品信息中的属性信息；并根据所述属性信息，基于所述购物平台获取与所述商品信息对应的所述商品的相关商品，并将所述商品信息和所述相关商品的信息存储于目标用户对应的商品推荐模块中；
当判断目标用户接收到所述商品信息时的所述情绪信息为消极情绪时，获取所述商品信息的属性信息；并根据所述属性信息，基于所述购物平台获取与所述商品信息对应的所述商品的相关商品，并将所述商品信息和所述相关商品的信息存储于目标用户对应的商品屏蔽模块中；
所述步骤：目标用户将所述输入信息和所述交互信息向优化处理后的所述商品推荐模型传输，所述外部监测设备将目标用户的所述面部信息向优化处理后的所述商品推荐模型传输，优化处理后的所述商品推荐模型输出所述商品推荐信息；之后，还包括：
将优化处理后的所述商品推荐模型输出的所述商品推荐信息与所述商品推荐模块中的所述商品信息和所述相关商品的信息进行比对，当比对一致时，将所述商品推荐信息中与所述商品推荐模块中信息比对一致的商品信息优先向目标用户推送；
将优化处理后的所述商品推荐模型输出的所述商品推荐信息与所述商品屏蔽模块中的所述商品信息和所述相关商品的信息进行比对，当比对一致时，将所述商品推荐信息中与所述商品屏蔽模块中信息比对一致的商品信息删除，将删除后的所述商品推荐信息向目标用户推送。
7.如权利要求6所述的方法，其特征在于，
所述商品信息的属性信息，包括所述商品信息对应的商品的种类信息、价格信息以及生产厂家信息。
8.如权利要求1所述的方法，其特征在于，所述步骤：根据所述商品推荐信息，向目标用户的所述电子设备传输商品信息；还包括：
获取所述交互信息中的购买信息；
根据所述购买信息，获取目标用户基于所述购物平台的购物时间信息；
根据所述购物时间信息，获取目标用户基于所述购物平台购物的日期信息；并对所述日期信息进行智能分析，获取所述日期信息的属性特征；
根据所述日期信息的所述属性特征，基于电子日历获取具有所述属性特征的日期，并将所述日期作为商品推荐日期；
根据所述购物时间信息，获取目标用户基于所述购物平台购物的时间信息；并对所述时间信息进行分析，获取目标用户的购物时段信息；
在所述商品推荐日期中所述购物时段信息对应的时间，根据所述商品推荐信息，向目标用户的所述电子设备传输所述商品信息。
9.如权利要求1所述的方法，其特征在于，所述步骤：根据外部监测设备，获取目标用户通过所述电子设备基于所述购物平台操作时，目标用户的面部信息，生成面部信息集合的过程中，包括：
监测所述外部监测设备中布置的N个摄像头的工作日志，并根据 所述工作日志，获取所述N个摄像头的工作负载信息；
根据所述工作负载信息，在获取所述目标用户的面部信息之前，基于负载分配规则，向所述N个摄像头进行负载均衡分配，同时，根据如下公式，判断所述负载均衡分配是否合理；
其中，S表示负载均衡分配的计算结果；i表示所述N个摄像头中的第i个摄像头；
表示
第i个摄像头的在每天中高人流量工作阶段对应的负载工作量；
表示第i个摄像头的每天
工作的总负载工作量；
表示基于负载分配规则，为第i个摄像头分配的额定负载工作量；
表示第i个摄像头当前所处拍摄位置的位置权重值；
当S大于预设值时，表明分配合理，控制负载均衡分配后的N个摄像头分别拍摄所述目标用户，并获得N组拍摄集合，且N组拍摄集合与N个摄像头一一对应；
否则，表明分配不合理，并对所述负载均衡分配进行调整，并根据调整后的负载均衡分配所对应的N个摄像头来分别拍摄所述目标用户，获得N组拍摄集合；
根据获取的所述N组拍摄集合，获得所述目标用户的面部信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010696007.7A CN111598671B (zh) | 2020-07-20 | 2020-07-20 | 一种基于人机交互的商品推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010696007.7A CN111598671B (zh) | 2020-07-20 | 2020-07-20 | 一种基于人机交互的商品推荐方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111598671A CN111598671A (zh) | 2020-08-28 |
| CN111598671B true CN111598671B (zh) | 2020-10-30 |
Family
ID=72183049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010696007.7A Active CN111598671B (zh) | 2020-07-20 | 2020-07-20 | 一种基于人机交互的商品推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598671B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112348640B (zh) * | 2020-11-12 | 2021-08-13 | 北京科技大学 | 一种基于面部情感状态分析的在线购物***及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107247759A (zh) * | 2017-05-31 | 2017-10-13 | 深圳正品创想科技有限公司 | 一种商品推荐方法及装置 |
| CN108182624A (zh) * | 2017-12-26 | 2018-06-19 | 努比亚技术有限公司 | 商品推荐方法、服务器及计算机可读存储介质 |
| WO2019023929A1 (zh) * | 2017-08-01 | 2019-02-07 | 深圳市益廷科技有限公司 | 一种酒店购物方法 |
| CN109766491A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 商品搜索方法、装置、计算机设备和存储介质 |
| CN109785045A (zh) * | 2018-12-14 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 一种基于用户行为数据的推送方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103826160A (zh) * | 2014-01-09 | 2014-05-28 | 广州三星通信技术研究有限公司 | 获取视频的信息的方法及设备及播放视频的方法及设备 |
-
2020
- 2020-07-20 CN CN202010696007.7A patent/CN111598671B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107247759A (zh) * | 2017-05-31 | 2017-10-13 | 深圳正品创想科技有限公司 | 一种商品推荐方法及装置 |
| WO2019023929A1 (zh) * | 2017-08-01 | 2019-02-07 | 深圳市益廷科技有限公司 | 一种酒店购物方法 |
| CN108182624A (zh) * | 2017-12-26 | 2018-06-19 | 努比亚技术有限公司 | 商品推荐方法、服务器及计算机可读存储介质 |
| CN109785045A (zh) * | 2018-12-14 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 一种基于用户行为数据的推送方法和装置 |
| CN109766491A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 商品搜索方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111598671A (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104731895B (zh) | 自动应答的方法和装置 | |
| CN109902708A (zh) | 一种推荐模型训练方法及相关装置 | |
| CN101359995B (zh) | 提供在线服务的方法和装置 | |
| CN109241440A (zh) | 一种基于深度学习的面向隐式反馈推荐方法 | |
| CN105843825A (zh) | 影响者得分 | |
| CN109388697A (zh) | 处理问答语料的方法、装置及电子终端 | |
| CN111222410A (zh) | 一种基于人脸识别的店商消费行为分析引导营销*** | |
| US20180218432A1 (en) | Recommendation integrated online digital sales service chat system | |
| CN114331512B (zh) | 一种可视化数据建模及大数据画像的方法 | |
| CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
| CN114722281B (zh) | 基于用户画像及用户选课行为的培训课程配置方法、装置 | |
| CN113313271A (zh) | 一种基于远程客服的电力***故障报修方法及装置 | |
| CN111598671B (zh) | 一种基于人机交互的商品推荐方法 | |
| CN106294676A (zh) | 一种电子商务政务***的数据检索方法 | |
| CN116757270A (zh) | 基于人机交互模型或大模型的数据处理方法、服务器 | |
| CN109840826A (zh) | 互联网销售下单*** | |
| CN117314593A (zh) | 一种基于用户行为分析的保险项目推送方法及*** | |
| WO2020098669A1 (zh) | 一种表情输入的方法、装置、设备以及存储介质 | |
| CN107480703A (zh) | 交易故障检测方法及装置 | |
| CN111695625A (zh) | 一种基于多级注意力机制网络的移动应用流行度预测方法 | |
| CN117522256A (zh) | 基于供应商画像的采购筛选方法、***、存储介质及终端 | |
| CN116738293A (zh) | 一种业务评价处理方法、装置及电子设备 | |
| CN110348807A (zh) | 一种信息处理方法和相关装置 | |
| CN115953080A (zh) | 工程师服务等级确定方法、设备和存储介质 | |
| CN115563176A (zh) | 一种电子商务数据处理***及方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211206 Address after: Room 084, No. 1-309, 3rd floor, commercial building, No. 9 Wangjing street, Chaoyang District, Beijing 100102 Patentee after: Beijing Daily Youxian Technology Co.,Ltd. Address before: 100102 room 801, 08 / F, building 7, yard 34, Chuangyuan Road, Chaoyang District, Beijing Patentee before: BEIJING MISSFRESH E-COMMERCE Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231109 Address after: 518000 807, No. 121, Minsheng Avenue, Shangcun Community, Gongming Street, Guangming District, Shenzhen, Guangdong Patentee after: Shenzhen Zhuanxin Intellectual Property Service Co.,Ltd. Address before: Room 084, No. 1-309, 3rd floor, commercial building, No. 9 Wangjing street, Chaoyang District, Beijing 100102 Patentee before: Beijing Daily Youxian Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240418 Address after: 550025 National (Guizhou) Hub Node of National Integrated Computing Power Network in Huchao Township, Gui'an New District, Guiyang City, Guizhou Province. Room 207-1085, 2nd Floor, Building 2, Computing Power Operation and Dispatch Center Patentee after: Xunfeng Technology (Guizhou) Co.,Ltd. Country or region after: China Address before: 518000 807, No. 121, Minsheng Avenue, Shangcun Community, Gongming Street, Guangming District, Shenzhen, Guangdong Patentee before: Shenzhen Zhuanxin Intellectual Property Service Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |