CN106294434A - 一种信息处理方法，推荐方法及电子设备 - Google Patents
一种信息处理方法，推荐方法及电子设备 Download PDFInfo
- Publication number
- CN106294434A CN106294434A CN201510276563.8A CN201510276563A CN106294434A CN 106294434 A CN106294434 A CN 106294434A CN 201510276563 A CN201510276563 A CN 201510276563A CN 106294434 A CN106294434 A CN 106294434A
- Authority
- CN
- China
- Prior art keywords
- user
- behavior
- images
- image attributes
- user images
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种信息处理方法，推荐方法及电子设备，所述信息处理方法包括：获得N个用户的M张用户图像以及所述N个用户M个行为；从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户；在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，用于解决现有技术中存在推荐结果不够精确的技术问题，实现了推荐结果更加精确的技术效果。
Description
技术领域
本发明涉及电子技术领域，特别涉及一种信息处理方法，推荐方法及电子设备。
背景技术
随着电子技术的发展，电子设备逐渐呈现出多样化。
手机、pad、电视等电子设备在用户使用过程中，为了满足用户的多样化需求，常借助于一些诸如，Apple Store、三星市场等应用平台来向用户推荐各种各样的应用。
现有技术中，为了提高推荐的有效率，往往通过用户的浏览记录或者下载记录进行推荐，或者进行同类推荐。
本申请发明人在发明本申请实施例中技术方案的过程中，发现上述现有技术至少存在如下技术问题：
由于在现有技术中，无论是采用哪种推荐方法，都是对人群进行粗略的分类，然后再基于人群类别进行应用推荐，所以，现有技术中存在人群分类不够精确的技术问题。
由于在现有技术中，无论是采用哪种推荐方法，由于都是进行的比较粗略的应用推荐，所以，现有技术中存在推荐结果不够精确的技术问题。
发明内容
本发明实施例提供一种信息处理方法，推荐方法及电子设备，用于解决现有技术中存在推荐结果不够精确的技术问题，实现了推荐结果更加精确的技术效果。
一，本申请实施例提供了一种信息处理方法，包括：
获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；
从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；
在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于K且小于等于M的整数，P在K中的比例大于等于一预设比例。
可选地，所述在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，具体包括：
对所述M张用户图像中所述K个用户中每个用户对应的图像进行分析，获得每个用户的至少一个特征；
基于每个用户的至少一个特征，获得至少一个共同特征；
从所述K个用户中确定出包括所述至少一个共同特征的P个用户；
基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，所述第一图像属性具体为图像中的用户具有所述至少一个共同特征。
可选地，在所述获得实施所述第一行为的第一图像属性之后，所述方法还包括：
基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集，其中，所述第一推荐集中包括至少一个推荐对象；
获得对应关系集，所述对应关系集中包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系。
二，本申请实施例还提供了一种推荐方法，应用于一电子设备，所述方法包括：
获得一用户的至少一张用户图像；
基于所述至少一张用户图像，获得所述用户的用户图像属性；
基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
可选地，所述基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集，具体包括：
判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果；
在所述判断结果为是时，即表征所述用户图像属性为所述第一图像属性，基于所述对应关系集，给所述用户推荐与所述第一图像属性对应的第一推荐集。
可选地，在所述判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果之后，所述方法还包括：
获得所述用户实施的第二行为；
获得实施所述第二行为的预设数量其它用户的多张其它用户图像；
在基于所述至少一张其它用户图像与所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征时，获得实施所述第二行为的第二图像属性；
建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系；
将所述第二对应关系加入所述对应关系集。
三，本申请实施例还提供了一种电子设备，包括：
壳体；
处理装置，设置在所述壳体中；
其中，在所述处理装置用于：
获得N个用户的M张用户图像以及所述N个用户M个行为；
从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户；在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性；
其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数，K为小于等于N的整数，P为小于等于K的正整数，J为大于等于K且小于等于M的整数，P在K中的比例大于等于一预设比例。
可选地，所述处理装置具体用于：
对所述M张用户图像中所述K个用户中每个用户对应的图像进行分析，获得每个用户的至少一个特征；
基于每个用户的至少一个特征，获得至少一个共同特征；
从所述K个用户中确定出包括所述至少一个共同特征的P个用户；
基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，所述第一图像属性具体为图像中的用户具有所述至少一个共同特征。
可选地，在所述获得实施所述第一行为的第一图像属性之后，所述处理装置还用于：
基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集，其中，所述第一推荐集中包括至少一个推荐对象；
获得对应关系集，所述对应关系集中包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系。
四，本申请实施例还提供了一种电子设备，包括：
壳体；
处理器，设置在所述壳体中；
其中，所述处理器用于：
获得一用户的至少一张用户图像；
基于所述至少一张用户图像，获得所述用户的用户图像属性；
基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
可选地，所述处理器具体用于：
判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果；
在所述判断结果为是时，即表征所述用户图像属性为所述第一图像属性，基于所述对应关系集，给所述用户推荐与所述第一图像属性对应的第一推荐集。
可选地，在所述判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果之后，所述处理器还用于：
获得所述用户实施的第二行为；
获得实施所述第二行为的预设数量其它用户的多张其它用户图像；
在基于所述至少一张其它用户图像与所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征时，获得实施所述第二行为的第二图像属性；
建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系；
将所述第二对应关系加入所述对应关系集。
五，本申请实施例还提供了一种电子设备，包括：
第一获得单元，用于获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；
第一确定单元，用于从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；
第二获得单元，在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于K且小于等于M的整数，P在K中的比例大于等于一预设比例。
六，本申请实施例还提供了一种电子设备，包括：
第三获得单元，用于获得一用户的至少一张用户图像；
第四获得单元，基于所述至少一张用户图像，获得所述用户的用户图像属性；
推荐单元，基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
由于在本申请实施例的技术方案中，当获得一用户的至少一张用户图像之后，能够从所述至少一张用户图像中获得所述用户的用户属性，基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集，也就是说，通过识别出用户图像属性来做相应的推荐，只要识别到了用户图像属性便可以给用户进行相应的推荐，所以，实现了推荐结果更加精确的技术效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
图1为本申请实施例一提供的一种信息处理方法的流程图；
图2为本申请实施例一提供的一种信息处理方法的步骤S103的方法流程图；
图3为本申请实施例一提供的一种信息处理方法的步骤S103之后的方法流程图；
图4为本申请实施例二提供的一种电子设备的结构框图；
图5为本申请实施例三提供的一种电子设备的结构框图；
图6为本申请实施例四提供的一种推荐方法的流程图；
图7为本申请实施例四提供的一种推荐方法的步骤S603的方法流程图；
图8为本申请实施例四提供的一种推荐方法的步骤S701之后的方法流程图；
图9为本申请实施例五提供的一种电子设备的结构框图；
图10为本申请实施例六提供的一种电子设备的结构框图。
具体实施方式
本申请实施例提供了一种信息处理方法，推荐方法及电子设备，用于解决现有技术中存在推荐结果不够精确的技术问题，实现了推荐结果更加精确的技术效果。
本申请实施例中的技术方案为解决上述的技术问题，总体思路如下：
一种信息处理方法，所述方法应用于一电子设备，所述方法包括：
获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；
从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；
在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于K且小于等于M的整数，P在K中的比例大于等于一预设比例。
由于在本申请实施例的技术方案中，通过获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于K且小于等于M的整数，P在K中的比例大于等于一预设比例。也就是说，在获得用户图像的同时也获得了与用户图像对应的用户行为，然后从中确定出实施了同一个行为的用户图像，当实施同一行为的用户图像中有部分用户具有至少一个共同特征时，便可以从这部分用户对应的用户图像中获得实施该行为的图像属性，进而获得了将用户进行分类的图像属性，所以，实现了对人群进行精确分类的技术效果。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互结合。
实施例一
请参考图1，本申请实施例一提供的一种信息处理方法，应用于一电子设备，所述方法包括：
S101：获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；
S102：从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；
S103：在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于P且小于等于M的整数，P在K中的比例大于等于一预设比例。
在本申请实施例中，所述电子设备具体可以为智能手机、平板电脑、笔记本电脑、台式电脑，等等，在此就不一一举例了。
在具体实施过程中，步骤S101至步骤S103的具体实现过程如下：
首先，获得N个用户的M张用户图像以及所述N个用户M个行为，举个具体的例子来说，获得10个用户的10张图像，这10个用户中每个用户对应有一张图像，当然在本申请实施例中，每个用户还可以对应有多张图像，无论是哪种情况，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像。同样地，获得10个用户的10个行为，这10个用户中每个用户对应有一个行为，当然在本申请实施例中，每个用户还可以对应有多个行为，无论是哪种情况，所述M个行为中包括有所述N个用户中每个用户的至少一个行为。此外，在本申请实施例中，所获得的用户的图像与用户的行为一一对应，可以是在获得用户图像的同时也获得用户在该图像下时的用户行为，也可以在获得用户行为的同时也获得了用户在该行为下时的用户图像。该具体实例10个用户的10张图像和10个行为间的具体关系请参考表一。
| 用户 | 图像 | 用户行为 |
| A | A | 买鞋 |
| B | B | 买鞋 |
| C | C | 买鞋 |
| D | D | 买鞋 |
| E | E | 买鞋 |
| F | F | 买鞋 |
| G | G | 买鞋 |
| H | H | 买鞋 |
| I | I | 买裙子 |
| J | J | 买保健品 |
表一
然后，从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，继续以获得10个用户的10张图像和10个行为为例来进行说明，这10个用户的10个行为中有买鞋，买裙子，买保健品等行为。从10个行为中确定出实施了买鞋行为对应的8个用户(用户A-用户H)的8张用户图像(用户图像A-用户图像H)，当8张用户图像(用户图像A-用户图像H)中有6张用户图像具有“女，20岁-30岁”这一共同特征时，获得在本申请实施例中实施买鞋行为的图像属性具体为“女，20岁-30岁”。此外，在本申请实施例中，P在K中的比例大于等于一预设比例，也就是说，只有实施第一行为的K个用户中具有至少一个共同特征的P个用户在K个用户中达到了一预设比例。比如，只有当比例达到总数的百分之六十时，便可以统计实施该行为的图像属性。在本例中，由于具有至少一个共同特征这6个用户与原8个用户的用户数量比值为百分之七十五，也就是说，在该情况下，是满足预设比例的，所以，可以从这6个用户对应的图像中获得实施买鞋这一行为的图像属性，该图像属性具体为年龄段为20岁-30岁，性别为女性。具体来讲，在确定出实施了买鞋行为的用户A-用户H这八个用户对应的用户图像A-用户图像H之后，对用户图像特征进行分析，进而获得用户图像特征，用户及用户行为间的对应关系，具体如表二所示。
| 用户 | 图像特征 | 行为 |
| A | 女、20岁-25岁、长发(a) | 买鞋 |
| B | 女、25岁-30岁、短发(b) | 买鞋 |
| C | 女、20岁-25岁、中发、戴眼镜(c) | 买鞋 |
| D | 女、20岁-25岁、长发、齐刘海(d) | 买鞋 |
| E | 女、20岁-25岁、长发、斜刘海(e) | 买鞋 |
| F | 女、20岁-25岁、短发(f) | 买鞋 |
| G | 男、40-50岁、秃顶(g) | 买鞋 |
| H | 男、20岁-30岁、短发、戴眼镜(h) | 买鞋 |
表二
当然，对于本申请实施例中的技术方案来说，并不局限于这10个用户的分析，具体来讲，所采样分析的用户数量越多，用户图像越多，所实施的行为越多，从中所获得实施某个行为的图像属性将越精确，在此就不一一赘述了。
此外，对于步骤S101：获得N个用户的M张用户图像以及所述N个用户M个行为，具体包括如下步骤：
获得所述N个用户中每个用户的一个或多个行为，共获得M个行为；
在所述N个用户实施所述M个行为的过程中，获得所述N个用户的M张用户图像。
具体来讲，在本申请实施例的技术方案中，所获得的图像是在用户实施相应行为过程中所获得的，比如，用户在网上购买东西时所述电子设备进行图像采集获得，也可以是用户在查看应用详情时所述电子设备进行图像采集获得的，也可以是用户在观看电影，听音乐时所述电子设备进行图像采集获得的，也可以是用户在实施行为的过程中通过与所述电子设备不同的第一电子设备采集到用户图像并传输给所述电子设备，进而获得用户对应的用户图像，等等，在此就不一一举例了。
在本申请实施例中，为了保证获得图像属性更具有代表性且更精确，采样的用户数量越多，用户图像越多，所实施的行为越多，从中所获得图像属性将更具有代表性，从而可以避免以偏概全所带来的分类不够精确的问题，为此，本申请实施例中确保所述第一行为是从用户实施的较多用户行为中确定的。具体来讲，步骤S102：从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，具体包括：
确定出实施所述M个行为中每个行为的行为数量；
基于所述每个行为的行为数量，从所述M个行为中确定出至少一个行为，其中，所述至少一个行为中每个行为的行为数量大于等于一预设行为数量；
从所述至少一个行为中确定出第一行为；
从所述N个用户中确定出实施了所述第一行为的K个用户。
在具体实施过程中，首先，确定出实施所述M个行为中每个行为的行为数量，比如，8000个用户行为中，购买体育器材的用户行为数量为2000个，购买保健品的用户行为数量为3000个，购买裙子的用户行为数量为5000个，等等。然后，基于所述每个行为的行为数量，从所述M个行为中确定出至少一个行为，其中，所述至少一个行为中每个行为的行为数量大于等于一预设行为数量。比如，在本例中，预设行为数量为2500，那么，购买保健品的用户行为和购买裙子的用户行为则为符合条件的用户行为。然后，从符合条件的所述至少一个行为中确定出第一行为，比如，所述第一行为为购买裙子的用户行为，那么便可以从8000个用户行为中确定出实施了购买裙子这一行为的5000个用户行为。
在本申请实施例中，请参考图2，步骤S103：在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，具体包括：
S201：对所述M张用户图像中所述K个用户中每个用户对应的图像进行分析，获得每个用户的至少一个特征；
S202：基于每个用户的至少一个特征，获得至少一个共同特征；
S203：从所述K个用户中确定出包括所述至少一个共同特征的P个用户；
S204：基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，所述第一图像属性具体为图像中的用户具有所述至少一个共同特征。
在具体实施过程中，步骤S201至步骤S204的具体实现过程如下：
继续以获得10个用户的10张图像和10个行为为例来对步骤S201至步骤S204的具体实现过程进行说明。首先，对10张用户图像中8个用户中每个用户对应的图像进行图像处理，从而获得每个用户的至少一个特征，比如，秃顶，长发，男性，女性，戴眼镜，等共同特征。比如，这8个用户中，用户A-F的共同特征为“女性，20岁-30岁”。由于此时用户的比例超过了百分之六十这一预设比例，所以，可以基于用户A-F所对应的用户图像中获得实施买鞋这一行为的图像属性具体为“女性，20岁-30岁”。所以，在本申请实施例中，通过多个特征来描述一类人，从而保证了对人进行分类的精确性。当然，本申请实施例中所提到的例子仅仅是为了对技术方案进行描述，并不意味着是对本申请保护范围的限定，本领域的普通技术人员在不脱离本申请精神和范围下可以对本发明进行各种改动和变型。
在本申请实施例中，请参考图3，在步骤S103：获得实施所述第一行为的第一图像属性之后，所述方法还包括：
S301：基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集，其中，所述第一推荐集中包括至少一个推荐对象；
S302：获得对应关系集，所述对应关系集中包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系。
在具体实施过程中，继续以获得10个用户的10张图像和10个行为为例对步骤S301至步骤S302的具体实现过程进行说明。基于确定出的购买鞋的第一行为，获得推荐给具有共同特征为“女性，20岁-30岁”的用户的第一推荐集，在本例中，所述第一推荐集具体为包含各种鞋子的推荐集，当然，所述第一推荐集中包括至少一个推荐对象，也就是说，具有共同特征的用户也可能实施与购买鞋行为不同的行为，比如，团购美容美发这一服务的用户行为。在本申请实施例中，所述第一推荐集可以是应用程序集合，也可以是商品集合，还可以是不同服务的集合，等等。在步骤S301：基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集之后，获得包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系，比如，基于购买鞋这一行为，获得推荐给具有共同特征“女性，20岁-30岁”的用户的包含有各类鞋子的第一推荐集，进一步地，可以获得购买鞋这一行为，用户属性为“女性，20岁-30岁”，“包含各类鞋子的推荐集合”三者之间的对应关系。在本申请实施例中推荐集中的内容可以是网站上的各类诸如服装家电等产品，当然也可以具体到某个品牌店，某价格区间，某款式，等等，也可以是某类应用程序(如，可用来美化照片的应用程序、可用于电子交易的应用程序，等等)，还可以是某项服务(如美容美发，汽车保养，家政服务等)，除此之外，还可以是各种不同种类内容的组合推荐，比如，除了可以给用户推荐购物外，还可以推荐应用程序，还可以是某项服务，也就是让用户同时推荐这三项内容，也可以是，在用户查看应用推荐时，主要向用户推荐应用程序的集合，当用户在购物网站上时，主要向用户推荐产品类别的集合，当用户在招聘网站上时，主要向用户推荐和工作地点，职位之类的推荐集，在此就不一一赘述了。由于本申请实施例中的技术方案可用于对较多用户，较多用户图像，较多用户行为进行统计分析。基于大量的数据采集和分析，最终会获得各种不同类别的人以及与该类别人对应的行为及图像属性及推荐集合，也就是说，通过不断的学习训练将建立多个对应关系。请参考表三所示为基于实施例一中的技术方案所建立起的其中一种对应关系集形式。
表三
实施例二
基于与本申请实施例一相同的发明构思，请参考图4，本申请实施例二还提供了一种电子设备，包括：
壳体10；
处理装置40，设置在壳体10中；
其中，处理装置40用于：
获得N个用户的M张用户图像以及所述N个用户M个行为；
从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户；
在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性；
其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数，K为小于等于N的整数，P为小于等于K的正整数，J为大于等于P且小于等于M的整数，P在K中的比例大于等于一预设比例。
在本申请实施例中，处理装置40具体用于：
对所述M张用户图像中所述K个用户中每个用户对应的图像进行分析，获得每个用户的至少一个特征；
基于每个用户的至少一个特征，获得至少一个共同特征；
从所述K个用户中确定出包括所述至少一个共同特征的P个用户；
基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，所述第一图像属性具体为图像中的用户具有所述至少一个共同特征。
在本申请实施例中，在所述获得实施所述第一行为的第一图像属性之后，处理装置40还用于：
基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集，其中，所述第一推荐集中包括至少一个推荐对象；
获得对应关系集，所述对应关系集中包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系。
实施例三
基于与本申请实施例一相同的发明构思，请参考图5，本申请实施例二还提供了一种电子设备，包括：
第一获得单元50，用于获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；
第一确定单元51，用于从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；
第二获得单元52，在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于P且小于等于M的整数，P在K中的比例大于等于一预设比例。
在本申请实施例中，第一获得单元50具体包括：
第一获得模块，用于获得所述N个用户中每个用户在一个或多个行为，共获得M个行为；
第二获得模块，用于在所述N个用户实施所述M个行为的过程中，获得所述N个用户的M张用户图像。
在本申请实施例中，第一确定单元51具体包括：
第一确定模块，用于确定出实施所述M个行为中每个行为的实施用户数量；
第二确定模块，基于所述每个行为的实施用户数量，从所述M个行为中确定出至少一个行为，其中，所述至少一个行为中每个行为的实施用户数量大于等于一预设用户数量；
第三确定模块，用于从所述至少一个行为中确定出第一行为；
第四确定模块，用于从所述N个用户中确定出实施了所述第一行为的K个用户。
在本申请实施例中，第二获得单元52具体包括：
第三获得模块，用于对所述M张用户图像中所述K个用户中每个用户对应的图像进行分析，获得每个用户的至少一个特征；
第四获得模块，基于每个用户的至少一个特征，获得至少一个共同特征；
第五确定模块，用于从所述K个用户中确定出包括所述至少一个共同特征的P个用户；
第五获得模块，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，所述第一图像属性具体为图像中的用户具有所述至少一个共同特征。
在本申请实施例中，所述电子设备还包括：
第五获得单元，基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集，其中，所述第一推荐集中包括至少一个推荐对象；
第六获得单元，用于获得对应关系集，所述对应关系集中包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系。
实施例四
请参考图6，基于本申请实施例一中的发明构思，本申请实施例还提供了一种推荐方法，所述方法包括：
S601：获得一用户的至少一张用户图像；
S602：基于所述至少一张用户图像，获得所述用户的用户图像属性；
S603：基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
在本申请实施例中，步骤S601至步骤S603的具体实现过程如下：
首先，获得一用户的至少一张用户图像，举个具体的例子来说，在用户X使用电子设备的过程中，通过电子设备上的摄像头采集获得用户X的至少一张图像，然后对所述至少一张图像进行图像处理与分析，从而获得用户X的图像属性，比如，该图像属性为“50-60岁，男，白发，皱眉，戴眼镜”，此时，基于实施例一中同样的发明构思获得的行为，图像属性及推荐集间的形如表三中建立的对应关系集，为用户X推荐与该图像属性为“50-60岁，男，白发，皱眉，戴眼镜”对应的第一推荐集为“保健品，家政服务，家政公司，PP旅行应用app”，也就是说，向用户X推荐“保健品，家政服务，U家政公司，PP旅行应用app”。如果用户N的图像属性为“25，男，短发，笑”，基于实施例一中同样的发明构思获得的行为，图像属性及推荐集间的形如表三中建立的对应关系集可知，将像用户N推荐“健身器材，W牌运动鞋，出国培训结构”。
在本申请实施例中，请参考图7，步骤S603：基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集，具体包括：
S701：判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果；
S702：在所述判断结果为是时，即表征所述用户图像属性为所述第一图像属性，基于所述对应关系集，给所述用户推荐与所述第一图像属性对应的第一推荐集。
在具体实施过程中，步骤S701至步骤S702的具体实现过程为：
首先，判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得第一判断结果，比如，基于实施例一中同样的发明构思所建好的对应关系中，描述一类人所用的图像属性具体为“20-30岁，男性，短发”且这三个特征对应购买西装，那么第一推荐集即与购买西装相对应。当在实际推荐的过程中，就获得用户图像属性中的至少一个图像特征，如“25岁，男，短发，戴眼镜”，然后和“20-30岁，男性，短发”这三个匹配，如果匹配上了，就推荐购买西装这一第一推荐集。
在本申请实施例中，如果在使用对应关系集进行推荐的过程中，发现有些用户对应的图像属性之前并没有存储至电子设备，此时，就需要对先前存储在电子设备中的对应关系集进行更新，具体来讲，请参考图8，步骤S701：判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果之后，所述方法还包括：
S801：获得所述用户实施的第二行为；
S802：获得实施所述第二行为的预设数量其它用户的多张其它用户图像；
S803：在基于所述至少一张其它用户图像与所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征时，获得实施所述第二行为的第二图像属性；
S804：建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系；
S805：将所述第二对应关系加入所述对应关系集。
在具体实施过程中，步骤S801至步骤S805具体实现过程如下：
当发现有些用户对应的图像属性之前并没有存储至电子设备内时，首先，获得所述用户实施的第二行为，举个具体的例子来说，获得用户Y实施的第二行为具体为“点击查看应用程序详情介绍”，并获得实施该行为的预设数量其它用户的多张其它用户图像，也就是说，当实施该行为的用户数量大于一预设用户数量的预设数量时，获得与之对应的多张其它用户图像。然后，在基于所述至少一张其它用户图像和所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征“40-50岁，男，皱眉头”时，获得实施所述第二行为的第二图像属性“40-50岁，男，皱眉头”，然后基于与实施例一中同样的发明构思建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系，然后将所述第二对应关系加入所述对应关系集中，在本例中，如建立起“点击查看JJ应用程序详情介绍”的第二行为，“40-50岁，男，皱眉头”的第二图像属性，以及基于“点击查看JJ应用程序详情介绍”获得的应用程序推荐的第二推荐集间的第二对应关系，然后将所述第二对应关系加入所述对应关系集，也就是，实现了对对应关系集的及时更新，进一步保证了推荐结果的准确性。
实施例五
基于与实施例四中一种推荐方法相同的发明构思，请参考图9，本申请实施例四还提供了一种电子设备，包括：
壳体10；
处理器90，设置在壳体10中；
其中，处理器90用于：
获得一用户的至少一张用户图像；
基于所述至少一张用户图像，获得所述用户的用户图像属性；
基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
在本申请实施例中，处理器90具体用于：
判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果；
在所述判断结果为是时，即表征所述用户图像属性为所述第一图像属性，基于所述对应关系集，给所述用户推荐与所述第一图像属性对应的第一推荐集。
在本申请实施例中，在所述判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果之后，处理器90还用于：
获得所述用户实施的第二行为；
获得实施所述第二行为的预设数量其它用户的多张其它用户图像；
在基于所述至少一张其它用户图像与所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征时，获得实施所述第二行为的第二图像属性；
建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系；
将所述第二对应关系加入所述对应关系集。
实施例六
基于与实施例四中一种推荐方法相同的发明构思，请参考图10，本申请实施例四还提供了一种电子设备，包括：
第三获得单元100，用于获得一用户的至少一张用户图像；
第四获得单元101，基于所述至少一张用户图像，获得所述用户的用户图像属性；
推荐单元102，基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
在本申请实施例中，推荐单元102具体包括：
第一判断模块，用于判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果；
第一处理模块，在所述判断结果为是时，即表征所述用户图像属性为所述第一图像属性，基于所述对应关系集，给所述用户推荐与所述第一图像属性对应的第一推荐集。
在本申请实施例中，推荐单元102还包括：
第六获得模块，用于获得所述用户实施的第二行为；
第七获得模块，用于获得实施所述第二行为的预设数量其它用户的多张其它用户图像；
第六确定模块，在基于所述至少一张其它用户图像与所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征时，获得实施所述第二行为的第二图像属性；
第二处理模块，用于建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系；
第三处理模块，用于将所述第二对应关系加入所述对应关系集。
通过本申请实施例中的一个或多个技术方案，可以实现如下一个或多个技术效果：
由于在本申请实施例的技术方案中，当获得一用户的至少一张用户图像之后，能够从所述至少一张用户图像中获得所述用户的用户属性，基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集，也就是说，通过识别出用户图像属性来做相应的推荐，只要识别到了用户图像属性便可以给用户进行相应的推荐，所以，实现了推荐结果更加精确的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、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。
一方面，本申请实施例中的信息处理方法对应的计算机程序指令可以被存储在光盘，硬盘，U盘等存储介质上，当存储介质中的与信息处理方法对应的计算机程序指令被一电子设备读取或被执行时，包括如下步骤：
获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；
从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；
在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于P且小于等于M的整数，P在K中的比例大于等于一预设比例。
可选地，所述存储介质中存储的与步骤，所述在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，对应的计算机程序指令在被执行时，具体包括：
对所述M张用户图像中所述K个用户中每个用户对应的图像进行分析，获得每个用户的至少一个特征；
基于每个用户的至少一个特征，获得至少一个共同特征；
从所述K个用户中确定出包括所述至少一个共同特征的P个用户；
基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，所述第一图像属性具体为图像中的用户具有所述至少一个共同特征。
可选地，所述存储介质中存储的与步骤，在所述获得实施所述第一行为的第一图像属性之后，对应的计算机程序指令在被执行时，所述方法还包括：
基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集，其中，所述第一推荐集中包括至少一个推荐对象；
获得对应关系集，所述对应关系集中包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系。
另一方面，本申请实施例中的推荐方法对应的计算机程序指令可以被存储在光盘，硬盘，U盘等存储介质上，当存储介质中的与信息处理方法对应的计算机程序指令被一电子设备读取或被执行时，包括如下步骤：
获得一用户的至少一张用户图像；
基于所述至少一张用户图像，获得所述用户的用户图像属性；
基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
可选地，所述存储介质中存储的与步骤，所述基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集，对应的计算机程序指令在被执行时，具体包括：
判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果；
在所述判断结果为是时，即表征所述用户图像属性为所述第一图像属性，基于所述对应关系集，给所述用户推荐与所述第一图像属性对应的第一推荐集。
可选地，所述存储介质中存储的与步骤，在所述判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果之后，对应的计算机程序指令在被执行时，所述方法还包括：
获得所述用户实施的第二行为；
获得实施所述第二行为的预设数量其它用户的多张其它用户图像；
在基于所述至少一张其它用户图像与所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征时，获得实施所述第二行为的第二图像属性；
建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系；
将所述第二对应关系加入所述对应关系集。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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 (14)
1.一种信息处理方法，所述方法应用于一电子设备，所述方法包括：
获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；
从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；
在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于P且小于等于M的整数，P在K中的比例大于等于一预设比例。
2.如权利要求1所述的方法，其特征在于，所述在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，具体包括：
对所述M张用户图像中所述K个用户中每个用户对应的图像进行分析，获得每个用户的至少一个特征；
基于每个用户的至少一个特征，获得至少一个共同特征；
从所述K个用户中确定出包括所述至少一个共同特征的P个用户；
基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，所述第一图像属性具体为图像中的用户具有所述至少一个共同特征。
3.如权利要求1-2中任一权项所述的方法，其特征在于，在所述获得实施所述第一行为的第一图像属性之后，所述方法还包括：
基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集，其中，所述第一推荐集中包括至少一个推荐对象；
获得对应关系集，所述对应关系集中包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系。
4.一种推荐方法，应用于一电子设备，所述方法包括：
获得一用户的至少一张用户图像；
基于所述至少一张用户图像，获得所述用户的用户图像属性；
基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
5.如权利要求4所述的方法，其特征在于，所述基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集，具体包括：
判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果；
在所述判断结果为是时，即表征所述用户图像属性为所述第一图像属性，基于所述对应关系集，给所述用户推荐与所述第一图像属性对应的第一推荐集。
6.如权利要求5所述的方法，其特征在于，在所述判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果之后，所述方法还包括：
获得所述用户实施的第二行为；
获得实施所述第二行为的预设数量其它用户的多张其它用户图像；
在基于所述至少一张其它用户图像与所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征时，获得实施所述第二行为的第二图像属性；
建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系；
将所述第二对应关系加入所述对应关系集。
7.一种电子设备，包括：
壳体；
处理装置，设置在所述壳体中；
其中，所述处理装置用于：
获得N个用户的M张用户图像以及所述N个用户M个行为；
从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户；
在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性；
其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数，K为小于等于N的整数，P为小于等于K的正整数，J为大于等于P且小于等于M的整数，P在K中的比例大于等于一预设比例。
8.如权利要求7所述的电子设备，其特征在于，所述处理装置具体用于：
对所述M张用户图像中所述K个用户中每个用户对应的图像进行分析，获得每个用户的至少一个特征；
基于每个用户的至少一个特征，获得至少一个共同特征；
从所述K个用户中确定出包括所述至少一个共同特征的P个用户；
基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，所述第一图像属性具体为图像中的用户具有所述至少一个共同特征。
9.如权利要求7-8中任一权项所述的电子设备，其特征在于，在所述获得实施所述第一行为的第一图像属性之后，所述处理装置还用于：
基于所述第一行为，获得推荐给具有所述至少一个共同特征的用户的第一推荐集，其中，所述第一推荐集中包括至少一个推荐对象；
获得对应关系集，所述对应关系集中包括了所述第一行为，所述第一图像属性及所述第一推荐集间的第一对应关系。
10.一种电子设备，包括：
壳体；
处理器，设置在所述壳体中；
其中，所述处理器用于：
获得一用户的至少一张用户图像；
基于所述至少一张用户图像，获得所述用户的用户图像属性；
基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
11.如权利要求10所述的电子设备，其特征在于，所述处理器具体用于：
判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果；
在所述判断结果为是时，即表征所述用户图像属性为所述第一图像属性，基于所述对应关系集，给所述用户推荐与所述第一图像属性对应的第一推荐集。
12.如权利要求11所述的电子设备，其特征在于，在所述判断所述用户图像属性中的至少一个图像特征是否与所述对应关系集中的第一推荐集对应的第一图像属性的至少一个共同特征相匹配，获得一判断结果之后，所述处理器还用于：
获得所述用户实施的第二行为；
获得实施所述第二行为的预设数量其它用户的多张其它用户图像；
在基于所述至少一张其它用户图像与所述多张其它用户图像，确定出所述用户与所述预设数量其它用户具有至少一个共同特征时，获得实施所述第二行为的第二图像属性；
建立所述第二行为，所述第二图像属性及基于所述第二行为获得的第二推荐集间的第二对应关系；
将所述第二对应关系加入所述对应关系集。
13.一种电子设备，包括：
第一获得单元，用于获得N个用户的M张用户图像以及所述N个用户M个行为，其中，所述M张用户图像中包括有所述N个用户中每个用户的至少一张用户图像；所述M个行为中包括有每个用户的至少一个行为，N为大于等于2的整数，M为大于等于N的整数；
第一确定单元，用于从所述N个用户中确定出实施了所述M个行为中第一行为的K个用户，K为小于等于N的整数；
第二获得单元，在所述K个用户中有P个用户具有至少一个共同特征时，基于所述P个用户对应的所述M张用户图像中的J张用户图像，获得实施所述第一行为的第一图像属性，其中，P为小于等于K的正整数，J为大于等于P且小于等于M的整数，P在K中的比例大于等于一预设比例。
14.一种电子设备，包括：
第三获得单元，用于获得一用户的至少一张用户图像；
第四获得单元，基于所述至少一张用户图像，获得所述用户的用户图像属性；
推荐单元，基于行为，图像属性及推荐集间的对应关系集，给所述用户推荐与所述用户图像属性对应的第一推荐集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510276563.8A CN106294434A (zh) | 2015-05-26 | 2015-05-26 | 一种信息处理方法，推荐方法及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510276563.8A CN106294434A (zh) | 2015-05-26 | 2015-05-26 | 一种信息处理方法，推荐方法及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106294434A true CN106294434A (zh) | 2017-01-04 |
Family
ID=57635504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510276563.8A Pending CN106294434A (zh) | 2015-05-26 | 2015-05-26 | 一种信息处理方法，推荐方法及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106294434A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930457A (zh) * | 2012-10-24 | 2013-02-13 | 深圳市万凯达科技有限公司 | 一种基于面部图像特征实现应用推荐的方法和系统 |
| US20130187951A1 (en) * | 2012-01-19 | 2013-07-25 | Kabushiki Kaisha Toshiba | Augmented reality apparatus and method |
| CN103377242A (zh) * | 2012-04-25 | 2013-10-30 | Tcl集团股份有限公司 | 用户行为分析方法、分析预测方法及电视节目推送系统 |
| CN104573619A (zh) * | 2014-07-25 | 2015-04-29 | 北京智膜科技有限公司 | 基于人脸识别的智能广告大数据分析方法及系统 |
-
2015
- 2015-05-26 CN CN201510276563.8A patent/CN106294434A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130187951A1 (en) * | 2012-01-19 | 2013-07-25 | Kabushiki Kaisha Toshiba | Augmented reality apparatus and method |
| CN103377242A (zh) * | 2012-04-25 | 2013-10-30 | Tcl集团股份有限公司 | 用户行为分析方法、分析预测方法及电视节目推送系统 |
| CN102930457A (zh) * | 2012-10-24 | 2013-02-13 | 深圳市万凯达科技有限公司 | 一种基于面部图像特征实现应用推荐的方法和系统 |
| CN104573619A (zh) * | 2014-07-25 | 2015-04-29 | 北京智膜科技有限公司 | 基于人脸识别的智能广告大数据分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103440335B (zh) | 视频推荐方法及装置 | |
| CN106651542B (zh) | 一种物品推荐的方法及装置 | |
| CN109325179B (zh) | 一种内容推广的方法及装置 | |
| CN108090208A (zh) | 融合数据处理方法及装置 | |
| CN108734460A (zh) | 一种支付方式推荐方法、装置及设备 | |
| CN109492180A (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
| CN110428298A (zh) | 一种店铺推荐方法、装置及设备 | |
| WO2018121700A1 (zh) | 基于已安装应用来推荐应用信息的方法、装置、终端设备及存储介质 | |
| CN106547767A (zh) | 确定视频封面图片的方法及装置 | |
| CN106503224B (zh) | 一种根据关键词推荐应用的方法及装置 | |
| CN108256537A (zh) | 一种用户性别预测方法和系统 | |
| WO2013192101A1 (en) | Ranking search results based on click through rates | |
| CN108205768A (zh) | 数据库建立方法和数据推荐方法及装置、设备和存储介质 | |
| CN109816441A (zh) | 策略推送方法、系统及相关装置 | |
| CN107423613A (zh) | 依据相似度确定设备指纹的方法、装置及服务器 | |
| AU2016325191A1 (en) | System and method for information processing | |
| CN106445971A (zh) | 一种应用推荐方法和系统 | |
| CN110245080B (zh) | 生成场景测试用例的方法及装置 | |
| CN110263821A (zh) | 交易特征生成模型的训练、交易特征的生成方法和装置 | |
| CN109711931A (zh) | 基于用户画像的商品推荐方法、装置、设备及存储介质 | |
| Zhang et al. | Studying on enhancing readers’ satisfaction model of electronic service quality in library based on LibQUAL+ and Kano | |
| CN107886241B (zh) | 资源分析方法、装置、介质和电子设备 | |
| CN109978580A (zh) | 对象推荐方法、装置以及计算机可读存储介质 | |
| CN108572984A (zh) | 一种实时用户兴趣识别方法及装置 | |
| CN106411908B (zh) | 一种推荐方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |