CN106327234A - 一种信息推荐方法和装置 - Google Patents
一种信息推荐方法和装置 Download PDFInfo
- Publication number
- CN106327234A CN106327234A CN201510383481.3A CN201510383481A CN106327234A CN 106327234 A CN106327234 A CN 106327234A CN 201510383481 A CN201510383481 A CN 201510383481A CN 106327234 A CN106327234 A CN 106327234A
- Authority
- CN
- China
- Prior art keywords
- information
- recommendation
- emotional state
- user
- recommendation information
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种信息推荐方法和装置,包括:获取用户的情绪状态信息;根据获取的所述情绪状态信息生成第一推荐信息;根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;显示所述第三推荐信息。通过本发明提供的技术方案,能够基于用户的情绪状态信息为用户提供推荐数据,从而较准确地捕捉用户的需求。
Description
技术领域
本发明涉及信息处理技术,尤指一种信息推荐方法和装置。
背景技术
移动互联网时代,网上购物已经越来越方便、快捷,成为很多用户购物的首选方式,甚至是购买任何东西都先到网上查一查相关的资料信息,做到胸中有数,然而在纷繁芜杂的网上商店中要找到哪一款最让你称心如意的商品也必然要耗费很多精力和时间。在现阶段,各种网上购物商场、系统都有类似的商品推荐系统,推荐系统通常基于用户或用户相关人群的历史数据来作为源数据分析并得出最终的推荐列表,将推荐列表中的产品信息提供给用户。
然而,现有的推荐系统仅根据用户的历史记录来挖掘用户感兴趣的产品信息显然不能够全面地捕捉用户的兴趣意向,也没有充分地利用各种可用的技术来获取用户的行为和反应信息,不能很好地确定用户的需求意向。
发明内容
为了解决上述技术问题,本发明提供了一种信息推荐方法和装置,能够基于用户的情绪状态信息为用户提供推荐数据,从而较准确地捕捉用户的需求。
为了达到本发明目的,本发明提供了一种信息推荐方法,所述方法包括:
获取用户的情绪状态信息;
根据获取的所述情绪状态信息生成第一推荐信息;
根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;
根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;
显示所述第三推荐信息。
进一步的,所述预设推荐方法包括以下至少一种:
基于内容推荐、协同过滤推荐、基于规则推荐、基于效用推荐、基于知识推荐。
进一步的,所述预设组合算法包括:
加权、变换、混合、特征组合、层叠、特征扩充或元级别。
进一步的,所述获取用户的情绪状态信息包括:
采集所述用户当前的情绪状态参数;
根据所述用户当前的情绪状态参数以及所述用户的历史的情绪状态参数获取所述用户的情绪状态信息。
进一步的,所述情绪状态参数包括以下至少一种:
心率、脉搏、呼吸频率、体温、语音强度、阻抗值、加速度。
本发明提供一种信息推荐装置,所述装置包括:
获取单元,用于获取用户的情绪状态信息;
第一生成单元,用于根据获取的所述情绪状态信息生成第一推荐信息;
第二生成单元,用于根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;
处理单元,用于根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;
显示单元,用于显示所述第三推荐信息。
进一步的,所述预设推荐方法包括以下至少一种:
基于内容推荐、协同过滤推荐、基于规则推荐、基于效用推荐、基于知识推荐。
进一步的,所述预设组合算法包括:
加权、变换、混合、特征组合、层叠、特征扩充或元级别。
进一步的,所述获取单元具体用于:
采集所述用户当前的情绪状态参数;
根据所述用户当前的情绪状态参数以及所述用户的历史的情绪状态参数获取所述用户的情绪状态信息。
进一步的,所述情绪状态参数包括以下至少一种:
心率、脉搏、呼吸频率、体温、语音强度、阻抗值、加速度。
本发明实施例提供的一种信息推荐方法和装置,包括:获取用户的情绪状态信息;根据获取的所述情绪状态信息生成第一推荐信息;根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;显示所述第三推荐信息。通过本发明提供的技术方案,能够基于用户的情绪状态信息为用户提供推荐数据,从而较准确地捕捉用户的需求。
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。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1为本发明实施例提供的一种信息推荐方法的流程示意图;
图2为本发明实施例提供的一种用于获取用户的情绪状态信息的装置系统的结构示意图;
图3为本发明实施例提供的一种信息推荐装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例的基本思想是:由于现有的各种推荐方法都有优缺点,在本发明提供的技术方案中,基于用户实时的情绪、情感变化以及该用户历史的情绪状态变化曲线,利用现有的推荐方法的一种或多种组合与用户当前实时情绪与历史情绪相结合,给用户当下推荐展示一个最适合的推荐结果。
本发明实施例提供一种信息推荐方法,如图1所示,该方法包括:
步骤101、获取用户的情绪状态信息。
具体的,步骤101具体可以包括:
采集所述用户当前的情绪状态参数;
根据所述用户当前的情绪状态参数以及所述用户的历史的情绪状态参数获取所述用户的情绪状态信息;
进一步的,所述情绪状态参数包括以下至少一种:心率、脉搏、呼吸频率、体温、语音强度、阻抗值、加速度。
需要说明的是,对于步骤101所述的获取用户的情绪状态信息可以采用现有的技术手段实现,本发明实施例在此不做赘述,示意性的简要介绍如下:
如图2所示的一种用于获取用户的情绪状态信息的装置系统中,S101为用户心率、脉搏、呼吸监测采集单元;S102为用户体温监测采集单元;S103为用户语音、声波监测采集单元;S104为用户阻抗监测采集单元;S105为用户加速度监测采集单元;S111为用户终端中央控制器;S121为用户终端情绪输出、展示单元。
其中,用户阻抗监测采集单元S104通过采集人体的生物电流来测算人体阻抗值,用户的阻抗值一定程度上可以反映用户的情绪,例如在情绪状态良好时用户的阻抗值较低,情绪状态差时用户的阻抗值较高;用户加速度监测采集单元S105可以获取用户的加速度值,用户的加速度值一定程度上也可以反映用户的情绪,例如,情绪状态良好时用户运动量较大对应加速度值较大,情绪状态差时用户对运动比较消极对应加速度值较小;值得一提的是,上述5个采集单元采集到的结果可以由用户终端中央控制器S111来汇总分析得到更加全面、准确的用户情绪状态信息。
步骤102、根据获取的所述情绪状态信息生成第一推荐信息。
具体的,首先将从上述用户终端情绪输出、展示单元S121实时获取的一组或多组用户实时情绪信息(前述情绪状态信息的一种或多种)存储到存储介质中,为后续处理操作提供原始数据;
然后,对抓取到的源数据进行异常数据清洗,情绪波动较大的数据进行过滤并处理,使得处理过后的数据能更有效的在后面的操作中使用;
然后,将前述处理后得到的用户情绪信息按照自定义情绪转换表转换为统一单位的情绪分值;
因各业务各系统对情绪的范围定义会存在偏差,因此该情绪转换表一般由各业务系统自定义;示例性的,一个自定义情绪转换表的实施范例如下:
心率 | 40次/分 | 60次/分 | 80次/分 | 100次/分 | 120次/分 |
情绪分值 | 60 | 100 | 120 | 160 | 200 |
然后,利用前述转换得到的一组或多组用户情绪分值,并结合该情绪所对应的权重比值,最后计算出所有情绪值的加权平均数即为用户当前实时情绪分值;
最后,将上述得到的情绪分值与“商品情绪”分值进行比较对比,最后按照优先顺序给出一个推荐列表。
示例性的,如下所示为一个推荐实施范例。
例如,当用户当前实时情绪分值为20时,生成的第一推荐信息可以是:轻音乐、励志电影、味蕾刺激强的食物、瑜伽。
需要说明的是,为了提高根据用户情绪状态信息为用户推荐信息的准确性,步骤101中可以在获取用户当前的情绪状态信息后与系统中存储的用户的历史情绪状态信息进行综合分析后将结果提供给步骤102,步骤102中则可以根据步骤101综合分析后得到的用户的情绪状态信息为用户生成更为准确的推荐信息。
步骤103、根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息。
具体的,所述预设推荐方法包括以下至少一种:
基于内容推荐、协同过滤推荐、基于规则推荐、基于效用推荐、基于知识推荐。
需要说明的是,上述五种推荐方法均属于现有技术方案中的推荐方法,本发明对各个推荐方法的具体方案不做详细阐述,在本发明实施例中仅需要利用上述的推荐方法获得第二推荐信息。
步骤104、根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息。
具体的,所述预设组合算法包括:加权、变换、混合、特征组合、层叠、特征扩充或元级别。
上述7种组合算法属于现有推荐系统中的算法,简单介绍如下:
1)加权(Weight):加权多种推荐技术结果。
2)变换(Switch):根据问题背景和实际情况或要求决定变换采用不同的推荐技术。
3)混合(Mixed):同时采用多种推荐技术给出多种推荐结果为用户提供参考。
4)特征组合(Feature combination):组合来自不同推荐数据源的特征被另一种推荐算法所采用。
5)层叠(Cascade):先用一种推荐技术产生一种粗糙的推荐结果,第二种推荐技术在此推荐结果的基础上进一步作出更精确的推荐。
6)特征扩充(Feature augmentation):一种技术产生附加的特征信息嵌入到另一种推荐技术的特征输入中。
7)元级别(Meta-level):用一种推荐方法产生的模型作为另一种推荐方法的输入。
需要特别说明的是,由于本发明实施例中利用预设组合算法生成第三推荐信息时使用了根据用户情绪状态信息生成的第一推荐信息,因此,本发明实施例相对于现有的推荐方案是有更好的推荐效果,由于额外增加了用户情绪这一维度,使最终的推荐结果更加符合用户预期。主要体现在以下三个方面:一、改善当前心理、情绪状态的推荐,如:推荐最适合当下心理状态的音乐、电影、美食;二、培养行为习惯、兴趣爱好、塑造个性性格:结合长期的情绪状态与当前的情绪推荐适合书籍、运动、颜色、社交圈子等;三、结合长期的情绪状态与当下的情绪状态,给出反差极大的推荐,突破自我,达到改善长期或短期的负面心理状态。
步骤105、显示所述第三推荐信息。
具体的,向用户显示最终生成的第三推荐信息。
另外,值得一提的是,如果用户对推荐的信息不满意,向系统反馈后,系统则返回步骤103重新为用户生成新的推荐信息。
本发明实施例提供的一种信息推荐方法,获取用户的情绪状态信息;根据获取的所述情绪状态信息生成第一推荐信息;根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;显示所述第三推荐信息。通过本发明提供的技术方案,能够基于用户的情绪状态信息为用户提供推荐数据,从而较准确地捕捉用户的需求。
本发明实施例提供一种信息推荐装置10,如图3所示,该装置10包括:
获取单元11,用于获取用户的情绪状态信息;
第一生成单元12,用于根据获取的所述情绪状态信息生成第一推荐信息;
第二生成单元13,用于根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;
处理单元14,用于根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;
显示单元15,用于显示所述第三推荐信息。
进一步的,所述预设推荐方法包括以下至少一种:
基于内容推荐、协同过滤推荐、基于规则推荐、基于效用推荐、基于知识推荐。
进一步的,所述预设组合算法包括:
加权、变换、混合、特征组合、层叠、特征扩充或元级别。
进一步的,所述获取单元11具体用于:
采集所述用户当前的情绪状态参数;
根据所述用户当前的情绪状态参数以及所述用户的历史的情绪状态参数获取所述用户的情绪状态信息。
进一步的,所述情绪状态参数包括以下至少一种:
心率、脉搏、呼吸频率、体温、语音强度、阻抗值、加速度。
进一步的,所述第一生成单元12可以包括:
源数据实时抓取存储单元120、源数据清洗、过滤及处理单元121、数据转换单元122、用户画像单元123以及匹配推荐单元124;
源数据实时抓取存储单元120,用于从上述S121用户终端情绪输出、展示单元实时获取的一组或多组用户实时情绪信息(前述情绪状态信息的一种或多种)并存储到到存储介质中;
源数据清洗、过滤及处理单元121,用于对源数据实时抓取存储单元120中存储的源数据进行异常数据清洗,对情绪波动较大的数据进行过滤并处理;
数据转换单元122,用于将源数据清洗、过滤及处理单元121处理后得到的用户情绪信息按照自定义情绪转换表转换为统一单位的情绪分值;
用户画像单元123,用于利用数据转换单元122转换得到的用户情绪分值,并结合该情绪所对应的权重比值,最后计算出所有情绪值的加权平均数即为用户当前实时情绪分值;
最后,匹配推荐单元124,用于将上述得到的情绪分值与“商品情绪”分值进行比较对比,最后按照优先顺序给出一个推荐列表。
本实施例用于实现上述各方法实施例,本实施例中各个单元的工作流程和工作原理参见上述各方法实施例中的描述,在此不再赘述。
本发明实施例提供的一种信息推荐装置,获取用户的情绪状态信息;根据获取的所述情绪状态信息生成第一推荐信息;根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;显示所述第三推荐信息。通过本发明提供的技术方案,能够基于用户的情绪状态信息为用户提供推荐数据,从而较准确地捕捉用户的需求。
以上所描述的装置实施例仅仅是示意性的,例如,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。另一点,所显示或讨论的模块相互之间的连接可以是通过一些接口,可以是电性,机械或其它的形式。所述各个模块可以是或者也可以不是物理上分开的,可以是或者也可以不是物理单元。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模块中,也可以是各个模块单独物理包括,也可以两个或两个以上模块集成在一个模块中。上述集成的模块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。
上述以软件功能单元的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
获取用户的情绪状态信息;
根据获取的所述情绪状态信息生成第一推荐信息;
根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;
根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;
显示所述第三推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述预设推荐方法包括以下至少一种:
基于内容推荐、协同过滤推荐、基于规则推荐、基于效用推荐、基于知识推荐。
3.根据权利要求1所述的方法,其特征在于,所述预设组合算法包括:
加权、变换、混合、特征组合、层叠、特征扩充或元级别。
4.根据权利要求1所述的方法,其特征在于,所述获取用户的情绪状态信息包括:
采集所述用户当前的情绪状态参数;
根据所述用户当前的情绪状态参数以及所述用户的历史的情绪状态参数获取所述用户的情绪状态信息。
5.根据权利要求4所述的方法,其特征在于,所述情绪状态参数包括以下至少一种:
心率、脉搏、呼吸频率、体温、语音强度、阻抗值、加速度。
6.一种信息推荐装置,其特征在于,包括:
获取单元,用于获取用户的情绪状态信息;
第一生成单元,用于根据获取的所述情绪状态信息生成第一推荐信息;
第二生成单元,用于根据预设推荐方法以及所述用户的历史记录信息生成第二推荐信息;
处理单元,用于根据预设组合算法对所述第一推荐信息与所述第二推荐信息进行处理得到第三推荐信息;
显示单元,用于显示所述第三推荐信息。
7.根据权利要求6所述的装置,其特征在于,所述预设推荐方法包括以下至少一种:
基于内容推荐、协同过滤推荐、基于规则推荐、基于效用推荐、基于知识推荐。
8.根据权利要求6所述的装置,其特征在于,所述预设组合算法包括:
加权、变换、混合、特征组合、层叠、特征扩充或元级别。
9.根据权利要求6所述的装置,其特征在于,所述获取单元具体用于:
采集所述用户当前的情绪状态参数;
根据所述用户当前的情绪状态参数以及所述用户的历史的情绪状态参数获取所述用户的情绪状态信息。
10.根据权利要求9所述的装置,其特征在于,所述情绪状态参数包括以下至少一种:
心率、脉搏、呼吸频率、体温、语音强度、阻抗值、加速度。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510383481.3A CN106327234A (zh) | 2015-07-02 | 2015-07-02 | 一种信息推荐方法和装置 |
PCT/CN2016/078986 WO2017000623A1 (zh) | 2015-07-02 | 2016-04-11 | 一种信息推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510383481.3A CN106327234A (zh) | 2015-07-02 | 2015-07-02 | 一种信息推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106327234A true CN106327234A (zh) | 2017-01-11 |
Family
ID=57607793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510383481.3A Pending CN106327234A (zh) | 2015-07-02 | 2015-07-02 | 一种信息推荐方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106327234A (zh) |
WO (1) | WO2017000623A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330747A (zh) * | 2017-05-16 | 2017-11-07 | 深圳和而泰智能家居科技有限公司 | 美容设备档位推荐方法、美容设备以及存储介质 |
CN107666518A (zh) * | 2017-09-27 | 2018-02-06 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、终端设备和计算机可读存储介质 |
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系统及方法 |
CN108876541A (zh) * | 2018-06-20 | 2018-11-23 | 郑州村村联网络技术有限公司 | 商品推荐方法及装置 |
CN109543132A (zh) * | 2018-11-22 | 2019-03-29 | 深圳墨世科技有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN109740017A (zh) * | 2018-12-14 | 2019-05-10 | 北京字节跳动网络技术有限公司 | 推荐信息的即时反馈方法及装置 |
CN110866146A (zh) * | 2019-11-26 | 2020-03-06 | 杭州市第一人民医院 | 视频推荐方法、装置、计算机设备和存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110321A (zh) * | 2019-03-19 | 2019-08-09 | 深圳壹账通智能科技有限公司 | 基于语音数据的产品推荐方法、装置、设备及存储介质 |
CN110781377B (zh) * | 2019-09-03 | 2024-02-20 | 深圳市雅阅科技有限公司 | 一种文章推荐方法、装置 |
CN111062785A (zh) * | 2019-12-18 | 2020-04-24 | 上海良鑫网络科技有限公司 | 智能选择产品来推荐给相匹配用户的方法与系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104202718A (zh) * | 2014-08-05 | 2014-12-10 | 百度在线网络技术(北京)有限公司 | 一种向用户提供信息的方法与装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1340375A1 (en) * | 2000-11-22 | 2003-09-03 | Koninklijke Philips Electronics N.V. | Method and apparatus for generating recommendations based on current mood of user |
KR20130119246A (ko) * | 2012-04-23 | 2013-10-31 | 한국전자통신연구원 | 감성 기반 콘텐츠 추천 장치 및 방법 |
CN103559197A (zh) * | 2013-09-23 | 2014-02-05 | 浙江大学 | 基于上下文预过滤的实时音乐推荐方法 |
CN103970873B (zh) * | 2014-05-14 | 2018-02-13 | 中国联合网络通信集团有限公司 | 一种音乐推荐方法和系统 |
-
2015
- 2015-07-02 CN CN201510383481.3A patent/CN106327234A/zh active Pending
-
2016
- 2016-04-11 WO PCT/CN2016/078986 patent/WO2017000623A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104202718A (zh) * | 2014-08-05 | 2014-12-10 | 百度在线网络技术(北京)有限公司 | 一种向用户提供信息的方法与装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330747A (zh) * | 2017-05-16 | 2017-11-07 | 深圳和而泰智能家居科技有限公司 | 美容设备档位推荐方法、美容设备以及存储介质 |
CN107666518A (zh) * | 2017-09-27 | 2018-02-06 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、终端设备和计算机可读存储介质 |
CN107666518B (zh) * | 2017-09-27 | 2023-03-03 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、终端设备和计算机可读存储介质 |
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系统及方法 |
CN108446635B (zh) * | 2018-03-19 | 2022-03-22 | 西北大学 | 一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法 |
CN108876541A (zh) * | 2018-06-20 | 2018-11-23 | 郑州村村联网络技术有限公司 | 商品推荐方法及装置 |
CN109543132A (zh) * | 2018-11-22 | 2019-03-29 | 深圳墨世科技有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN109740017A (zh) * | 2018-12-14 | 2019-05-10 | 北京字节跳动网络技术有限公司 | 推荐信息的即时反馈方法及装置 |
CN110866146A (zh) * | 2019-11-26 | 2020-03-06 | 杭州市第一人民医院 | 视频推荐方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2017000623A1 (zh) | 2017-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106327234A (zh) | 一种信息推荐方法和装置 | |
Dissanayake et al. | An ensemble learning approach for electrocardiogram sensor based human emotion recognition | |
Shu et al. | A review of emotion recognition using physiological signals | |
Katmah et al. | A review on mental stress assessment methods using EEG signals | |
Galvão et al. | Predicting exact valence and arousal values from EEG | |
Boz et al. | Emotion extraction from facial expressions by using artificial intelligence techniques | |
Masood et al. | Investigating EEG patterns for dual-stimuli induced human fear emotional state | |
Sacchelli et al. | Neuroscience application for the analysis of cultural ecosystem services related to stress relief in forest | |
Mohino-Herranz et al. | Activity recognition using wearable physiological measurements: Selection of features from a comprehensive literature study | |
Jovanović et al. | A mobile crowd sensing application for hypertensive patients | |
Park et al. | Selective feature generation method based on time domain parameters and correlation coefficients for Filter-Bank-CSP BCI systems | |
Pinto et al. | Multimodal emotion evaluation: A physiological model for cost-effective emotion classification | |
Suzuki et al. | Constructing an emotion estimation model based on EEG/HRV indexes using feature extraction and feature selection algorithms | |
de Pedro-Carracedo et al. | Phase space reconstruction from a biological time series: A photoplethysmographic signal case study | |
Fati et al. | A continuous cuffless blood pressure estimation using tree-based pipeline optimization tool | |
Ramírez-Martínez et al. | Hand movement classification using burg reflection coefficients | |
Afghah et al. | Game theoretic approach for systematic feature selection; application in false alarm detection in intensive care units | |
Gouverneur et al. | Comparison of feature extraction methods for physiological signals for heat-based pain recognition | |
Abdullah et al. | EEG channel selection techniques in motor imagery applications: a review and new perspectives | |
Shah et al. | An ensemble model for consumer emotion prediction using EEG signals for neuromarketing applications | |
Gong et al. | Using kansei engineering for the design thinking framework: Bamboo pen holder product design | |
Sánchez-Reolid et al. | Machine learning techniques for arousal classification from electrodermal activity: A systematic review | |
Navarro-Alamán et al. | EmotIoT: an IoT system to improve users’ wellbeing | |
Shao et al. | Research of HRV as a measure of mental workload in human and dual-arm robot interaction | |
Xefteris et al. | Graph theoretical analysis of eeg functional connectivity patterns and fusion with physiological signals for emotion recognition |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |