CN113435970A - 基于生物信息的产品推荐方法、装置、电子设备及介质 - Google Patents

Abstract

本发明涉及数据处理，揭露一种基于生物信息的产品推荐方法，包括：获取目标用户的基本信息，基于基本信息构建目标用户的用户画像；将用户画像输入产品推荐模型，得到目标用户对应的初始产品推荐信息；采集目标用户浏览初始产品推荐信息时的原始生物信息及原始环境信息，基于原始生物信息及原始环境信息进行情绪识别；基于情绪识别结果更新初始产品推荐信息，得到目标产品推荐信息。本发明还提供一种基于生物信息的产品推荐装置、电子设备及介质。本发明提高了产品推荐的实时性及准确性。

Description

基于生物信息的产品推荐方法、装置、电子设备及介质

技术领域

本发明涉及数据处理领域，尤其涉及一种基于生物信息的产品推荐方法、装置、电子设备及介质。

背景技术

随着产品多样化的发展，如何快速、准确的为用户推荐感兴趣的产品成为关注重点。当前，通常根据用户的历史搜索数据、历史购买数据为用户确定待推荐的产品清单，然而这种方式确定的产品清单具有一定的延迟性，准确性不高。

发明内容

鉴于以上内容，有必要提供一种基于生物信息的产品推荐方法，旨在提高产品推荐的实时性及准确性。

本发明提供的基于生物信息的产品推荐方法，包括：

响应客户端发出的针对目标用户的产品推荐请求，从第一数据库中获取所述目标用户的基本信息，基于所述目标用户的基本信息构建所述目标用户的用户画像；

将所述目标用户的用户画像输入产品推荐模型，得到所述目标用户对应的初始产品推荐信息，将所述初始产品推荐信息发送到目标终端；

采集所述目标用户在所述目标终端浏览所述初始产品推荐信息时的原始生物信息及原始环境信息，基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别；

基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息。

可选的，所述原始生物信息及原始环境信息携带浏览时间戳，所述基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别包括：

将所述原始生物信息及原始环境信息按照预设时间段拆分，得到多个时间段对应的生物信息集及环境信息集；

计算各个生物信息集及环境信息集中每个因子的平均值，得到各个时间段对应的目标生物信息及目标环境信息；

基于所述目标生物信息及目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果。

可选的，所述基于所述目标生物信息及目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果包括：

选择一个时间段对应的目标生物信息及目标环境信息，对选择的目标生物信息及目标环境信息执行特征处理，得到所述目标用户在选择的时间段的第一特征序列；

从第二数据库中获取携带情绪类别标注信息的第一样本集，基于所述第一样本集确定所述目标用户在所述选择的时间段的邻域；

从所述邻域中抽取预设数量的样本得到第二样本集，获取所述第二样本集中每个样本的第二特征序列；

基于所述第一特征序列及第二特征序列确定所述目标用户在所述选择的时间段的目标情绪类别。

可选的，所述基于所述第一特征序列及第二特征序列确定所述目标用户在所述选择的时间段的目标情绪类别包括：

计算所述第二样本集中每个样本与各个情绪类别的第一隶属度；

计算所述第二样本集中每个样本的第二特征序列与所述第一特征序列的相似度；

基于所述第一隶属度及相似度确定所述第一特征序列与各个情绪类别的第二隶属度；

将第二隶属度最大的情绪类别作为所述目标用户在所述选择的时间段的目标情绪类别。

可选的，所述情绪识别结果包括喜悦、放松、无聊及厌恶，所述基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息包括：

当某一指定时间段的情绪识别结果为喜悦或放松时，获取所述目标用户在所述指定时间段浏览的第一产品信息，在所述初始产品推荐信息中增加与所述第一产品信息同类型的产品信息，得到目标产品推荐信息；

若某一指定时间段的情绪识别结果为无聊或厌恶，则获取所述目标用户在所述指定时间段浏览的第二产品信息，在所述初始产品推荐信息中减少与所述第二产品信息同类型的产品信息，并增加与所述第二产品信息相关度低的产品信息，得到目标产品推荐信息。

可选的，所述基本信息包括多个指标项及所述多个指标项中每个指标项对应的指标值，所述基于所述目标用户的基本信息构建所述目标用户的用户画像包括：

从第三数据库中获取每个指标项对应的指标值与标签的映射关系；

基于所述映射关系确定所述目标用户的基本信息中各个指标项对应的目标标签；

将所述目标标签的集合作为所述目标用户的用户画像。

可选的，所述原始生物信息包括皮肤阻抗、皮肤温度、血压、血氧、脉搏、心电及脑电波的信息，所述原始环境信息包括GPS位置、环境温度、环境湿度及环境亮度的信息。

为了解决上述问题，本发明还提供一种基于生物信息的产品推荐装置，所述装置包括：

构建模块，用于响应客户端发出的针对目标用户的产品推荐请求，从第一数据库中获取所述目标用户的基本信息，基于所述目标用户的基本信息构建所述目标用户的用户画像；

发送模块，用于将所述目标用户的用户画像输入产品推荐模型，得到所述目标用户对应的初始产品推荐信息，将所述初始产品推荐信息发送到目标终端；

识别模块，用于采集所述目标用户在所述目标终端浏览所述初始产品推荐信息时的原始生物信息及原始环境信息，基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别；

更新模块，用于基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的产品推荐程序，所述产品推荐程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述基于生物信息的产品推荐方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有产品推荐程序，所述产品推荐程序可被一个或者多个处理器执行，以实现上述基于生物信息的产品推荐方法。

相较现有技术，本发明首先获取目标用户的基本信息，基于基本信息构建目标用户的用户画像；接着，将用户画像输入产品推荐模型，得到目标用户对应的初始产品推荐信息；然后，采集目标用户在目标终端浏览初始产品推荐信息时的原始生物信息及原始环境信息，基于原始生物信息及原始环境信息对目标用户进行情绪识别，本步骤使得情绪识别结果更为准确；最后，基于情绪识别结果更新初始产品推荐信息，得到目标产品推荐信息，本步骤根据情绪识别结果实时调整产品推荐信息，使得目标产品推荐信息的实时性更高、更准确。因此，本发明提高了产品推荐的实时性及准确性。

附图说明

图1为本发明一实施例提供的基于生物信息的产品推荐方法的流程示意图；

图2为本发明一实施例提供的基于生物信息的产品推荐装置的模块示意图；

图3为本发明一实施例提供的实现基于生物信息的产品推荐方法的电子设备的结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

本发明提供一种基于生物信息的产品推荐方法。参照图1所示，为本发明一实施例提供的基于生物信息的产品推荐方法的流程示意图。该方法可以由一个电子设备执行，该电子设备可以由软件和/或硬件实现。

本实施例中，基于生物信息的产品推荐方法包括：

S1、响应客户端发出的针对目标用户的产品推荐请求，从第一数据库中获取所述目标用户的基本信息，基于所述目标用户的基本信息构建所述目标用户的用户画像。

本实施例中，所述客户端可以是产品推广方的智能设备，所述基本信息包括多个指标项及所述多个指标项中每个指标项对应的指标值，所述指标项包括年龄、性别、地址、职业等。

通过指标值可确定用户在各指标项的特点，进而可构建用户画像。

所述基于所述目标用户的基本信息构建所述目标用户的用户画像包括：

A11、从第三数据库中获取每个指标项对应的指标值与标签的映射关系；

本实施例以指标项年龄和地址为例说明指标值与标签的映射关系。

年龄对应的指标值与标签的映射关系如下：

18岁以下，少年；

18岁～30岁，青年；

31岁～50岁，中年；

50岁以上，老年。

地址对应的指标值与标签的映射关系如下：

北京、上海、广州、深圳，一线城市；

厦门、无锡、昆明、温州、长春、南宁、金华、……、珠海，二线城市；

……

A12、基于所述映射关系确定所述目标用户的基本信息中各个指标项对应的目标标签；

若目标用户的基本信息中年龄为25岁，性别为女，地址为上海，职业为外企职员，则目标用户的各指标项对应的标签分别为青年、女性、一线城市及白领。

A13、将所述目标标签的集合作为所述目标用户的用户画像。

汇总上述各指标项对应的标签即得到目标用户的用户画像。

S2、将所述目标用户的用户画像输入产品推荐模型，得到所述目标用户对应的初始产品推荐信息，将所述初始产品推荐信息发送到目标终端。

本实施例中，所述产品推荐模型用于根据用户画像为用户推荐产品，所述初始产品推荐信息可以是待推荐产品的广告宣传片或宣传海报，所述目标终端可以是一台与采集仪器连接的计算机。

所述产品推荐模型的构建过程包括：

B11、从第四数据库中获取多个用户的基本信息及历史购买数据；

第四数据库可以是购物平台用于存储数据的数据库。

B12、基于所述多个用户中每个用户的基本信息构建每个用户的用户画像；

用户画像的构建过程与步骤S1相同，在此不做赘述。

B13、基于所述历史购买数据确定每个用户的偏好产品；

将每个用户的历史购买数据中购买次数最多的产品作为每个用户的偏好产品，例如，若用户1的历史购买数据中购买次数最多的产品为化妆品，则用户1的偏好产品为化妆品。

B14、将所述每个用户的用户画像输入初始推荐模型，得到每个用户的待推荐产品；

本实施例中，所述初始推荐模型可以是神经网络模型，也可以是支持向量机或随机森林模型。

B15、通过最小化待推荐产品与偏好产品之间的损失值调整所述初始推荐模型的结构参数，得到产品推荐模型。

所述损失值的计算公式为：

其中，q_i为第i个用户的待推荐产品，p_i为第i个用户的偏好产品，c为用户的总数量，loss(q_i,p_i)为第i个用户的待推荐产品与偏好产品之间的损失值。

S3、采集所述目标用户在所述目标终端浏览所述初始产品推荐信息时的原始生物信息及原始环境信息，基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别。

本实施例中，采集仪器可以是1秒采集一次数据，采集仪器包括无线可穿戴设备(如耳机、手环、头盔、项圈等)及环境采集仪，所述无线可穿戴设备用于采集用户的原始生物信息，环境采集仪用于采集用户所处环境的原始环境信息。

所述原始生物信息包括皮肤阻抗、皮肤温度、血压、血氧、脉搏、心电及脑电波的信息，所述原始环境信息包括GPS位置、环境温度、环境湿度及环境亮度的信息。

为确定被采集的用户的身份，本实施例在采集信息之前，需先录入待采集用户的身份标识信息。

所述原始生物信息及原始环境信息携带浏览时间戳，所述基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别包括：

C11、将所述原始生物信息及原始环境信息按照预设时间段拆分，得到多个时间段对应的生物信息集及环境信息集；

例如，若目标用户浏览初始产品推荐信息的时间为15秒，若预设时间段为3秒，则可拆分得到5个时间段对应的生物信息集及环境信息集。

C12、计算各个生物信息集及环境信息集中每个因子的平均值，得到各个时间段对应的目标生物信息及目标环境信息；

例如，计算某一时间段对应的生物信息集中皮肤阻抗的平均值，得到该时间段对应的目标生物信息中皮肤阻抗的数值。

若第一个时间段对应的生物信息集中脉搏分别为75、72、79，则第一个时间段对应的目标生物信息中脉搏的数值为(75+74+79)/3＝76。

若第三个时间段对应的环境信息集中环境湿度分别为60.1％、60.3％、60.2％，则第三个时间段对应的目标环境信息中环境湿度的数值为(60.1％+60.3％+60.2％)/3＝60.2％。

C13、基于所述目标生物信息及目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果。

生物信息可体现用户的情绪状态，环境信息在一定程度上也能够影响用户的情绪。

所述情绪识别结果即为识别得到的情绪类别，包括喜悦、厌恶、无聊及放松。

所述基于所述目标生物信息及目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果包括步骤D11-D14：

D11、选择一个时间段对应的目标生物信息及目标环境信息，对选择的目标生物信息及目标环境信息执行特征处理，得到所述目标用户在选择的时间段的第一特征序列；

本实施例以一个时间段为例描述该时间段的情绪识别过程。

所述对选择的目标生物信息及目标环境信息执行特征处理，得到所述目标用户在选择的时间段的第一特征序列包括步骤E11-E12：

E11、按照预设顺序拼接所述选择的目标生物信息及目标环境信息中的各个因子，得到特征因子序列；

本实施例中，预设顺序为样本数据中从一种情绪转换为另一种情绪时各个因子的变化范围从大到小的顺序，例如，样本数据中，用户的情绪从放松转换为喜悦时，脉搏的平均变化范围大于血压的平均变化范围，血压的平均变化范围大于皮肤温度的变化范围，则预设顺序中脉搏排在血压和皮肤温度的前面，血压排在皮肤温度的前面。

E12、将各因子的权重及其在选择的目标生物信息及目标环境信息中对应的数值的乘积填入所述特征因子序列中，得到所述目标用户在选择的时间段的第一特征序列。

本实施例中，各因子对应的权重为预先设置的，将因子的权重和因子在选择的时间段内的数值相乘，将乘积输入特征因子序列中，得到目标用户在选择的时间段的第一特征序列。

D12、从第二数据库中获取携带情绪类别标注信息的第一样本集，基于所述第一样本集确定所述目标用户在所述选择的时间段的邻域；

本实施例中，情绪类别标注信息包括情绪类别名称、唤醒度及效能。

情绪类别与唤醒度及效能之间的关系为：当唤醒度及效能都较高时，情绪类别为喜悦；当唤醒度及效能都较低时，情绪类别为无聊；当唤醒度较高而效能较低时，情绪类别为厌恶；当唤醒度较低而效能较高时，情绪类别为放松。

所述基于所述第一样本集确定所述目标用户在所述选择的时间段的邻域包括步骤F11-F12：

F11、基于所述第一样本集中每个样本的脑电波及情绪类别标注信息中的唤醒度确定专注度门限；

本实施例中，先将脑电波转换为专注度，脑电波转换为专注度的过程为现有技术(先对脑电波进行傅里叶变换，再对傅里叶变换结果进行频率分析，拆分为α，β，γ波，其中，β波为专注度)，在此不做赘述。

所述专注度门限包括专注度上限及专注度下限，当专注度大于某个阈值T_up时，对应的样本全为高唤醒度样本(即情绪类别为厌恶和喜悦)，则专注度上限为T_up；当专注度小于某个阈值T_down时，对应的样本全为低唤醒度样本(即情绪类别为无聊和放松)，则专注度下限为T_down。

F12、基于所述专注度门限确定所述目标用户在选择的时间段的邻域。

邻域的计算公式为：

当目标用户在选择的时间段的专注力大于专注度上限，则目标用户在选择的时间段的邻域为高唤醒度样本(厌恶和喜悦情绪的样本)；当目标用户在选择的时间段的专注力小于专注度下限，则目标用户在选择的时间段的邻域为低唤醒度样本(无聊和放松情绪的样本)；当目标用户在选择的时间段的专注力小于专注度上限且大于专注度下限，则目标用户在选择的时间段的邻域为所有样本(厌恶、喜悦、无聊及放松情绪的样本)。

本实施例通过近邻确定目标用户的情绪类别，上述邻域的计算公式可缩小邻域的范围，减少后续的计算量。

D13、从所述邻域中抽取预设数量的样本得到第二样本集，获取所述第二样本集中每个样本的第二特征序列；

第二特征序列的确定过程与第一特征序列的确定过程相同，在此不做赘述。

D14、基于所述第一特征序列及第二特征序列确定所述目标用户在所述选择的时间段的目标情绪类别。

已知第二样本集中每个样本的第二特征序列及第二样本集中每个样本的情绪类别标注信息，可确定第二特征序列与情绪类别的关联关系，进而可确定出第一特征序列对应的情绪类别。

本实施例中，所述基于所述第一特征序列及第二特征序列确定所述目标用户在所述选择的时间段的目标情绪类别包括G11-G14：

G11、计算所述第二样本集中每个样本与各个情绪类别的第一隶属度；

所述第一隶属度的计算公式为：

其中，u_ij为第二样本集中第i个样本与第j个情绪类别的第一隶属度，k为第二样本集中样本数量，n_j为第二样本集中情绪类别标注信息为第j个情绪类别的样本的数量，c_i为第二样本集中第i个样本的情绪类别标注信息中的情绪类别。

G12、计算所述第二样本集中每个样本的第二特征序列与所述第一特征序列的相似度；

所述相似度的计算公式为：

其中，s_i为第二样本集中第i个样本的第二特征序列与第一特征序列的相似度，t为第一特征序列，t_i为第二样本集中第i个样本的第二特征序列，k为第二样本集中样本的数量。

G13、基于所述第一隶属度及相似度确定所述第一特征序列与各个情绪类别的第二隶属度；

所述第二隶属度的计算公式为：

其中，v_j为第一特征序列与第j个情绪类别的第二隶属度，s_i为第二样本集中第i个样本的第二特征序列与第一特征序列的相似度，u_ij为第二样本集中第i个样本与第j个情绪类别的第一隶属度，k为第二样本集中样本的数量，T为第二样本集中各个样本的第二特征序列组成的矩阵。

G14、将第二隶属度最大的情绪类别作为所述目标用户在所述选择的时间段的目标情绪类别。

根据第二隶属度的计算公式可计算得出第一特征序列与每个情绪类别的第二隶属度，将第二隶属度最大的情绪类别作为目标用户在选择的时间段的目标情绪类别。

S4、基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息。

根据情绪识别结果可确定目标用户对初始产品推荐信息是否满意，进而可调整初始产品推荐信息，得到目标产品推荐信息。通过本实施例，可实时获取目标用户对初始产品推荐信息的态度，并实时对初始产品推荐信息进行调整，使得目标产品推荐信息的实时性更高、更准确。

所述基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息包括：

H11、当某一指定时间段的情绪识别结果为喜悦或放松时，获取所述目标用户在所述指定时间段浏览的第一产品信息，在所述初始产品推荐信息中增加与所述第一产品信息同类型的产品信息，得到目标产品推荐信息；

当一个时间段对应的情绪识别结果为喜悦或放松时，表明目标用户对该时间段浏览到的第一产品信息较为满意，此时，可增加与第一产品信息同类型的产品信息，得到目标产品推荐信息。

H12、若某一指定时间段的情绪识别结果为无聊或厌恶，则获取所述目标用户在所述指定时间段浏览的第二产品信息，在所述初始产品推荐信息中减少与所述第二产品信息同类型的产品信息，并增加与所述第二产品信息相关度低的产品信息，得到目标产品推荐信息。

若一个时间段对应的情绪识别结果为无聊或厌恶，表明目标用户对该时间段浏览到的第二产品信息不太满意，此时，可减少与第二产品信息同类型的产品信息，并增加与第二产品信息关联度低的产品信息，得到目标产品推荐信息。

由上述实施例可知，本发明提出的基于生物信息的产品推荐方法，首先，获取目标用户的基本信息，基于基本信息构建目标用户的用户画像；接着，将用户画像输入产品推荐模型，得到目标用户对应的初始产品推荐信息；然后，采集目标用户在目标终端浏览初始产品推荐信息时的原始生物信息及原始环境信息，基于原始生物信息及原始环境信息对目标用户进行情绪识别，本步骤使得情绪识别结果更为准确；最后，基于情绪识别结果更新初始产品推荐信息，得到目标产品推荐信息，本步骤根据情绪识别结果实时调整产品推荐信息，使得目标产品推荐信息的实时性更高、更准确。因此，本发明提高了产品推荐的实时性及准确性。

如图2所示，为本发明一实施例提供的基于生物信息的产品推荐装置的模块示意图。

本发明所述基于生物信息的产品推荐装置100可以安装于电子设备中。根据实现的功能，所述基于生物信息的产品推荐装置100可以包括构建模块110、发送模块120、识别模块130及更新模块140。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

构建模块110，用于响应客户端发出的针对目标用户的产品推荐请求，从第一数据库中获取所述目标用户的基本信息，基于所述目标用户的基本信息构建所述目标用户的用户画像。

所述基于所述目标用户的基本信息构建所述目标用户的用户画像包括：

A21、从第三数据库中获取每个指标项对应的指标值与标签的映射关系；

A22、基于所述映射关系确定所述目标用户的基本信息中各个指标项对应的目标标签；

A23、将所述目标标签的集合作为所述目标用户的用户画像。

发送模块120，用于将所述目标用户的用户画像输入产品推荐模型，得到所述目标用户对应的初始产品推荐信息，将所述初始产品推荐信息发送到目标终端。

所述产品推荐模型的构建过程包括：

B21、从第四数据库中获取多个用户的基本信息及历史购买数据；

B22、基于所述多个用户中每个用户的基本信息构建每个用户的用户画像；

B23、基于所述历史购买数据确定每个用户的偏好产品；

B24、将所述每个用户的用户画像输入初始推荐模型，得到每个用户的待推荐产品；

B25、通过最小化待推荐产品与偏好产品之间的损失值调整所述初始推荐模型的结构参数，得到产品推荐模型。

识别模块130，用于采集所述目标用户在所述目标终端浏览所述初始产品推荐信息时的原始生物信息及原始环境信息，基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别。

所述原始生物信息及原始环境信息携带浏览时间戳，所述基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别包括：

C21、将所述原始生物信息及原始环境信息按照预设时间段拆分，得到多个时间段对应的生物信息集及环境信息集；

C22、计算各个生物信息集及环境信息集中每个因子的平均值，得到各个时间段对应的目标生物信息及目标环境信息；

C23、基于所述目标生物信息及目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果。

所述基于所述目标生物信息及目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果包括：

D21、选择一个时间段对应的目标生物信息及目标环境信息，对选择的目标生物信息及目标环境信息执行特征处理，得到所述目标用户在选择的时间段的第一特征序列；

D22、从第二数据库中获取携带情绪类别标注信息的第一样本集，基于所述第一样本集确定所述目标用户在所述选择的时间段的邻域；

D23、从所述邻域中抽取预设数量的样本得到第二样本集，获取所述第二样本集中每个样本的第二特征序列；

D24、基于所述第一特征序列及第二特征序列确定所述目标用户在所述选择的时间段的目标情绪类别。

所述对选择的目标生物信息及目标环境信息执行特征处理，得到所述目标用户在选择的时间段的第一特征序列包括：

E21、按照预设顺序拼接所述选择的目标生物信息及目标环境信息中的各个因子，得到特征因子序列；

E22、将各因子的权重及其在选择的目标生物信息及目标环境信息中对应的数值的乘积填入所述特征因子序列中，得到所述目标用户在选择的时间段的第一特征序列。

所述基于所述第一样本集确定所述目标用户在所述选择的时间段的邻域包括：

F21、基于所述第一样本集中每个样本的脑电波及情绪类别标注信息中的唤醒度确定专注度门限；

F22、基于所述专注度门限确定所述目标用户在选择的时间段的邻域。

所述基于所述第一特征序列及第二特征序列确定所述目标用户在所述选择的时间段的目标情绪类别包括：

G21、计算所述第二样本集中每个样本与各个情绪类别的第一隶属度；

G22、计算所述第二样本集中每个样本的第二特征序列与所述第一特征序列的相似度；

G23、基于所述第一隶属度及相似度确定所述第一特征序列与各个情绪类别的第二隶属度；

G24、将第二隶属度最大的情绪类别作为所述目标用户在所述选择的时间段的目标情绪类别。

更新模块140，用于基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息。

所述基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息包括：

H21、当某一指定时间段的情绪识别结果为喜悦或放松时，获取所述目标用户在所述指定时间段浏览的第一产品信息，在所述初始产品推荐信息中增加与所述第一产品信息同类型的产品信息，得到目标产品推荐信息；

H22、若某一指定时间段的情绪识别结果为无聊或厌恶，则获取所述目标用户在所述指定时间段浏览的第二产品信息，在所述初始产品推荐信息中减少与所述第二产品信息同类型的产品信息，并增加与所述第二产品信息相关度低的产品信息，得到目标产品推荐信息。

如图3所示，为本发明一实施例提供的实现基于生物信息的产品推荐方法的电子设备的结构示意图。

所述电子设备1是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。所述电子设备1可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云，其中云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。

在本实施例中，电子设备1包括，但不仅限于，可通过***总线相互通信连接的存储器11、处理器12、网络接口13，该存储器11中存储有产品推荐程序10，所述产品推荐程序10可被所述处理器12执行。图3仅示出了具有组件11-13以及产品推荐程序10的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

其中，存储器11包括内存及至少一种类型的可读存储介质。内存为电子设备1的运行提供缓存；可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等的存储介质。在一些实施例中，可读存储介质可以是电子设备1的内部存储单元，例如该电子设备1的硬盘；在另一些实施例中，该非易失性存储介质也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。本实施例中，存储器11的可读存储介质通常用于存储安装于电子设备1的操作***和各类应用软件，例如存储本发明一实施例中的产品推荐程序10的代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子设备1的总体操作，例如执行与其他设备进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行产品推荐程序10等。

网络接口13可包括无线网络接口或有线网络接口，该网络接口13用于在所述电子设备1与客户端(图中未画出)之间建立通信连接。

可选的，所述电子设备1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选的，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的产品推荐程序10是多个指令的组合，在所述处理器12中运行时，可以实现上述基于生物信息的产品推荐方法，具体地，所述处理器12对上述产品推荐程序10的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元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介质中。所述计算机可读介质可以是非易失性的，也可以是非易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

所述计算机可读存储介质上存储有产品推荐程序10，所述产品推荐程序10可被一个或者多个处理器执行，以实现上述基于生物信息的产品推荐方法。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以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，所述模块的划分，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。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于生物信息的产品推荐方法，其特征在于，所述方法包括：

响应客户端发出的针对目标用户的产品推荐请求，从第一数据库中获取所述目标用户的基本信息，基于所述目标用户的基本信息构建所述目标用户的用户画像；

将所述目标用户的用户画像输入产品推荐模型，得到所述目标用户对应的初始产品推荐信息，将所述初始产品推荐信息发送到目标终端；

采集所述目标用户在所述目标终端浏览所述初始产品推荐信息时的原始生物信息及原始环境信息，基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别；

基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息。

2.如权利要求1所述的基于生物信息的产品推荐方法，其特征在于，所述原始生物信息及原始环境信息携带浏览时间戳，所述基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别包括：

将所述原始生物信息及原始环境信息按照预设时间段拆分，得到多个时间段对应的生物信息集及环境信息集；

计算各个生物信息集及环境信息集中每个因子的平均值，得到各个时间段对应的目标生物信息及目标环境信息；

基于所述目标生物信息及目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果。

3.如权利要求2所述的基于生物信息的产品推荐方法，其特征在于，所述基于所述目标生物信息及目标环境信息进行情绪识别，得到所述目标用户在各个时间段的情绪识别结果包括：

选择一个时间段对应的目标生物信息及目标环境信息，对选择的目标生物信息及目标环境信息执行特征处理，得到所述目标用户在选择的时间段的第一特征序列；

从第二数据库中获取携带情绪类别标注信息的第一样本集，基于所述第一样本集确定所述目标用户在所述选择的时间段的邻域；

从所述邻域中抽取预设数量的样本得到第二样本集，获取所述第二样本集中每个样本的第二特征序列；

基于所述第一特征序列及第二特征序列确定所述目标用户在所述选择的时间段的目标情绪类别。

4.如权利要求3所述的基于生物信息的产品推荐方法，其特征在于，所述基于所述第一特征序列及第二特征序列确定所述目标用户在所述选择的时间段的目标情绪类别包括：

计算所述第二样本集中每个样本与各个情绪类别的第一隶属度；

计算所述第二样本集中每个样本的第二特征序列与所述第一特征序列的相似度；

基于所述第一隶属度及相似度确定所述第一特征序列与各个情绪类别的第二隶属度；

将第二隶属度最大的情绪类别作为所述目标用户在所述选择的时间段的目标情绪类别。

5.如权利要求1所述的基于生物信息的产品推荐方法，其特征在于，所述情绪识别结果包括喜悦、放松、无聊及厌恶，所述基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息包括：

当某一指定时间段的情绪识别结果为喜悦或放松时，获取所述目标用户在所述指定时间段浏览的第一产品信息，在所述初始产品推荐信息中增加与所述第一产品信息同类型的产品信息，得到目标产品推荐信息；

若某一指定时间段的情绪识别结果为无聊或厌恶，则获取所述目标用户在所述指定时间段浏览的第二产品信息，在所述初始产品推荐信息中减少与所述第二产品信息同类型的产品信息，并增加与所述第二产品信息相关度低的产品信息，得到目标产品推荐信息。

6.如权利要求1所述的基于生物信息的产品推荐方法，其特征在于，所述基本信息包括多个指标项及所述多个指标项中每个指标项对应的指标值，所述基于所述目标用户的基本信息构建所述目标用户的用户画像包括：

从第三数据库中获取每个指标项对应的指标值与标签的映射关系；

基于所述映射关系确定所述目标用户的基本信息中各个指标项对应的目标标签；

将所述目标标签的集合作为所述目标用户的用户画像。

7.如权利要求1所述的基于生物信息的产品推荐方法，其特征在于，所述原始生物信息包括皮肤阻抗、皮肤温度、血压、血氧、脉搏、心电及脑电波的信息，所述原始环境信息包括GPS位置、环境温度、环境湿度及环境亮度的信息。

8.一种基于生物信息的产品推荐装置，其特征在于，所述装置包括：

构建模块，用于响应客户端发出的针对目标用户的产品推荐请求，从第一数据库中获取所述目标用户的基本信息，基于所述目标用户的基本信息构建所述目标用户的用户画像；

发送模块，用于将所述目标用户的用户画像输入产品推荐模型，得到所述目标用户对应的初始产品推荐信息，将所述初始产品推荐信息发送到目标终端；

识别模块，用于采集所述目标用户在所述目标终端浏览所述初始产品推荐信息时的原始生物信息及原始环境信息，基于所述原始生物信息及原始环境信息对所述目标用户进行情绪识别；

更新模块，用于基于情绪识别结果更新所述初始产品推荐信息，得到目标产品推荐信息。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的产品推荐程序，所述产品推荐程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的基于生物信息的产品推荐方法。

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上存储有产品推荐程序，所述产品推荐程序可被一个或者多个处理器执行，以实现如权利要求1至7任一项所述的基于生物信息的产品推荐方法。

Images