CN113469785A - 一种多人会话建立的方法、装置及计算机设备 - Google Patents
一种多人会话建立的方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN113469785A CN113469785A CN202110724525.XA CN202110724525A CN113469785A CN 113469785 A CN113469785 A CN 113469785A CN 202110724525 A CN202110724525 A CN 202110724525A CN 113469785 A CN113469785 A CN 113469785A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- prepared
- users
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000008451 emotion Effects 0.000 claims abstract description 68
- 238000002360 preparation method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000013145 classification model Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000002996 emotional effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012216 screening Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 43
- 238000000605 extraction Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000008909 emotion recognition Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 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
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及计算机技术,提出的多人会话建立的方法、装置、计算机设备和存储介质,其中方法包括:接收目标用户的多人会话建立请求;依据建立请求获取预备用户信息以得到预备用户集合,预备用户集合包括多个预备用户及预备用户特性标签;按预设时间依次展示各预备用户特性标签,同时持续获取目标用户的脑电信号,并将各预备用户特性标签展示期间所获取的脑电信号与对应的预备用户关联;对各脑电信号进行处理并识别得到对应的情绪信息;将情绪信息为消极情绪的脑电信号所关联的预备用户从预备用户集合中剔除,得到会话用户集合,并建立对应的多人会话,快速高效,且在满足目标用户意愿基础上,无需亲自动手逐个筛选,即自动得到满意的会话人群。
Description
技术领域
本发明涉及到计算机技术领域,特别是涉及到一种多人会话建立的方法、装置、计算机设备和存储介质。
背景技术
随着互联网的发展,人们线上购物的方法也越来越多元化、智能化,大部分的购物者在购物前都习惯咨询有购买经验的用户,现有技术中,此种情况通常可以通过建立多人会话来实现,例如通过统计分析具有偏好相似的用户特征来确定会话人群,然后建立多人会话,用以购前交流沟通,虽然会话中都是具有相似偏好的用户,但对于个别用户而言,对通过大数据分析确定的会话用户,满意度并不高,在多人发言的情景下,很容易在会话中造成摩擦矛盾,用户体验较差,另一方面若通过用户自主选择满意的会话用户,又太过麻烦耗时,难以满足用户需求。
发明内容
本发明的主要目的为提供一种在用户满意基础上快速高效的多人会话建立的方法、装置、计算机设备和存储介质。
基于上述发明目的,本发明提出一种多人会话建立的方法,包括:
接收目标用户的多人会话建立请求;
依据所述建立请求获取预备用户信息;
依据所述预备用户信息得到预备用户集合,所述预备用户集合包括多个预备用户以及对应的预备用户特性标签;
按预设时间依次展示各所述预备用户特性标签,同时持续获取所述目标用户的脑电信号,并将各所述预备用户特性标签展示期间所获取的脑电信号,与对应的预备用户关联;
对各所述脑电信号进行处理并识别,得到对应的情绪信息;
将情绪信息为消极情绪的脑电信号,所关联的预备用户从所述预备用户集合中剔除,得到会话用户集合,并建立所述会话用户集合对应的多人会话。
进一步地,所述依据所述建立请求获取预备用户信息的步骤,包括:
依据所述建立请求获取对目标商品下单的用户的下单用户信息,以及获取所述目标用户的目标用户信息,所述下单用户信息包括下单用户所在区域的区域信息,所述目标用户信息包括目标用户所在区域的区域信息;
从所述下单用户信息中确定与所述目标用户所在区域一致的下单用户;
从所述下单用户中确定在线用户,并将所述在线用户的用户信息记为所述预备用户信息。
进一步地,所述依据所述预备用户信息得到预备用户集合的步骤,包括:
从各所述预备用户信息中获取每个所述预备用户关于所述目标商品的商品信息,所述商品信息包括所述预设用户对所述目标商品的操作信息以及评论信息;
从各所述商品信息中分析出对应各所述预备用户的特性标签,并将各所述预备用户的特性标签分别一一与各所述预备用户关联,得到所述预备用户集合。
进一步地,所述从所述下单用户中确定在线用户,并将所述在线用户的用户信息记为所述预备用户信息的步骤,包括:
获取所述目标用户的黑名单;
判断所述在线用户中是否包含有所述黑名单中的用户;
若是,则将所述黑名单中的用户从所述在线用户中剔除,并将剩余的所述在线用户的用户信息记为所述预备用户信息。
进一步地,所述对各所述脑电信号进行处理并识别,得到对应的情绪信息的步骤,包括:
对所述脑电信号进行预处理;
对预处理后的所述脑电信号进行特性提取,得到脑电特征;
将所述脑电特征输入预设的情绪分类模型进行识别,得到识别结果,并依据所述识别结果确定所述脑电信号的情绪类别。
本发明还提供一种多人会话建立的装置,包括:
接收请求单元,用于接收目标用户的多人会话建立请求;
获取信息单元,用于依据所述建立请求获取预备用户信息;
得到集合单元,用于依据所述预备用户信息得到预备用户集合,所述预备用户集合包括多个预备用户以及对应的预备用户特性标签;
展示获取单元,用于按预设时间依次展示各所述预备用户特性标签,同时持续获取所述目标用户的脑电信号,并将各所述预备用户特性标签展示期间所获取的脑电信号,与对应的预备用户关联;
识别脑电单元,用于对各所述脑电信号进行处理并识别,得到对应的情绪信息;
建立会话单元,用于将情绪信息为消极情绪的脑电信号,所关联的预备用户从所述预备用户集合中剔除,得到会话用户集合,并建立所述会话用户集合对应的多人会话。
进一步地,所述获取信息单元包括:
获取信息子单元,用于依据所述建立请求获取对目标商品下单的用户的下单用户信息,以及获取所述目标用户的目标用户信息,所述下单用户信息包括下单用户所在区域的区域信息,所述目标用户信息包括目标用户所在区域的区域信息;
确定下单子单元,用于从所述下单用户信息中确定与所述目标用户所在区域一致的下单用户;
确定在线子单元,用于从所述下单用户中确定在线用户,并将所述在线用户的用户信息记为所述预备用户信息。
进一步地,所述得到集合单元,包括:。
获取商信子单元,用于从各所述预备用户信息中获取每个所述预备用户关于所述目标商品的商品信息,所述商品信息包括所述预设用户对所述目标商品的操作信息以及评论信息;
关联标签单元,用于从各所述商品信息中分析出对应各所述预备用户的特性标签,并将各所述预备用户的特性标签分别一一与各所述预备用户关联,得到所述预备用户集合。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述多人会话建立的方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述多人会话建立的方法的步骤。
本发明的有益效果为:通过确定预备用户以及获取对应的特性标签,并依次展示预备用户特性标签的同时获取对应的脑电信号,然后通过对脑电信号识别出的情绪来确定目标用户对预备用户初始判断,从而直接筛选出可进行建立会话的用户集合,快速高效,在满足目标用户自主意愿的基础上,无需目标用户亲自动手逐个筛选,自动得到目标用户满意的会话人群,为后续提高会话体验、效率提供基础。
附图说明
图1为本发明一实施例中多人会话建立的方法的步骤示意图;
图2为本发明一实施例中多人会话建立的装置的结构示意框图;
图3是本发明一实施例中存储介质的结构示意框图;
图4是本发明一实施例中计算机设备的结构示意框图。
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
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本实施例中的多人会话建立的方法,包括:
步骤S1:接收目标用户的多人会话建立请求;
步骤S2:依据所述建立请求获取预备用户信息;
步骤S3:依据所述预备用户信息得到预备用户集合,所述预备用户集合包括多个预备用户以及对应的预备用户特性标签;
步骤S4:按预设时间依次展示各所述预备用户特性标签,同时持续获取所述目标用户的脑电信号,并将各所述预备用户特性标签展示期间所获取的脑电信号,与对应的预备用户关联;
步骤S5:对各所述脑电信号进行处理并识别,得到对应的情绪信息;
步骤S6:将情绪信息为消极情绪的脑电信号,所关联的预备用户从所述预备用户集合中剔除,得到会话用户集合,并建立所述会话用户集合对应的多人会话。
如上述步骤S1-S2所述,目标用户在线上购物时,可能存在需要具有购买经验或者相同兴趣爱好的群体的建议,或者相互讨论再决定购买与否,这时可通过本方法来建立多人会话来进行讨论。具体而言,目标用户可通过客户端操作,基于指定的购物网站输入建立请求,该建立请求用于建立多人会话,在接收到建立请求后,依据该建立请求获取预备用户信息,该预备用户信息也即预备用户的各种资料信息,例如订单信息、收货地址信息、登录地址信息等等,上述预备用户为即将进入上述会话的预备人选,上述预备用户信息可预先存储于指定数据库,也可以实时获取。
在一个实施例中,上述步骤S2,包括:
步骤S21:依据所述建立请求获取对目标商品下单的用户的下单用户信息,以及获取所述目标用户的目标用户信息,所述下单用户信息包括下单用户所在区域的区域信息,所述目标用户信息包括目标用户所在区域的区域信息;
步骤S22:从所述下单用户信息中确定与所述目标用户所在区域一致的下单用户;
步骤S23:从所述下单用户中确定在线用户,并将所述在线用户的用户信息记为所述预备用户信息。
本实施例中,为了精准获取可靠的预备用户,可首先获取对目标商品下单的用户的下单用户信息,上述目标商品为目标用户预备下单的商品,也即目标用户意图通过会话和其他用户进行讨论的商品,上述下单用户信息包括商品信息以及下单用户所在区域的区域信息。同时获取目标用户的目标用户信息,以确定目标用户所在的区域,为了提高用户之间的信任度,上述区域可以为同一小区或者几个相邻小区的住户区域。然后从下单用户信息中确定各用户所处的区域,用以判断是否与目标用户处于同一区域,从而找到与目标用户所在区域一致的下单用户,然后进一步确定这些下单用户是否在线,得到其中的在线用户,这些在线用户也即预备用户,其用户信息也即上述预备用户信息。
在另一实施例中,也可以同时获取目标用户的会话历史信息,该会话历史信息包括会话中的各个用户、具体时间、时长、内容等,可从会话历史信息中查找上述预备用户,或者结合会话历史信息与上述下单用户信息来确定预备用户,例如从会话历史信息中确定可进行会话以及不可进行会话的用户,可进行会话的用户为与目标用户友好交互的用户,不可进行会话的用户也即与目标用户诸如产生言语冲撞等不友好交互的用户,然后将不可进行会话的用户从在线用户当中剔除,或者在上述基础上增加可进行会话的用户等等。
如上述步骤S3所述,从上述预备用户信息中确定预备用户,并汇总得到上述预备用户集合,即该预备用户集合包括多个预备用户,以及对应各预备用户的特性标签,上述特性标签用于反映该预备用户的特性,例如对于预备用户曾经多次言论不当的商品评论,其对应的特性可能就是言辞过激,对应的标签还可以记录有相应的评论信息。具体地,上述步骤S3,包括:
步骤S31:从各所述预备用户信息中获取每个所述预备用户关于所述目标商品的商品信息,所述商品信息包括所述预设用户对所述目标商品的操作信息以及评论信息;
步骤S32:从各所述商品信息中分析出对应各所述预备用户的特性标签,并将各所述预备用户的特性标签分别一一与各所述预备用户关联,得到所述预备用户集合。
本实施例中,首先从预备用户信息获取相关的信息,例如对目标商品或者多个不同商品的操作信息及评论信息,上述操作信息包括下单、点击、收藏等操作的信息,然后对这些操作信息以及评论信息进行分析,例如依据操作信息中各个操作的频率来确定预备用户线上购物频率以及对目标商品的了解程度,并对评论信息分类并进行摘要、关键词提取,从而得到上述预备用户特性标签,进一步地,此处的特性标签可包含预备用户的各项操作统计及结合评论的总结信息,然后将各预备用户分别一一与其对应的特性标签进行关联。
如上述步骤S4所述,得到各预备用户的特性标签后,按预设时间依次展示各预备用户特性标签,同时持续获取目标用户的脑电信号,也即对目标用户依次轮流展示各预备用户的特性标签,上述预设时间可依据实际情况设定,例如设定5秒,展示画面中每隔5秒将当前预备用户特性标签更换成下一个预备用户特性标签,使得目标用户依次浏览到每个预备用户的相关信息,与此同时获取目标用户的脑电信号,也即获取目标用户在浏览预备用户特性标签时的脑电信号,须知不同的脑电信号反映不同的情绪,由于特性标签不同,目标用户在浏览时也会出现不同脑电信号,代表不同的情绪,例如对于上述言辞过激的预备用户,呈现出的为较为消极情绪的脑电信号;而对于言辞友好,且有过多次购买目标商品经验的预备用户,则对应呈现的为积极情绪的脑电信号。每一个预备用户特性标签展示期间均分别对应一段脑电信号,这时可将两者进行关联,也即将这段脑电信号与该时间段内所展示的预备用户进行关联。具体地,上述脑电信号可通过指定的采集装置进行采集,例如采集装置可以为耳挂式脑电信号采集装置,或者与耳机结合的耳机式脑电信号采集装置,这些采集设备均为现有设备,此处采集过程此处不再展开描述。
如上述步骤S5-S6所述,获取相应的脑电信号后,对这些脑电信号进行处理并识别,具体可通过情绪分类模型来进行识别,该情绪分类模型为基于神经网络构建而成且通过训练集进行训练而得的情绪识别模型,上述脑电信号经处理得到适合的脑电特征,然后输入情绪分类模型计算,得到对应的脑电信号的识别结果,也即情绪分类,此处的情绪分类可包括积极情绪或消极情绪,具体也可包括高兴、悲伤、厌恶、惊讶、害怕和生气等不同类别,这些不同类别也可以分为积极以及消极两大类,例如高兴、惊讶为积极情绪,而悲伤、厌恶、害怕及生气可归为消极情绪。当对各脑电信号识别分类完成,可确定哪些为消极情绪的脑电信号,然后将其对应的预备用户从上述预备用户集合中剔除,从而得到上述会话用户集合,然后基于该会话用户集合建立多人会话。
这样通过依次展示预备用户特性标签的同时获取对应的脑电信号,并通过对脑电信号识别出的情绪来确定目标用户对预备用户初始判断,从而直接筛选出可进行建立会话的用户集合,快速高效,在满足目标用户自主意愿的基础上,无需目标用户亲自动手逐个筛选,自动得到目标用户满意的会话人群,为后续提高会话体验、效率提供基础,更加智能化,高效化。
值得注意的是,上述多人会话的建立方法不限制于在购物时使用,也可以基于其他需要多人会话的情形而使用。
在一个实施例中,上述步骤S5,包括:
步骤S51:对所述脑电信号进行预处理;
步骤S52:对预处理后的所述脑电信号进行特性提取,得到脑电特征;
步骤S53:将所述脑电特征输入预设的情绪分类模型进行识别,得到识别结果,并依据所述识别结果确定所述脑电信号的情绪类别。
本实施例中,对脑电信号进行预处理,首先对脑电信号进行去噪,如通过滤波器去噪,然后去脑电伪迹,如通过阈值法、信号回归法、小波变换法等来进行去伪迹。预处理之后对这些脑电信号进行特征提取,可通过各种时域、频域的以及时频域的分析方法来提取与情绪相关的脑电特征,进一步地,还可以进行特性选择,以便减小脑电特征的维度,降低情绪识别的计算复杂度,可通过ReliefF特征选择算法来处理。
然后经过特征选择后的脑电特征输入至预设的情绪分类模型进行识别,得到识别结果,并依据识别结果确定脑电信号的情绪类别,识别结果包括情绪类别的概率,概率最大的情绪类别即为该脑电信号对应的类别,上述情绪分类模型是通过训练样本建立脑电特征和不同情绪的映射关系得到的模型,具体可通过k近邻算法(KNN),或者支持向量机(Support Vector Machine,SVM)以及其他神经网络来实现。
在另一个实施例中,上述步骤S23,包括:
步骤S231:获取所述目标用户的黑名单;
步骤S232:判断所述在线用户中是否包含有所述黑名单中的用户;
步骤S233:若是,则将所述黑名单中的用户从所述在线用户中剔除,并将剩余的所述在线用户的用户信息记为所述预备用户信息。
本实施例中,上述黑名单中包括多个用户,可由目标用户自行设置,也通过分析目标用户与各用户的交互行为,得到的名单。黑名单中的用户为目标用户不希望与其建立会话的用户,在确定在线用户之后,判断在线用户中是否包含由黑名单中的用户,若无,则直接将这些在线用户记为预备用户,若是,则从在线用户中剔除黑名单中的用户,剩余的在线用户则为预备用户。
参照图2,本实施例中提供一种多人会话建立的装置,该装置对应上述多人会话建立的方法,该装置可以由软件和/或硬件的方式来实现,集成于智能设备或服务器,该装置包括:
接收请求单元1,用于接收目标用户的多人会话建立请求;
获取信息单元2,用于依据所述建立请求获取预备用户信息;
得到集合单元3,用于依据所述预备用户信息得到预备用户集合,所述预备用户集合包括多个预备用户以及对应的预备用户特性标签;
展示获取单元4,用于按预设时间依次展示各所述预备用户特性标签,同时持续获取所述目标用户的脑电信号,并将各所述预备用户特性标签展示期间所获取的脑电信号,与对应的预备用户关联;
识别脑电单元5,用于对各所述脑电信号进行处理并识别,得到对应的情绪信息;
建立会话单元6,用于将情绪信息为消极情绪的脑电信号,所关联的预备用户从所述预备用户集合中剔除,得到会话用户集合,并建立所述会话用户集合对应的多人会话。
如上述接收请求单元1、获取信息单元2所述,目标用户在线上购物时,可能存在需要具有购买经验或者相同兴趣爱好的群体的建议,或者相互讨论再决定购买与否,这时可通过本方法来建立多人会话来进行讨论。具体而言,目标用户可通过客户端操作,基于指定的购物网站输入建立请求,该建立请求用于建立多人会话,在接收到建立请求后,依据该建立请求获取预备用户信息,该预备用户信息也即预备用户的各种资料信息,例如订单信息、收货地址信息、登录地址信息等等,上述预备用户为即将进入上述会话的预备人选,上述预备用户信息可预先存储于指定数据库,也可以实时获取。
在一个实施例中,上述获取信息单元2,包括:
获取信息子单元,用于依据所述建立请求获取对目标商品下单的用户的下单用户信息,以及获取所述目标用户的目标用户信息,所述下单用户信息包括下单用户所在区域的区域信息,所述目标用户信息包括目标用户所在区域的区域信息;
确定在线子单元,用于从所述下单用户信息中确定与所述目标用户所在区域一致的下单用户;
确定预备子单元,用于从所述下单用户中确定在线用户,并将所述在线用户的用户信息记为所述预备用户信息。
本实施例中,为了精准获取可靠的预备用户,可首先获取对目标商品下单的用户的下单用户信息,上述目标商品为目标用户预备下单的商品,也即目标用户意图通过会话和其他用户进行讨论的商品,上述下单用户信息包括商品信息以及下单用户所在区域的区域信息。同时获取目标用户的目标用户信息,以确定目标用户所在的区域,为了提高用户之间的信任度,上述区域可以为同一小区或者几个相邻小区的住户区域。然后从下单用户信息中确定各用户所处的区域,用以判断是否与目标用户处于同一区域,从而找到与目标用户所在区域一致的下单用户,然后进一步确定这些下单用户是否在线,得到其中的在线用户,这些在线用户也即预备用户,其用户信息也即上述预备用户信息。
在另一实施例中,也可以同时获取目标用户的会话历史信息,该会话历史信息包括会话中的各个用户、具体时间、时长、内容等,可从会话历史信息中查找上述预备用户,或者结合会话历史信息与上述下单用户信息来确定预备用户,例如从会话历史信息中确定可进行会话以及不可进行会话的用户,可进行会话的用户为与目标用户友好交互的用户,不可进行会话的用户也即与目标用户诸如产生言语冲撞等不友好交互的用户,然后将不可进行会话的用户从在线用户当中剔除,或者在上述基础上增加可进行会话的用户等等。
如上述得到集合单元3所述,从上述预备用户信息中确定预备用户,并汇总得到上述预备用户集合,即该预备用户集合包括多个预备用户,以及对应各预备用户的特性标签,上述特性标签用于反映该预备用户的特性,例如对于预备用户曾经多次言论不当的商品评论,其对应的特性可能就是言辞过激,对应的标签还可以记录有相应的评论信息。具体地,上述得到集合单元3,包括:
获取商信子单元,用于从各所述预备用户信息中获取每个所述预备用户关于所述目标商品的商品信息,所述商品信息包括所述预设用户对所述目标商品的操作信息以及评论信息;
关联标签单元,用于从各所述商品信息中分析出对应各所述预备用户的特性标签,并将各所述预备用户的特性标签分别一一与各所述预备用户关联,得到所述预备用户集合。
本实施例中,首先从预备用户信息获取相关的信息,例如对目标商品或者多个不同商品的操作信息及评论信息,上述操作信息包括下单、点击、收藏等操作的信息,然后对这些操作信息以及评论信息进行分析,例如依据操作信息中各个操作的频率来确定预备用户线上购物频率以及对目标商品的了解程度,并对评论信息分类并进行摘要、关键词提取,从而得到上述预备用户特性标签,进一步地,此处的特性标签可包含预备用户的各项操作统计及结合评论的总结信息,然后将各预备用户分别一一与其对应的特性标签进行关联。
如上述展示获取单元4所述,得到各预备用户的特性标签后,按预设时间依次展示各预备用户特性标签,同时持续获取目标用户的脑电信号,也即对目标用户依次轮流展示各预备用户的特性标签,上述预设时间可依据实际情况设定,例如设定5秒,展示画面中每隔5秒将当前预备用户特性标签更换成下一个预备用户特性标签,使得目标用户依次浏览到每个预备用户的相关信息,与此同时获取目标用户的脑电信号,也即获取目标用户在浏览预备用户特性标签时的脑电信号,须知不同的脑电信号反映不同的情绪,由于特性标签不同,目标用户在浏览时也会出现不同脑电信号,代表不同的情绪,例如对于上述言辞过激的预备用户,呈现出的为较为消极情绪的脑电信号;而对于言辞友好,且有过多次购买目标商品经验的预备用户,则对应呈现的为积极情绪的脑电信号。每一个预备用户特性标签展示期间均分别对应一段脑电信号,这时可将两者进行关联,也即将这段脑电信号与该时间段内所展示的预备用户进行关联。具体地,上述脑电信号可通过指定的采集装置进行采集,例如采集装置可以为耳挂式脑电信号采集装置,或者与耳机结合的耳机式脑电信号采集装置,这些采集设备均为现有设备,此处采集过程此处不再展开描述。
如上述识别脑电单元5、建立会话单元6所述,获取相应的脑电信号后,对这些脑电信号进行处理并识别,具体可通过情绪分类模型来进行识别,该情绪分类模型为基于神经网络构建而成且通过训练集进行训练而得的情绪识别模型,上述脑电信号经处理得到适合的脑电特征,然后输入情绪分类模型计算,得到对应的脑电信号的识别结果,也即情绪分类,此处的情绪分类可包括积极情绪或消极情绪,具体也可包括高兴、悲伤、厌恶、惊讶、害怕和生气等不同类别,这些不同类别也可以分为积极以及消极两大类,例如高兴、惊讶为积极情绪,而悲伤、厌恶、害怕及生气可归为消极情绪。当对各脑电信号识别分类完成,可确定哪些为消极情绪的脑电信号,然后将其对应的预备用户从上述预备用户集合中剔除,从而得到上述会话用户集合,然后基于该会话用户集合建立多人会话。
这样通过依次展示预备用户特性标签的同时获取对应的脑电信号,并通过对脑电信号识别出的情绪来确定目标用户对预备用户初始判断,从而直接筛选出可进行建立会话的用户集合,快速高效,在满足目标用户自主意愿的基础上,无需目标用户亲自动手逐个筛选,自动得到目标用户满意的会话人群,为后续提高会话体验、效率提供基础,更加智能化,高效化。
值得注意的是,上述多人会话的建立方法不限制于在购物时使用,也可以基于其他需要多人会话的情形而使用。
在一个实施例中,上述识别脑电单元5,包括:
信号处理子单元,用于对所述脑电信号进行预处理;
特征提取子单元,用于对预处理后的所述脑电信号进行特性提取,得到脑电特征;
模型识别子单元,用于将所述脑电特征输入预设的情绪分类模型进行识别,得到识别结果,并依据所述识别结果确定所述脑电信号的情绪类别。
本实施例中,对脑电信号进行预处理,首先对脑电信号进行去噪,如通过滤波器去噪,然后去脑电伪迹,如通过阈值法、信号回归法、小波变换法等来进行去伪迹。预处理之后对这些脑电信号进行特征提取,可通过各种时域、频域的以及时频域的分析方法来提取与情绪相关的脑电特征,进一步地,还可以进行特性选择,以便减小脑电特征的维度,降低情绪识别的计算复杂度,可通过ReliefF特征选择算法来处理。
然后经过特征选择后的脑电特征输入至预设的情绪分类模型进行识别,得到识别结果,并依据识别结果确定脑电信号的情绪类别,识别结果包括情绪类别的概率,概率最大的情绪类别即为该脑电信号对应的类别,上述情绪分类模型是通过训练样本建立脑电特征和不同情绪的映射关系得到的模型,具体可通过k近邻算法(KNN),或者支持向量机(Support Vector Machine,SVM)以及其他神经网络来实现。
在另一个实施例中,上述确定预备子单元,包括:
获取黑名模块,用于获取所述目标用户的黑名单;
判断用户模块,用于判断所述在线用户中是否包含有所述黑名单中的用户;
剔除用户模块,用于判定在线用户中包含有所述黑名单中的用户时,将所述黑名单中的用户从所述在线用户中剔除,并将剩余的所述在线用户的用户信息记为所述预备用户信息。
本实施例中,上述黑名单中包括多个用户,可由目标用户自行设置,也通过分析目标用户与各用户的交互行为,得到的名单。黑名单中的用户为目标用户不希望与其建立会话的用户,在确定在线用户之后,判断在线用户中是否包含由黑名单中的用户,若无,则直接将这些在线用户记为预备用户,若是,则从在线用户中剔除黑名单中的用户,剩余的在线用户则为预备用户。
参考图3,本发明还提供了一种计算机可读的存储介质10,存储介质10中存储有计算机程序20,当其在计算机上运行时,使得计算机执行以上实施例所描述的多人会话建立的方法。
参考图4,本发明还提供了一种包含指令的计算机设备40,计算机设备包括存储器30和处理器50,存储器30存储有计算机程序20,处理器30执行计算机程序20时实现以上实施例所描述的多人会话建立的方法。在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种多人会话建立的方法,其特征在于,包括:
接收目标用户的多人会话建立请求;
依据所述建立请求获取预备用户信息;
依据所述预备用户信息得到预备用户集合,所述预备用户集合包括多个预备用户以及对应的预备用户特性标签;
按预设时间依次展示各所述预备用户特性标签,同时持续获取所述目标用户的脑电信号,并将各所述预备用户特性标签展示期间所获取的脑电信号,与对应的预备用户关联;
对各所述脑电信号进行处理并识别,得到对应的情绪信息;
将情绪信息为消极情绪的脑电信号,所关联的预备用户从所述预备用户集合中剔除,得到会话用户集合,并建立所述会话用户集合对应的多人会话。
2.根据权利要求1所述的多人会话建立的方法,其特征在于,所述依据所述建立请求获取预备用户信息的步骤,包括:
依据所述建立请求获取对目标商品下单的用户的下单用户信息,以及获取所述目标用户的目标用户信息,所述下单用户信息包括下单用户所在区域的区域信息,所述目标用户信息包括目标用户所在区域的区域信息;
从所述下单用户信息中确定与所述目标用户所在区域一致的下单用户;
从所述下单用户中确定在线用户,并将所述在线用户的用户信息记为所述预备用户信息。
3.根据权利要求2所述的多人会话建立的方法,其特征在于,所述依据所述预备用户信息得到预备用户集合的步骤,包括:
从各所述预备用户信息中获取每个所述预备用户关于所述目标商品的商品信息,所述商品信息包括所述预设用户对所述目标商品的操作信息以及评论信息;
从各所述商品信息中分析出对应各所述预备用户的特性标签,并将各所述预备用户的特性标签分别一一与各所述预备用户关联,得到所述预备用户集合。
4.根据权利要求2所述的多人会话建立的方法,其特征在于,所述从所述下单用户中确定在线用户,并将所述在线用户的用户信息记为所述预备用户信息的步骤,包括:
获取所述目标用户的黑名单;
判断所述在线用户中是否包含有所述黑名单中的用户;
若是,则将所述黑名单中的用户从所述在线用户中剔除,并将剩余的所述在线用户的用户信息记为所述预备用户信息。
5.根据权利要求1所述的多人会话建立的方法,其特征在于,所述对各所述脑电信号进行处理并识别,得到对应的情绪信息的步骤,包括:
对所述脑电信号进行预处理;
对预处理后的所述脑电信号进行特性提取,得到脑电特征;
将所述脑电特征输入预设的情绪分类模型进行识别,得到识别结果,并依据所述识别结果确定所述脑电信号的情绪类别。
6.一种多人会话建立的装置,其特征在于,包括:
接收请求单元,用于接收目标用户的多人会话建立请求;
获取信息单元,用于依据所述建立请求获取预备用户信息;
得到集合单元,用于依据所述预备用户信息得到预备用户集合,所述预备用户集合包括多个预备用户以及对应的预备用户特性标签;
展示获取单元,用于按预设时间依次展示各所述预备用户特性标签,同时持续获取所述目标用户的脑电信号,并将各所述预备用户特性标签展示期间所获取的脑电信号,与对应的预备用户关联;
识别脑电单元,用于对各所述脑电信号进行处理并识别,得到对应的情绪信息;
建立会话单元,用于将情绪信息为消极情绪的脑电信号,所关联的预备用户从所述预备用户集合中剔除,得到会话用户集合,并建立所述会话用户集合对应的多人会话。
7.根据权利要求6所述的多人会话建立的装置,其特征在于,所述获取信息单元包括:
获取信息子单元,用于依据所述建立请求获取对目标商品下单的用户的下单用户信息,以及获取所述目标用户的目标用户信息,所述下单用户信息包括下单用户所在区域的区域信息,所述目标用户信息包括目标用户所在区域的区域信息;
确定下单子单元,用于从所述下单用户信息中确定与所述目标用户所在区域一致的下单用户;
确定在线子单元,用于从所述下单用户中确定在线用户,并将所述在线用户的用户信息记为所述预备用户信息。
8.根据权利要求7所述的多人会话建立的装置,其特征在于,所述得到集合单元,包括:。
获取商信子单元,用于从各所述预备用户信息中获取每个所述预备用户关于所述目标商品的商品信息,所述商品信息包括所述预设用户对所述目标商品的操作信息以及评论信息;
关联标签单元,用于从各所述商品信息中分析出对应各所述预备用户的特性标签,并将各所述预备用户的特性标签分别一一与各所述预备用户关联,得到所述预备用户集合。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的多人会话建立的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的多人会话建立的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724525.XA CN113469785A (zh) | 2021-06-29 | 2021-06-29 | 一种多人会话建立的方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724525.XA CN113469785A (zh) | 2021-06-29 | 2021-06-29 | 一种多人会话建立的方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113469785A true CN113469785A (zh) | 2021-10-01 |
Family
ID=77873604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110724525.XA Pending CN113469785A (zh) | 2021-06-29 | 2021-06-29 | 一种多人会话建立的方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469785A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681173A (zh) * | 2016-03-14 | 2016-06-15 | 华为软件技术有限公司 | 即时通讯中会话的创建方法、装置及*** |
CN108446635A (zh) * | 2018-03-19 | 2018-08-24 | 西北大学 | 一种利用脑电信号辅助偏好获取协同过滤推荐***及方法 |
CN109547332A (zh) * | 2018-11-22 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 通讯会话交互方法、装置、计算机设备 |
WO2020238023A1 (zh) * | 2019-05-24 | 2020-12-03 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、终端及存储介质 |
CN112131484A (zh) * | 2019-06-25 | 2020-12-25 | 北京京东尚科信息技术有限公司 | 一种多人会话建立方法、装置、设备和存储介质 |
-
2021
- 2021-06-29 CN CN202110724525.XA patent/CN113469785A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681173A (zh) * | 2016-03-14 | 2016-06-15 | 华为软件技术有限公司 | 即时通讯中会话的创建方法、装置及*** |
CN108446635A (zh) * | 2018-03-19 | 2018-08-24 | 西北大学 | 一种利用脑电信号辅助偏好获取协同过滤推荐***及方法 |
CN109547332A (zh) * | 2018-11-22 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 通讯会话交互方法、装置、计算机设备 |
WO2020238023A1 (zh) * | 2019-05-24 | 2020-12-03 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、终端及存储介质 |
CN112131484A (zh) * | 2019-06-25 | 2020-12-25 | 北京京东尚科信息技术有限公司 | 一种多人会话建立方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108021691B (zh) | 答案查找方法、客服机器人以及计算机可读存储介质 | |
US20170278135A1 (en) | Image recognition artificial intelligence system for ecommerce | |
CN104951428B (zh) | 用户意图识别方法及装置 | |
CN112348640B (zh) | 一种基于面部情感状态分析的在线购物***及方法 | |
WO2020088058A1 (zh) | 生成信息的方法和装置 | |
US20150310300A1 (en) | System and method for multiple object recognition and personalized recommendations | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN106250553A (zh) | 一种服务推荐方法及终端 | |
CN109933782B (zh) | 用户情绪预测方法和装置 | |
CN113239275B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
US20220148061A1 (en) | Knowledge Sharing Platform | |
CN109522399B (zh) | 用于生成信息的方法和装置 | |
CN115760202B (zh) | 一种基于人工智能的产品运营管理***及方法 | |
CN111291255A (zh) | 基于用户情感信息的资源推荐方法、智能设备及存储介质 | |
CN112069315A (zh) | 提取文本多维度信息方法、装置、服务器及存储介质 | |
US11393001B2 (en) | Methods and systems for hair-service based digital image searching and ranking | |
CN107968743A (zh) | 推送信息的方法和装置 | |
CN113822071A (zh) | 一种背景信息推荐方法、装置、电子设备及介质 | |
CN107944946B (zh) | 商品标签生成方法及装置 | |
CN108959289B (zh) | 网站类别获取方法和装置 | |
CN111429200B (zh) | 一种内容关联方法及装置、存储介质、计算机设备 | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN117391824A (zh) | 基于大语言模型和搜索引擎推荐物品的方法及装置 | |
CN111507774A (zh) | 一种数据处理方法及装置 | |
CN113469785A (zh) | 一种多人会话建立的方法、装置及计算机设备 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211001 |