CN108335177A - 购物推荐方法、用户端、服务端、设备和存储介质 - Google Patents

购物推荐方法、用户端、服务端、设备和存储介质 Download PDF

Info

Publication number
CN108335177A
CN108335177A CN201810194909.3A CN201810194909A CN108335177A CN 108335177 A CN108335177 A CN 108335177A CN 201810194909 A CN201810194909 A CN 201810194909A CN 108335177 A CN108335177 A CN 108335177A
Authority
CN
China
Prior art keywords
information
shopping
recommendation
user
key word
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
Application number
CN201810194909.3A
Other languages
English (en)
Inventor
刘向阳
兰春娥
刘童
张治国
饶晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201810194909.3A priority Critical patent/CN108335177A/zh
Publication of CN108335177A publication Critical patent/CN108335177A/zh
Priority to US16/160,249 priority patent/US11361364B2/en
Pending legal-status Critical Current

Links

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L2015/088—Word spotting
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context

Abstract

本发明提供一种购物推荐方法、用户端、服务端、设备和存储介质，该方法包括：获取用户的语音信息，并对该语音信息进行语音识别和关键词提取，得到购物关键词信息；将购物关键词信息发送至服务端，以供服务端根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；接收该推荐信息，根据推荐信息向显示单元提供数据以供呈现购物推荐内容。本发明通过采集用户在线下商超购物场景的语音信息，并从中提取关键词，以供服务端结合其它购物相关信息进行兴趣预测，并最终通过显示单元呈现购物推荐内容，实现了在商超购物场景对用户进行精准个性化推荐。

Description

购物推荐方法、用户端、服务端、设备和存储介质
技术领域
本申请涉及商超购物技术领域，具体涉及一种购物推荐方法、用户端、服务端、设备和存储介质。
背景技术
当前的购物推荐解决方案一方面通常只在购物页面等线上场景进行呈现，在线下通常只进行统一的广告投放，难以在商超购物等线下场景对用户进行合理的个性化推荐以提高商超购物的购买率；另一方面，通常只着眼于根据用户的个人信息、购物历史记录、即时通讯工具的聊天记录等信息进行预测和推荐，而无法对用户当前在线下购物场景的需求进行精准预测。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种在商超购物场景对用户进行精准个性化推荐的购物推荐方法、用户端、服务端、设备和存储介质。
第一方面，本发明提供一种适用于用户端的购物推荐方法，包括：
获取用户的语音信息，并对该语音信息进行语音识别和关键词提取，得到购物关键词信息；
将购物关键词信息发送至服务端，以供服务端根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；
接收该推荐信息，根据推荐信息向显示单元提供数据以供呈现购物推荐内容。
第二方面，本发明提供另一种适用于服务端的购物推荐方法，包括：
接收用户端发送的购物关键词信息；该购物关键词信息由用户端获取用户的语音信息，并对语音信息进行语音识别和关键词提取得到；
根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；
将推荐信息返回给用户端，以供用户端根据推荐信息向显示单元提供数据以供呈现购物推荐内容。
第三方面，本发明提供一种用户端，包括关键词提取单元、信息供给单元和第一推荐单元；
其中，关键词提取单元配置用于获取用户的语音信息，并对语音信息进行语音识别和关键词提取，得到购物关键词信息；
信息供给单元配置用于将购物关键词信息发送至服务端，以供服务端根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；
第一推荐单元配置用于接收推荐信息，根据推荐信息向显示单元提供数据以供呈现购物推荐内容。
第四方面，本发明提供一种服务端，包括接收单元、预测单元和第二推荐单元；
其中，接收单元配置用于接收用户端发送的购物关键词信息；该购物关键词信息由用户端获取用户的语音信息，并对语音信息进行语音识别和关键词提取得到；
预测单元配置用于根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；
第二推荐单元配置用于将推荐信息返回给用户端，以供用户端根据推荐信息向显示单元提供数据以供呈现购物推荐内容。
第五方面，本发明还提供一种设备，包括一个或多个处理器和存储器，其中存储器包含可由该一个或多个处理器执行的指令以使得该一个或多个处理器执行根据本发明各实施例提供的购物推荐方法。
第六方面，本发明还提供一种存储有计算机程序的存储介质，该计算机程序使计算机执行根据本发明各实施例提供的购物推荐方法。
第七方面，本发明还提供一种购物辅助装置，包括辅助装置本体，以及以下任一项：
上述第三方面提供的用户端；
上述第五方面提供的执行第一方面提供的方法的设备；
上述第六方面提供的执行第一方面提供的方法的存储介质。
本发明诸多实施例提供的购物推荐方法、用户端、服务端、设备和存储介质通过采集用户在线下商超购物场景的语音信息，并从中提取关键词，以供服务端结合其它购物相关信息进行兴趣预测，并最终通过显示单元呈现购物推荐内容，实现了在商超购物场景对用户进行精准个性化推荐；
本发明一些实施例提供的购物推荐方法、用户端、服务端、设备和存储介质进一步通过在未获取到语音信息，或，未提取到购物关键词信息时，仅根据购物相关信息进行兴趣预测并呈现购物推荐内容，实现了保障在商超购物场景进行个性化推荐；
本发明一些实施例提供的购物推荐方法、用户端、服务端、设备和存储介质进一步通过在兴趣预测中配置语音关键词信息的权重，保障了购物推荐内容与语音信息的相关性，从而提升了个性化推荐的精准度；
本发明一些实施例提供的购物推荐方法、用户端、服务端、设备和存储介质进一步通过在推荐的同时呈现所推荐商品的货架位置信息，提高商品的购买率，同时优化了用户体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明一实施例的应用场景示意图。
图2为本发明一实施例提供的一种适用于用户端的购物推荐方法的流程图。
图3为图2所示方法的一种优选实施方式的流程图。
图4为图2所示方法的另一种优选实施方式的流程图。
图5为本发明一实施例提供的一种适用于服务端的购物推荐方法的流程图。
图6为图5所示方法的一种优选实施方式中步骤S24的流程图。
图7为图5所示方法的一种优选实施方式的流程图。
图8为本发明一实施例提供的一种用户端的结构示意图。
图9为本发明另一实施例提供的一种用户端的结构示意图。
图10为本发明又一实施例提供的一种用户端的结构示意图。
图11为本发明一实施例提供的一种服务端的结构示意图。
图12为图11所示服务端的一种优选实施方式的结构示意图。
图13为本发明一实施例提供的一种用于购物推荐的设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
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组合。下面将参考附图并结合实施例来详细说明本申请。
图1为本发明一实施例的应用场景示意图。
如图1所示，在本实施例中，本发明提供的用户端10配置在购物车30上，用户端10与远程的服务端20之间通过无线网络通信连接。在本实施例中，用户端10包括一体集成的中央处理器、无线通信模块、语音采集模块和显示屏。在更多实施例中，用户端10也可以仅包括中央处理器和无线通信模块，并与单独配置的语音采集装置和显示屏通过无线或有线进行通信连接，用户端10还可以配置在购物篮、导购机器人等其它各类购物辅助装置上，只要用户端10配置在线下的购物环境中，可以获取到用户的语音信息，并可以与远程服务端通信连接，并最终通过显示设备呈现购物推荐内容，即可实现相同的技术效果。
以下将结合图示通过具体实例对本发明的购物推荐原理进行详细说明。
图2为本发明一实施例提供的一种适用于用户端的购物推荐方法的流程图。
如图2所示，在本实施例中，本发明提供一种适用于用户端的购物推荐方法，包括：
S12：获取用户的语音信息，并对该语音信息进行语音识别和关键词提取，得到购物关键词信息；
S14：将购物关键词信息发送至服务端，以供服务端根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；
S16：接收该推荐信息，根据推荐信息向显示单元提供数据以供呈现购物推荐内容。
具体地，在本实施例中，用户端包括CPU和无线通信模块，配合单独配置的语音采集装置和显示屏执行上述方法。语音采集装置和显示屏可以单独配置在购物车上，例如在购物车上单独配置麦克风和显示屏，也可以配置为用户的手机、智能手表等任一与上述用户端无线通信的智能移动终端。
在步骤S12中，语音采集装置采集到用户的语音信息后，发送至用户端，用户端对该语音信息进行语音识别，转换得到文字信息，再对文字信息进行关键词提取，得到购物关键词信息。
在本实施例中，购物关键词信息包括商品的种类信息、名称信息和评价信息。在更多实施例中，也可以将购物关键词信息配置为上述任意一项或多项，还可以进一步包括其它商品的相关信息，例如价格信息、竞品信息，等等。
例如，对于一段用户的语音信息：“家里的酱油快要用完了，酱油A的味道不太好，还是上次买的酱油B味道好”，进行分词，过滤等预处理，再提取出两组关键词：
种类信息：酱油；名称信息：A；评价信息：味道，不太好；
种类信息：酱油；名称信息：B；评价信息：味道，好。
上述列举仅为示例，在更多实施例中还可根据本领域常用的不同关键词提取方法进行关键词提取，可实现相同的技术效果。
在本实施例中，购物关键词信息还包括用户的身份标识信息，用户通过本领域常用的任意登录方式登录用户端，例如账户密码、扫码、指纹等，用户端在生成购物关键词信息时在其中配置用户的身份标识信息；在另一实施例中，用户端还可以单独生成用户的用户信息，并与购物关键词信息一并发送至服务端，则无需在购物关键词信息中配置用户的身份标识信息；在更多实施例中，用户端还可采用其它本领域常用的身份标识方法，以供服务端在接收购物关键词信息后识别用户。
在步骤S14中，用户端将根据用户的语音信息提取到的购物关键词信息发送至服务端。
服务端接收购物关键词信息后，根据上述购物关键词信息中的身份标识信息或与购物关键词信息同时发送的用户信息获取若干购物相关信息，例如，用户的用户信息、商品的名称、价格、促销等商品信息、用户的购物历史信息、用户在线上平台收藏的商品信息等其它交互信息，等等；再根据购物关键词信息和上述各购物相关信息进行兴趣预测。
在本实施例中，该兴趣预测配置为二分类问题，通过深度神经网络模型进行，具体包括：
服务端根据购物关键词信息和购物相关信息提取特征向量；将特征向量输入深度神经网络模型进行训练，得到预测模型；再将特征向量输入预测模型进行预测，得到预测结果；最后根据预测结果生成推荐信息。
其中，预测结果包括对各商品的购买预测概率(P1，P2)，P1为预测用户购买该商品的概率，P2为预测用户不购买该商品的概率，P1与P2的和为1。推荐信息包括预测购买概率最高的若干商品的若干项信息，例如名称信息，参数信息，优惠信息，等等。
优选地，在模型训练过程中，还可以进一步增加购物关键词信息的权重，以保障预测结果和最终推荐结果与语音信息的相关性。
在更多实施例中，还可以采用本领域常用的其它预测算法和模型来进行兴趣预测，可实现相同的技术效果。
在步骤S16中，服务端将推荐信息返回给用户端，用户端接收推荐信息后，根据推荐信息生成购物推荐内容的数据，向显示单元提供该数据以供显示单元最终呈现购物推荐内容。
其中，购物推荐内容可以以网页、图片、视频等多种不同的方式呈现。
优选地，购物推荐内容还可以包括所推荐商品的货架位置信息，该货架位置信息可以由服务端在生成推荐信息时向商超服务后端平台获取，也可以由用户端在生成购物推荐内容的数据时向商超服务后端平台获取。
上述各实施例通过采集用户在线下商超购物场景的语音信息，并从中提取关键词，以供服务端结合其它购物相关信息进行兴趣预测，并最终通过显示单元呈现购物推荐内容，实现了在商超购物场景对用户进行精准个性化推荐；
上述优选实施例还进一步通过在兴趣预测中配置语音关键词信息的权重，保障了购物推荐内容与语音信息的相关性，从而提升了个性化推荐的精准度；以及，进一步通过在推荐的同时呈现所推荐商品的货架位置信息，提高商品的购买率，同时优化了用户体验。
图3为图2所示方法的一种优选实施方式的流程图。如图3所示，在一优选实施方式中，上述方法还包括：
S11：采集用户的语音信息。
具体地，图3所示实施例与图2所示实施例的区别在于，用户端集成了用于采集语音信息的采集单元，而不再单独配置语音采集装置。
图4为图2所示方法的另一种优选实施方式的流程图。如图4所示，在一优选实施例中，上述方法还包括：
S13：在未获取到语音信息，或，未提取到购物关键词信息时，向服务端发送通知信息，以供服务端根据用户的购物相关信息进行兴趣预测，生成推荐信息。
具体地，图4所示实施例与图2所示实施例的区别在于，为了保障在未采集到语音信息，或，从语音信息中未提取到关键词时，同样能实现用户进行个性化推荐，因此向服务端发送通知信息，以供服务端单独根据用户的购物相关信息进行兴趣预测，生成推荐信息。
上述实施例进一步通过在未获取到语音信息，或，未提取到购物关键词信息时，仅根据购物相关信息进行兴趣预测并呈现购物推荐内容，实现了保障在商超购物场景进行个性化推荐。
图5为本发明一实施例提供的一种适用于服务端的购物推荐方法的流程图。执行图5所示方法的服务端可配合执行图1所示方法的客户端进行购物推荐。
如图5所示，在本实施例中，本发明还提供一种适用于服务端的购物推荐方法，包括：
S22：接收用户端发送的购物关键词信息；该购物关键词信息由用户端获取用户的语音信息，并对语音信息进行语音识别和关键词提取得到；
S24：根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；
S26：将推荐信息返回给用户端，以供用户端根据推荐信息向显示单元提供数据以供呈现购物推荐内容。
图5所示方法的购物推荐原理可参见图2所示的方法，此处不再赘述。
图6为图5所示方法的一种优选实施方式中步骤S23的流程图。如图6所示，在一优选实施例中，购物关键词信息包括以下至少一项：商品种类信息，商品名称信息，商品评价信息；购物相关信息包括以下至少一项：用户信息，商品信息，购物历史信息，其它交互信息。
步骤S24包括：
S241：根据购物关键词信息和购物相关信息提取特征向量；
S243：将特征向量输入深度神经网络模型进行训练和预测，得到预测结果；
S245：根据预测结果生成推荐信息。
在一优选实施例中，步骤S243还包括进一步增加购物关键词信息的权重，以保障预测结果和最终推荐结果与语音信息的相关性。
在一优选实施例中，步骤S245还包括向商超服务后端平台获取所推荐商品的货架位置信息，以生成包括该货架位置信息的推荐信息。
图6所示方法的兴趣预测原理同样可参见图2所示的方法，此处不再赘述。
图7为图5所示方法的一种优选实施方式的流程图。执行图7所示方法的服务端可配合执行图4所示方法的客户端进行购物推荐。如图7所示，在一优选实施例中，该方法还包括：
S23：接收用户端发送的通知信息；该通知信息由用户端在未获取到语音信息，或，未提取到购物关键词信息时发送；
S25：接收通知信息后，根据用户的购物相关信息进行兴趣预测，生成推荐信息。
图7所示方法的购物推荐原理可参照图4所示的方法，此处不再赘述。
图8为本发明一实施例提供的一种用户端的结构示意图。图8所示的用户端可对应执行图2或图4所示的方法。
如图8所示，在本实施例中，本发明提供一种用户端10，包括关键词提取单元13、信息供给单元15和第一推荐单元17。
关键词提取单元13配置用于获取语音采集装置40所采集的用户的语音信息，并对语音信息进行语音识别和关键词提取，得到购物关键词信息；
信息供给单元15配置用于将购物关键词信息发送至服务端20，以供服务端20根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；
第一推荐单元17配置用于接收推荐信息，根据推荐信息向显示单元50提供数据以供呈现购物推荐内容。
在本实施例中，用户端10包括中央处理器和WIFI模块，在更多实施例中，还可以采用其它各类微处理器和4G模块等不同无线通信模块的组合，可实现相同的技术效果。
在一优选实施例中，购物关键词信息包括以下至少一项：商品种类信息，商品名称信息，商品评价信息；购物相关信息包括以下至少一项：用户信息，商品信息，购物历史信息，其它交互信息。
兴趣预测包括：根据购物关键词信息和购物相关信息提取特征向量；将特征向量输入深度神经网络模型进行训练和预测，得到预测结果；根据预测结果生成推荐信息。
在一优选实施例中，信息供给单元15进一步配置用于在关键词提取单元13未获取到语音信息，或，未提取到购物关键词信息时，向服务端20发送通知信息，以供服务端20根据用户的购物相关信息进行兴趣预测，生成推荐信息。
在一优选实施例中，第一推荐单元17进一步配置用于根据推荐信息向商超服务后端平台获取所推荐商品的货架位置信息，从而生成包括所推荐商品的货架位置信息的购物推荐内容。
上述图8所示的各实施例提供的用户端的购物推荐原理可参见图2或图4所示的方法，此处不再赘述。
图9为本发明另一实施例提供的一种用户端的结构示意图。图9所示的用户端可对应执行图3所示的方法。
如图9所示，相较于图8所示的用户端，图9所示的用户端10还包括采集单元11，配置用于采集用户的语音信息。
具体地，在本实施例中，采集单元11配置为麦克风，在更多实施例中，还可以配置为麦克风阵列等本领域常用的其它各类语音采集组件，可实现相同的技术效果。
图9所示用户端的购物推荐原理可参见图3所示的方法，此处不再赘述。
图10为本发明又一实施例提供的一种用户端的结构示意图。图10所示用户端同样可对应执行图3所示的方法。
如图10所示，相较于图9所示的用户端，图10所示的用户端10还包括显示单元，配置用于根据数据呈现购物推荐内容。
图10所示用户端与图9所示用户端的区别在于集成了显示单元。
图11为本发明一实施例提供的一种服务端的结构示意图。图11所示的服务端可对应执行图5或图7所示的方法。
如图11所示，在本实施例中，本发明提供一种服务端20，包括接收单元23、预测单元25和第二推荐单元27。
接收单元23配置用于接收用户端10发送的购物关键词信息；该购物关键词信息由用户端10获取用户的语音信息，并对语音信息进行语音识别和关键词提取得到；
预测单元25配置用于根据购物关键词信息和用户的购物相关信息进行兴趣预测，生成推荐信息；
第二推荐单元27配置用于将推荐信息返回给用户端10，以供用户端10根据推荐信息向显示单元提供数据以供呈现购物推荐内容。
在一优选实施例中，接收单元23进一步配置用于接收用户端10发送的通知信息；该通知信息由用户端10在未获取到语音信息，或，未提取到购物关键词信息时发送；
预测单元25进一步配置用于在接收单元23接收通知信息后，根据用户的购物相关信息进行兴趣预测，生成推荐信息。
图11所示服务端的购物推荐原理可参见图5或7所示的方法，此处不再赘述。
图12为图11所示服务端的一种优选实施方式的结构示意图。图12所示的服务端可对应执行图6所示的方法。
如图12所示，在一优选实施例中，预测单元25包括特征提取子单元251、预测子单元253和结果生成子单元255。
特征提取子单元251配置用于根据购物关键词信息和购物相关信息提取特征向量；
预测子单元253配置用于将特征向量输入深度神经网络模型进行训练和预测，得到预测结果；
结果生成子单元255配置用于根据预测结果生成推荐信息。
在一优选实施例中，预测子单元253进一步配置用于增加购物关键词信息的权重，以保障预测结果和最终推荐结果与语音信息的相关性。
在一优选实施例中，结果生成子单元255进一步配置用于向商超服务后端平台获取所推荐商品的货架位置信息，以生成包括该货架位置信息的推荐信息。
图12所示服务端的购物推荐原理可参见图6所示的方法，此处不再赘述。
图13为本发明一实施例提供的一种用于购物推荐的设备的结构示意图。
如图13所示，作为另一方面，本申请还提供了一种设备1300，包括一个或多个中央处理单元(CPU)1301，其可以根据存储在只读存储器(ROM)1302中的程序或者从存储部分1308加载到随机访问存储器(RAM)1303中的程序而执行各种适当的动作和处理。在RAM1303中，还存储有设备1300操作所需的各种程序和数据。CPU1301、ROM1302以及RAM1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。
以下部件连接至I/O接口1305：包括键盘、鼠标等的输入部分1306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1307；包括硬盘等的存储部分1308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1309。通信部分1309经由诸如因特网的网络执行通信处理。驱动器1310也根据需要连接至I/O接口1305。可拆卸介质1311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1310上，以便于从其上读出的计算机程序根据需要被安装入存储部分1308。
特别地，根据本公开的实施例，上述任一实施例描述的购物推荐方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行购物推荐方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1309从网络上被下载和安装，和/或从可拆卸介质1311被安装。
作为又一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例的装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，该程序被一个或者一个以上的处理器用来执行描述于本申请的购物推荐方法。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这根据所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以通过执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以通过专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，各所述单元可以是设置在计算机或移动智能设备中的软件程序，也可以是单独配置的硬件装置。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离本申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (15)

1.一种购物推荐方法，其特征在于，包括：
获取用户的语音信息，并对所述语音信息进行语音识别和关键词提取，得到购物关键词信息；
将所述购物关键词信息发送至服务端，以供所述服务端根据所述购物关键词信息和所述用户的购物相关信息进行兴趣预测，生成推荐信息；
接收所述推荐信息，根据所述推荐信息向显示单元提供数据以供呈现购物推荐内容。
2.根据权利要求1所述的方法，其特征在于，所述购物关键词信息包括以下至少一项：商品种类信息，商品名称信息，商品评价信息；
所述购物相关信息包括以下至少一项：用户信息，商品信息，购物历史信息，其它交互信息；
所述兴趣预测包括：
根据所述购物关键词信息和所述购物相关信息提取特征向量；
将所述特征向量输入深度神经网络模型进行训练和预测，得到预测结果；
根据所述预测结果生成推荐信息。
3.根据权利要求1或2所述的方法，其特征在于，还包括以下至少一项：
采集用户的语音信息；
在未获取到语音信息，或，未提取到购物关键词信息时，向服务端发送通知信息，以供所述服务端根据所述用户的购物相关信息进行兴趣预测，生成推荐信息。
4.一种购物推荐方法，其特征在于，包括：
接收用户端发送的购物关键词信息；所述购物关键词信息由所述用户端获取用户的语音信息，并对所述语音信息进行语音识别和关键词提取得到；
根据所述购物关键词信息和所述用户的购物相关信息进行兴趣预测，生成推荐信息；
将所述推荐信息返回给所述用户端，以供所述用户端根据所述推荐信息向显示单元提供数据以供呈现购物推荐内容。
5.根据权利要求4所述的方法，其特征在于，所述购物关键词信息包括以下至少一项：商品种类信息，商品名称信息，商品评价信息；
所述购物相关信息包括以下至少一项：用户信息，商品信息，购物历史信息，其它交互信息；
所述根据所述购物关键词信息和所述用户的购物相关信息进行兴趣预测，生成推荐信息包括：
根据所述购物关键词信息和所述购物相关信息提取特征向量；
将所述特征向量输入深度神经网络模型进行训练和预测，得到预测结果；
根据所述预测结果生成推荐信息。
6.根据权利要求4或5所述的方法，其特征在于，还包括：
接收所述用户端发送的通知信息；所述通知信息由所述用户端在未获取到语音信息，或，未提取到购物关键词信息时发送；
接收所述通知信息后，根据所述用户的购物相关信息进行兴趣预测，生成推荐信息。
7.一种用户端，其特征在于，包括：
关键词提取单元，配置用于获取用户的语音信息，并对所述语音信息进行语音识别和关键词提取，得到购物关键词信息；
信息供给单元，配置用于将所述购物关键词信息发送至服务端，以供所述服务端根据所述购物关键词信息和所述用户的购物相关信息进行兴趣预测，生成推荐信息；
第一推荐单元，配置用于接收所述推荐信息，根据所述推荐信息向显示单元提供数据以供呈现购物推荐内容。
8.根据权利要求7所述的用户端，其特征在于，所述购物关键词信息包括以下至少一项：商品种类信息，商品名称信息，商品评价信息；
所述购物相关信息包括以下至少一项：用户信息，商品信息，购物历史信息，其它交互信息；
所述兴趣预测包括：
根据所述购物关键词信息和所述购物相关信息提取特征向量；
将所述特征向量输入深度神经网络模型进行训练和预测，得到预测结果；
根据所述预测结果生成推荐信息。
9.根据权利要求7或8所述的用户端，其特征在于，还包括以下至少一项：
采集单元，配置用于采集用户的语音信息；
显示单元，配置用于根据所述数据呈现购物推荐内容；
所述信息供给单元进一步配置用于在所述关键词提取单元未获取到语音信息，或，未提取到购物关键词信息时，向服务端发送通知信息，以供所述服务端根据所述用户的购物相关信息进行兴趣预测，生成推荐信息。
10.一种服务端，其特征在于，包括：
接收单元，配置用于接收用户端发送的购物关键词信息；所述购物关键词信息由所述用户端获取用户的语音信息，并对所述语音信息进行语音识别和关键词提取得到；
预测单元，配置用于根据所述购物关键词信息和所述用户的购物相关信息进行兴趣预测，生成推荐信息；
第二推荐单元，配置用于将所述推荐信息返回给所述用户端，以供所述用户端根据所述推荐信息向显示单元提供数据以供呈现购物推荐内容。
11.根据权利要求10所述的服务端，其特征在于，所述购物关键词信息包括以下至少一项：商品种类信息，商品名称信息，商品评价信息；
所述购物相关信息包括以下至少一项：用户信息，商品信息，购物历史信息，其它交互信息；
所述预测单元包括：
特征提取子单元，配置用于根据所述购物关键词信息和所述购物相关信息提取特征向量；
预测子单元，配置用于将所述特征向量输入深度神经网络模型进行训练和预测，得到预测结果；
结果生成子单元，配置用于根据所述预测结果生成推荐信息。
12.根据权利要求10或11所述的服务端，其特征在于，所述接收单元进一步配置用于接收所述用户端发送的通知信息；所述通知信息由所述用户端在未获取到语音信息，或，未提取到购物关键词信息时发送；
所述预测单元进一步配置用于在所述接收单元接收所述通知信息后，根据所述用户的购物相关信息进行兴趣预测，生成推荐信息。
13.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-6中任一项所述的方法。
14.一种存储有计算机程序的存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
15.一种购物辅助装置，包括辅助装置本体，其特征在于，还包括以下任一项：
如权利要求7-9任一项所述的用户端；
包括若干处理器和存储器的设备，所述存储器用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-3中任一项所述的方法；
存储有计算机程序的存储介质，该计算机程序被处理器执行时实现如权利要求1-3中任一项所述的方法。
CN201810194909.3A 2018-03-09 2018-03-09 购物推荐方法、用户端、服务端、设备和存储介质 Pending CN108335177A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810194909.3A CN108335177A (zh) 2018-03-09 2018-03-09 购物推荐方法、用户端、服务端、设备和存储介质
US16/160,249 US11361364B2 (en) 2018-03-09 2018-10-15 Shopping recommendation method, client, and server

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810194909.3A CN108335177A (zh) 2018-03-09 2018-03-09 购物推荐方法、用户端、服务端、设备和存储介质

Publications (1)

Publication Number Publication Date
CN108335177A true CN108335177A (zh) 2018-07-27

Family

ID=62930617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810194909.3A Pending CN108335177A (zh) 2018-03-09 2018-03-09 购物推荐方法、用户端、服务端、设备和存储介质

Country Status (2)

Country Link
US (1) US11361364B2 (zh)
CN (1) CN108335177A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109147785A (zh) * 2018-09-19 2019-01-04 淄博职业学院 一种韩语音频信息处理的方法与装置
CN109242514A (zh) * 2018-08-28 2019-01-18 腾讯科技（深圳）有限公司 客户标签推荐方法、装置和系统
CN110033381A (zh) * 2019-01-11 2019-07-19 阿里巴巴集团控股有限公司 一种针对视障群体的保险推荐方法和装置
CN111475714A (zh) * 2020-03-17 2020-07-31 北京声智科技有限公司 一种信息推荐的方法、装置、设备和介质
WO2020232615A1 (zh) * 2019-05-20 2020-11-26 深圳市欢太科技有限公司 信息推荐方法、装置、电子设备以及存储介质
CN112258216A (zh) * 2020-09-25 2021-01-22 苏宁智能终端有限公司 一种数据处理方法、装置、计算机设备及存储介质
TWI736069B (zh) * 2019-12-18 2021-08-11 財團法人商業發展研究院 語音輔助識別目標區位的系統及方法
CN113330475A (zh) * 2019-05-20 2021-08-31 深圳市欢太科技有限公司 信息推荐方法、装置、电子设备以及存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113746871A (zh) * 2020-05-15 2021-12-03 阿里巴巴集团控股有限公司 物业报修系统、方法、装置及设备
CN111967599B (zh) * 2020-08-25 2023-07-28 百度在线网络技术（北京）有限公司 用于训练模型的方法、装置、电子设备及可读存储介质
CN112115368B (zh) * 2020-09-29 2022-07-05 安徽多点美好智能科技有限公司 一种基于大数据的内容信息分发引擎的方法
CN112667252A (zh) * 2020-12-30 2021-04-16 瀚云科技有限公司 数据处理方法和装置、服务器及存储介质
CN113421146B (zh) * 2021-06-18 2023-01-06 广东工业大学 一种用户网购行为预测推荐方法及系统
CN116308684B (zh) * 2023-05-18 2023-08-11 和元达信息科技有限公司 一种网购平台店铺信息推送方法及系统
CN117557318A (zh) * 2023-12-29 2024-02-13 青岛巨商汇网络科技有限公司 一种基于虚拟购物的管理智能分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110246561A1 (en) * 2010-03-31 2011-10-06 Sony Corporation Server apparatus, client apparatus, content recommendation method, and program
CN102663627A (zh) * 2012-04-26 2012-09-12 焦点科技股份有限公司 个性化推荐方法
CN105139239A (zh) * 2014-05-27 2015-12-09 无锡韩光电器有限公司 一种具有语音查询功能的超市购物系统
CN105528374A (zh) * 2014-10-21 2016-04-27 苏宁云商集团股份有限公司 一种电子商务中的商品推荐方法及其系统
CN107316645A (zh) * 2017-06-01 2017-11-03 北京京东尚科信息技术有限公司 一种语音购物的方法和系统
CN107330115A (zh) * 2017-07-12 2017-11-07 广东工业大学 一种信息推荐方法及装置
CN107507017A (zh) * 2017-07-07 2017-12-22 阿里巴巴集团控股有限公司 一种线下导购方法和装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6925307B1 (en) * 2000-07-13 2005-08-02 Gtech Global Services Corporation Mixed-mode interaction
US8849791B1 (en) * 2011-06-29 2014-09-30 Amazon Technologies, Inc. Assisted shopping
US20170103440A1 (en) * 2015-08-01 2017-04-13 Zhou Tian Xing Wearable augmented reality eyeglass communication device including mobile phone and mobile computing via virtual touch screen gesture control and neuron command
CN105260908A (zh) 2015-09-28 2016-01-20 魔线科技(深圳)有限公司 基于聊天会话内容推送靶向广告的方法及系统
CN106779921A (zh) 2016-11-30 2017-05-31 广州市万表科技股份有限公司 推荐方法及装置
CN106779922A (zh) 2016-11-30 2017-05-31 广州市万表科技股份有限公司 推荐方法及装置
US10878479B2 (en) * 2017-01-05 2020-12-29 Microsoft Technology Licensing, Llc Recommendation through conversational AI
US20180247363A1 (en) * 2017-02-24 2018-08-30 Home Depot Product Authority, Llc Feature-based product recommendations
US20190005570A1 (en) * 2017-06-28 2019-01-03 MARS Advertising, Inc. d/b/a The Mars Agency Group Voice interface shopping system
US11188831B2 (en) * 2017-10-27 2021-11-30 Amazon Technologies, Inc. Artificial intelligence system for real-time visual feedback-based refinement of query results

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110246561A1 (en) * 2010-03-31 2011-10-06 Sony Corporation Server apparatus, client apparatus, content recommendation method, and program
CN102663627A (zh) * 2012-04-26 2012-09-12 焦点科技股份有限公司 个性化推荐方法
CN105139239A (zh) * 2014-05-27 2015-12-09 无锡韩光电器有限公司 一种具有语音查询功能的超市购物系统
CN105528374A (zh) * 2014-10-21 2016-04-27 苏宁云商集团股份有限公司 一种电子商务中的商品推荐方法及其系统
CN107316645A (zh) * 2017-06-01 2017-11-03 北京京东尚科信息技术有限公司 一种语音购物的方法和系统
CN107507017A (zh) * 2017-07-07 2017-12-22 阿里巴巴集团控股有限公司 一种线下导购方法和装置
CN107330115A (zh) * 2017-07-12 2017-11-07 广东工业大学 一种信息推荐方法及装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242514A (zh) * 2018-08-28 2019-01-18 腾讯科技（深圳）有限公司 客户标签推荐方法、装置和系统
CN109147785A (zh) * 2018-09-19 2019-01-04 淄博职业学院 一种韩语音频信息处理的方法与装置
CN110033381A (zh) * 2019-01-11 2019-07-19 阿里巴巴集团控股有限公司 一种针对视障群体的保险推荐方法和装置
WO2020232615A1 (zh) * 2019-05-20 2020-11-26 深圳市欢太科技有限公司 信息推荐方法、装置、电子设备以及存储介质
CN113330475A (zh) * 2019-05-20 2021-08-31 深圳市欢太科技有限公司 信息推荐方法、装置、电子设备以及存储介质
CN113366524A (zh) * 2019-05-20 2021-09-07 深圳市欢太科技有限公司 信息推荐方法、装置、电子设备以及存储介质
TWI736069B (zh) * 2019-12-18 2021-08-11 財團法人商業發展研究院 語音輔助識別目標區位的系統及方法
CN111475714A (zh) * 2020-03-17 2020-07-31 北京声智科技有限公司 一种信息推荐的方法、装置、设备和介质
CN112258216A (zh) * 2020-09-25 2021-01-22 苏宁智能终端有限公司 一种数据处理方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
US11361364B2 (en) 2022-06-14
US20190279273A1 (en) 2019-09-12

Similar Documents

Publication Publication Date Title
CN108335177A (zh) 购物推荐方法、用户端、服务端、设备和存储介质
JP6719727B2 (ja) 購買行動分析装置およびプログラム
CN108805594B (zh) 信息推送方法和装置
US8866847B2 (en) Providing augmented reality information
CN108960992A (zh) 一种信息推荐方法以及相关设备
US20120284081A1 (en) Methods and Apparatus for Gathering Intelligence from Itemized Receipts
CN109145280A (zh) 信息推送的方法和装置
CN107105031A (zh) 信息推送方法和装置
JP6967462B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Khan Development of an e-commerce sales Chatbot
CN110084658B (zh) 物品匹配的方法和装置
JP2021089742A (ja) 広告を選択する方法、ユーザを分類する方法、およびプログラム
US20230089850A1 (en) Real-time product environmental impact scoring
CN107944956A (zh) 用于生成信息的方法和装置
KR20150112089A (ko) 추천 상품 제공 서비스 방법 및 이를 위한 장치
CN113781149A (zh) 信息推荐方法、装置、计算机可读存储介质及电子设备
CN106600360B (zh) 推荐对象的排序方法及装置
US20240062237A1 (en) Information processing method and apparatus
CN116911953A (zh) 物品推荐方法、装置、电子设备及计算机可读存储介质
CN111787042A (zh) 用于推送信息的方法和装置
CN111967924A (zh) 商品推荐方法、商品推荐装置、计算机设备和介质
CN108694171B (zh) 信息推送的方法及装置
Aditya et al. Machine learning based platform and recommendation system for food ordering services within premises
Shinde et al. ML-based smart shopping system with recipe recommendation
KR20170079938A (ko) 비콘을 이용한 소비 패턴 분석 및 마케팅 시스템 및 방법

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