CN109447729A - 一种产品的推荐方法、终端设备及计算机可读存储介质 - Google Patents
一种产品的推荐方法、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109447729A CN109447729A CN201811081192.8A CN201811081192A CN109447729A CN 109447729 A CN109447729 A CN 109447729A CN 201811081192 A CN201811081192 A CN 201811081192A CN 109447729 A CN109447729 A CN 109447729A
- Authority
- CN
- China
- Prior art keywords
- product
- target product
- client
- complete information
- angle value
- 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
- 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
- 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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0627—Directed, with specific intent or strategy using item specifications
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于计算机技术领域,提供了一种产品的推荐方法、终端设备及介质,包括:获取并展示各个候选产品的简介信息;若接收到针对候选产品的产品详情展示指令,则从候选产品中确定产品详情展示指令指向的目标产品,获取并展示目标产品的完整信息;获取完整信息展示过程中客户基于完整信息对目标产品的反馈信息,基于反馈信息确定客户对目标产品的喜爱度值,基于喜爱度值确定目标产品的第一评分因子;记录完整信息的实际展示时长,基于实际展示时长确定目标产品的第二评分因子;将第一评分因子及第二评分因子导入分值计算模型,计算目标产品的得分值,并基于各个目标产品的得分值从目标产品中确定待推荐产品,从而提高了产品的转化率。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种产品的推荐方法、终端设备及计算机可读存储介质。
背景技术
随着移动互联网的快速发展,基于互联网的线上产品销售平台已成为人们日常购物的主流渠道。现有的线上产品销售平台在获知了用户的购物需求后,通常会为用户推荐与其购物需求相匹配的热销产品。然而,现有的产品销售平台在向用户推荐了与其购物需求相匹配的热销产品后,并不会进一步基于用户实际浏览产品过程中的一些行为来分析用户对产品的偏好,进而无法进一步确定并向用户推荐其真正感兴趣的产品,导致产品的转化率降低。
发明内容
有鉴于此,本发明实施例提供了一种产品的推荐方法、终端设备及计算机可读存储介质,以解决现有的产品推荐方法存在的产品转化率较低的问题。
本发明实施例的第一方面提供了一种产品的推荐方法,包括:
获取并展示各个候选产品的简介信息;
若接收到针对所述候选产品的产品详情展示指令,则从所述候选产品中确定所述产品详情展示指令指向的目标产品,获取并展示所述目标产品的完整信息;
获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子;
记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第二评分因子;
将所述第一评分因子及所述第二评分因子导入分值计算模型,计算所述目标产品的得分值,并基于各个所述目标产品的得分值从所述目标产品中确定待推荐产品。
本发明实施例的第二方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下各步骤:
获取并展示各个候选产品的简介信息;
若接收到针对所述候选产品的产品详情展示指令,则从所述候选产品中确定所述产品详情展示指令指向的目标产品,获取并展示所述目标产品的完整信息;
获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子;
记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第二评分因子;
将所述第一评分因子及所述第二评分因子导入分值计算模型,计算所述目标产品的得分值,并基于各个所述目标产品的得分值从所述目标产品中确定待推荐产品。
本发明实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现以下各步骤:
获取并展示各个候选产品的简介信息;
若接收到针对所述候选产品的产品详情展示指令,则从所述候选产品中确定所述产品详情展示指令指向的目标产品,获取并展示所述目标产品的完整信息;
获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子;
记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第二评分因子;
将所述第一评分因子及所述第二评分因子导入分值计算模型,计算所述目标产品的得分值,并基于各个所述目标产品的得分值从所述目标产品中确定待推荐产品。
实施本发明实施例提供的一种产品的推荐方法、终端设备及计算机可读存储介质具有以下有益效果:
本发明实施例在向客户展示目标产品的完整信息时,通过获取目标产品的完整信息展示过程中客户对目标产品的反馈信息,基于该反馈信息确定目标产品的第一评分因子;同时,通过记录能够表征客户对目标产品的浏览时长的完整信息的实际展示时长,基于该实际展示时长确定目标产品的第二评分因子,基于第一评分因子和第二评分因子综合确定目标产品的得分值,并基于目标产品的得分值确定待向用户重点推荐的产品。由于客户对目标产品的反馈信息及客户对目标产品的浏览时长能够分别从不同方面来反映用户浏览目标产品的当下对目标产品的喜爱程度,因此,基于与客户对目标产品的反馈信息有关的第一评分因子和与目标产品的实际展示时长有关的第二评分因子确定出的目标产品的得分值,能够准确地反映客户对目标产品的喜爱程度,进而能够基于目标产品的得分值向用户推荐其真正感兴趣的产品,从而提高了产品的转化率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的一种产品的推荐方法的实现流程图;
图2是本发明第二实施例提供的一种产品的推荐方法中S13的具体实现流程图;
图3是本发明第三实施例提供的一种产品的推荐方法中S14的具体实现流程图;
图4是本发明第四实施例提供的一种产品的推荐方法中S11的具体实现流程图;
图5是本发明实施例提供的一种终端设备的结构框图;
图6是本发明另一实施例提供的一种终端设备的结构框图。
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仅用以解释本发明,并不用于限定本发明。
请参阅图1,图1是本发明第一实施例提供的一种产品的推荐方法的实现流程图。本实施例中,产品的推荐方法的执行主体为终端设备。终端设备可以是智能手机、平板电脑等设备。如图1所示的产品的推荐方法包括以下步骤:
S11:获取并展示各个候选产品的简介信息。
当客户想要购买某种产品时,可以在提供该产品购买渠道的产品销售平台通过用于表征该产品的关键词,来搜索并查看其想要购买的产品的信息。其中,用于表征产品的关键词可以是产品的名称,也可以是产品所属的产品类别的名称等,此处不做限制。示例性的,当客户想要购买保险产品时,可以在金融服务平台或电商平台的产品搜索框中输入用于表征保险产品的关键词“保险”,并触发搜索控件,以查看金融服务平台或电商平台提供的所有保险产品的信息。进一步的,当客户想要购买意外险这一类型的保险产品时,可以在金融服务平台或电商平台的产品搜索框中输入关键词“意外险”,并触发搜索控件,以查看金融服务平台或电商平台提供的所有险种为意外险的保险产品的信息。
本发明实施例中,候选产品为产品销售平台提供的与客户的购买需求相匹配的所有产品。在实际应用中,与客户的购买需求相匹配的产品可以是与客户在产品销售平台的产品搜索框中输入的搜索内容相匹配的产品。与客户在产品搜索框中输入的搜索内容相匹配的产品可以是产品库中存储的所有产品中,产品名称或产品简介信息中包含客户输入的搜索内容的产品。
本发明实施例中,终端设备若检测到客户在产品销售平台的搜索框中输入搜索内容,并触发了搜索控件,则识别为客户想要查看与其输入的搜索内容有关的产品的信息,此时,终端设备从产品销售平台的产品库中查找与客户在搜索框中输入的搜索内容相匹配的候选产品。
需要说明的是,产品销售平台的产品库用于存储产品销售平台提供的所有产品的产品信息。产品信息包括但不限于产品的简介信息及产品的完整信息。产品的简介信息用于对相应产品进行简要描述,产品的简介信息可以包括但不限于产品的名称、产品的价格、产品的实物图片及产品的销售量等;产品的完整信息用于对相应产品进行详细完整的描述,产品的完整信息除了包含产品的简介信息外,还包含用于对产品的功能、外观、售卖商家等进行描述的信息。在实际应用中,产品库可以存储在产品销售平台的后端服务器中,服务器可以预先将产品的名称与产品的简介信息及完整信息关联存储在产品库中。
具体的,终端设备可以与产品销售平台的后端服务器建立通信连接,并基于客户在产品销售平台的搜索框中输入的搜索内容,从产品销售平台的产品库中查找产品名称中包含搜索内容的候选产品,且获取候选产品的简介信息。终端设备获取到候选产品的简介信息后,可以在产品销售平台的产品预览页面展示各个候选产品的简介信息,以便客户快速了解其想要购买的产品的相关信息。
S12:若接收到针对所述候选产品的产品详情展示指令,则从所述候选产品中确定所述产品详情展示指令指向的目标产品,获取并展示所述目标产品的完整信息。
终端设备在产品预览页面展示了与客户的购买需求相匹配的各个候选产品的简介信息后,客户可以基于各个候选产品的简介信息快速对各个候选产品进行了解,当客户对某一候选产品感兴趣而想要查看其完整信息时,可以针对该候选产品触发产品详情展示指令。产品详情展示指令用于指示终端设备展示产品详情展示指令指向的目标产品的完整信息。
终端设备若检测到客户在产品预览页面触发针对候选产品的产品详情展示指令,则确定产品详情展示指令指向的候选产品,将产品详情指向的候选产品识别为目标产品,并从产品销售平台的产品库中获取目标产品的完整信息,在目标产品的产品详情展示页面展示目标产品的完整信息,以便客户对目标产品的完整信息进行查看。
作为本发明一实施例,终端设备若检测到客户在某候选产品的简介信息的展示区域内执行了点击操作,则识别为接收到针对候选产品的产品详情展示指令,终端设备将被点击的展示区域所展示的候选产品确定为产品详情展示指令指向的目标产品。即本发明实施例中,目标产品为候选产品中的任一产品,目标产品可以是一个,也可以是至少两个,此处不做限制。
S13:获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子。
本发明实施例中,为了基于客户在浏览目标产品的完整信息的过程中当下的各种反应来确定客户对目标产品的喜爱程度,终端设备可以在目标产品的完整信息的展示过程中,获取客户基于目标产品的完整信息对目标产品的反馈信息。其中,客户对目标产品的反馈信息能够反映客户对目标产品的喜爱程度。
实际应用中,在目标产品的完整信息的展示过程中,客户的面部表情、目标产品被客户收藏的情况等均可以反映客户对目标产品的喜爱程度。因此,本发明实施例中,客户对目标产品的反馈信息可以包括但不限于:目标产品的完整信息的展示过程中客户的面部表情数据、目标产品的被收藏情况等。其中,产品的被收藏情况用于表征产品被客户收藏的情况。本发明实施例中,产品的被收藏情况包括:被收藏及未被收藏。
终端设备获取到目标产品的完整信息展示过程中客户对目标产品的反馈信息后,可以基于客户对目标产品的反馈信息确定客户对目标产品的喜爱度值,并基于该喜爱度值确定目标产品的第一评分因子。第一评分因子用于标识对目标产品的得分值产生影响的因素中,其中一个因素对应的量化值。
示例性的,作为本发明一实施例,反馈信息可以仅包含目标产品的被收藏情况。具体的,终端设备可以对目标产品的完整信息展示过程中目标产品的被收藏情况进行记录。在实际应用中,可以通过客户对产品的喜爱度值来对产品的被收藏情况进行量化,例如,对于产品被收藏这一情况,可以将其量化为:客户对产品的喜爱度值为1;对于产品未被收藏产品这一情况,可以将其量化为:客户对产品的喜爱度值为0。终端设备可以基于目标产品的完整信息展示过程中目标产品的被收藏情况,以及预先确定的产品的被收藏情况与客户对产品的喜爱度值之间的对应关系,确定客户对目标产品的喜爱度值。具体的,终端设备若检测到在目标产品的完整信息的展示过程中,目标产品被客户收藏,则确定客户对目标产品的喜爱度值为1;若检测到目标产品未被客户收藏,则确定客户对目标产品的喜爱度值为0。
本实施例中,客户对目标产品的喜爱度值越大,目标产品的第一评分因子就越大;客户对目标产品的喜爱度值越小,目标产品的第一评分因子就越小。终端设备可以将客户对目标产品的喜爱度值确定为目标产品的第一评分因子。
S14:记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第二评分因子。
实际应用中,客户对目标产品的完整信息的浏览时长也可以从另一方面反映客户对目标产品的喜爱程度,当客户不想浏览目标产品的完整信息时,可以关闭用于展示目标产品的完整信息的页面,即客户对目标产品的完整信息的浏览时长可以通过目标产品的完整信息的实际展示时长来描述。
本发明实施例中,终端设备在目标产品的产品详情展示页面展示了目标产品的完整信息后,记录目标产品的完整信息的实际展示时长,并基于目标产品的完整信息的实际展示时长确定目标产品的第二评分因子。第二评分因子用于标识对目标产品的得分值产生影响的因素中,其中另一个因素对应的量化值。
目标产品的完整信息的实际展示时长越大,目标产品的第二评分因子越大,表明仅从目标产品的完整信息的展示时长这一方面考虑,客户对目标产品的喜爱程度越高;目标产品的完整信息的实际展示时长越小,目标产品的第二评分因子越小,表明仅从目标产品的完整信息的展示时长这一方面考虑,客户对目标产品的喜爱程度越低。
在实际应用中,可以预先建立展示时长范围与产品的第二评分因子之间的对应关系。终端确定了目标产品的完整信息的实际展示时长后,确定目标产品的完整信息的实际展示时长所属的展示时长范围,并基于展示时长范围与产品的第二评分因子之间的预设对应关系,确定目标产品的第二评分因子。
示例性的,可以预先设置以下三个展示时长范围:1分钟~3分钟、3分钟~5分钟、5分钟~10分钟。对于上述三个展示时长范围,其对应的产品的第二评分因子可以分别设置为a、b、c,其中a<b<c。例如,终端设备若检测到目标产品的完整信息的展示时长为2分钟,则确定产品的第二评分因子为a。
S15:将所述第一评分因子及所述第二评分因子导入分值计算模型,计算所述目标产品的得分值,并基于各个所述目标产品的得分值从所述目标产品中确定待推荐产品。
评分因子用于标识对目标产品的得分值产生影响的因素对应的量化值。目标产品的得分值用于综合描述客户对目标产品的喜爱程度。目标产品的得分值越大,表明综合多方面考虑,客户对目标产品的喜爱程度越高;目标产品的得分值越小,综合多方面考虑,客户对目标产品的喜爱程度越低。
本发明实施例中,终端设备确定了目标产品的第一评分因子和第二评分因子后,可以将第一评分因子和第二评分因子导入分值计算模型,计算目标产品的得分值。作为本发明一实施例,分值计算模型可以为:
Score=m×factor1+n×factor2;
其中,Score为目标产品的得分值,factor1为第一评分因子,m为第一评分因子的权重系数,factor2为第二评分因子,n为第二评分因子的权重系数,m和n可以根据实际需求设置,此处不做限制。
本发明实施例中,终端设备计算出各个目标产品的得分值后,基于各个目标产品的得分值从目标产品中确定待推荐产品,待推荐产品为待向客户重点推荐的产品。作为本发明一实施例,终端设备可以按照目标产品的得分值从高到低的顺序对各个目标产品进行排序,并将排列在前的N个目标产品确定为待推荐产品。其中,N为大于或等于1的整数,N可以根据实际需求设置。
作为本发明一实施例,终端设备可以在检测到客户重新刷新产品预览界面时,将待推荐产品推荐给客户。具体的,终端设备可以在客户重新刷新产品预览界面时,将待推荐产品按照得分值从高到低的顺序进行展示。
作为本发明另一实施例,终端设备可以在检测到被客户查看过完整信息的目标产品的总数超过预设阈值时,将其确定的待推荐产品推荐给客户。其中,预设阈值可以根据实际情况确定,此处不做限制。
以上可以看出,本实施例提供的一种产品的推荐方法在向客户展示目标产品的完整信息时,通过获取目标产品的完整信息展示过程中客户对目标产品的反馈信息,基于该反馈信息确定目标产品的第一评分因子;同时,通过记录能够表征客户对目标产品的浏览时长的完整信息的实际展示时长,基于该实际展示时长确定目标产品的第二评分因子,基于第一评分因子和第二评分因子综合确定目标产品的得分值,并基于目标产品的得分值确定待向用户重点推荐的产品。由于客户对目标产品的反馈信息及客户对目标产品的浏览时长能够分别从不同方面来反映用户浏览目标产品的当下对目标产品的喜爱程度,因此,基于与客户对目标产品的反馈信息有关的第一评分因子和与目标产品的实际展示时长有关的第二评分因子确定出的目标产品的得分值,能够准确地反映客户对目标产品的喜爱程度,进而能够基于目标产品的得分值向用户推荐其真正感兴趣的产品,从而提高了产品的转化率。
请参阅图2,图2是本发明第二实施例提供的一种产品的推荐方法中S13的具体实现流程图。相对于图1对应的实施例,本实施例提供的一种产品的推荐方法中S13可以包括S131~S135,详述如下:
S131:获取所述完整信息展示过程中针对客户的脸部录制的人脸视频。
本实施例中,为了基于客户在查看目标产品的完整信息时的面部表情来确定客户对目标产品的喜爱程度。终端设备可以在开始展示目标产品的完整信息时,启动预设摄像装置对客户的脸部进行录像,并在检测到用于展示客户的完整信息的产品详情展示页面被关闭时,控制预设摄像装置停止录像,进而得到针对客户的脸部录制的人脸视频。
在实际应用中,预设摄像装置可以是终端设备自带的摄像装置,例如,以是终端设备的前置摄像头。预设摄像装置还可以是与终端设备连接的外部摄像装置,此处不做限制。
S132:对所述人脸视频包含的每一帧人脸图像分别进行表情识别,确定每一帧所述人脸图像对应的表情类型,并确定所述表情类型所属的情绪类型;所述情绪类型包括正面情绪和负面情。
终端设备获取到针对客户的脸部录制的人脸视频后,采用预设的表情识别算法对人脸视频包含的每一帧人脸图像分别进行表情识别,进而得到每一帧人脸视频图像对应的表情类型。其中,预设的表情识别算法用于从给定的人脸图像中分离出人脸部的表情状态,进而确定被识别对象的心理情绪。本实施例中,被识别对象的心理情绪通过人脸图像对应的表情类型来描述。表情类型包括但不限于:高兴、生气、吃惊、惊恐、厌恶及悲伤等。在实际应用中,预设的表情识别算法可以根据实际需求确定,例如,预设的表情识别算法可以是基于神经网络的表情识别算法,也可以是支持向量机的表情识别算法,或者可以是基于概率模型的表情识别算法,此处不做限制。需要说明的是,由于表情识别算法在现有技术中已经比较成熟,因此,此处不对其原理作具体描述。
在实际应用中,可以将情绪分为正面情绪和负面情绪两大类型。开发人员可以基于这两大情绪类型对所有表情类型进行归类,即开发人员可以预先建立表情类型与情绪类型之间的对应关系。可以理解的是,每一表情类型仅对应一种情绪类型,每一情绪类型可以对应多种表情类型。例如,可以将高兴这一表情类型归为正面情绪,将生气、厌恶、悲伤等表情类型归为负面情绪。
终端设备确定了每一帧人脸图像对应的表情类型后,基于预先建立的表情类型与情绪类型之间的对应关系,确定每一帧人脸图像对应的表情类型所属的情绪类型。
S133:统计情绪类型为正面情绪的所有所述人脸图像的第一总帧数,以及统计情绪类型为负面情绪的所有所述人脸图像的第二总帧数,基于所述第一总帧数及所述第二总帧数确定所述客户对所述目标产品的第一喜爱度值。
终端设备确定了人脸视频中每一帧人脸图像对应的表情类型所属的情绪类型后,统计情绪类型为正面情绪的所有人脸图像的总数,计为第一总帧数,并统计情绪类型为负面情绪的所有人脸图像的总数,计为第二总帧数,且基于第一总帧数及第二总帧数确定客户对目标产品的第一喜爱度值。
需要说明的是,第一总帧数越大,说明客户在查看目标产品的完整信息的过程中出现正面情绪的次数越多;第二总帧数越大,说明客户在查看目标产品的完整信息的过程中出现负面情绪的次数越多。若第一总帧数小于第二总帧数,表明仅从客户的面部表情这一方面考虑,客户不太喜爱目标产品;若第一总帧数大于第二总帧数,表明仅从客户的面部表情这一方面考虑,客户比较喜爱目标产品;若第一总帧数等于第二总帧数,表明仅从客户的面部表情这一方面考虑,客户对目标产品无感。
作为本发明一实施例,S133具体可以通过以下步骤实现:
将所述第一总帧数及所述第二总帧数导入喜爱度值计算模型,计算所述第一喜爱度值;所述喜爱度值计算模型为:
Satiindex1=loga(frameNum1/frameNum2);
其中,Satiindex1为所述第一喜爱度值,frameNum1为所述第一总帧数,frameNum2为所述第二总帧数,a大于1。
本发明实施例中,终端设备确定了第一总帧数及第二总帧数后,可以将第一总帧数及第二总帧数导入上述喜爱度值计算模型,进而计算客户对目标产品的第一喜爱度值。
其中,当第一总帧数大于第二总帧数时,frameNum1/frameNum2>1,因此,通过喜爱度值计算模型计算得到的第一喜爱度值大于0;当第一总帧数小于第二总帧数时,frameNum1/frameNum2<1,因此,通过喜爱度值计算模型计算得到的第一喜爱度值小于0;当第一总帧数等于第二总帧数时,frameNum1/frameNum2=1,因此,通过喜爱度值计算模型计算得到的第一喜爱度值等于0。
通过采用以上喜爱度值计算模型,可以将客户通过面部表情反映出的对目标产品的喜爱程度进行准确量化,进而能够基于客户的面部表情,准确识别出客户对目标产品的喜爱程度。
S134:基于所述完整信息展示过程中所述目标产品的被收藏情况确定所述客户对所述目标产品的第二喜爱度值。
本实施例中,终端设备确定了客户对目标产品的第一喜爱度值后,可以基于目标产品的完整信息展示过程中目标产品的被收藏情况来确定客户对目标产品的第二喜爱度值。其中,目标产品的被收藏情况用于表征目标产品被客户收藏的情况。被收藏情况可以包括:被收藏及未被收藏。
终端设备可以对目标产品的完整信息展示过程中目标产品的被收藏情况进行记录。在实际应用中,可以通过客户对产品的喜爱度值来对产品的被收藏情况进行量化,例如,对于产品被收藏这一情况,可以将其量化为:客户对产品的喜爱度值为1;对于产品未被收藏产品这一情况,可以将其量化为:客户对产品的喜爱度值为0。终端设备可以基于目标产品的完整信息展示过程中目标产品的被收藏情况,以及预先确定的产品的被收藏情况与客户对产品的喜爱度值之间的对应关系,确定客户对目标产品的第二喜爱度值。具体的,终端设备若检测到在目标产品的完整信息的展示过程中,目标产品被客户收藏,则确定客户对目标产品的第二喜爱度值为1;若检测到目标产品未被客户收藏,则确定客户对目标产品的第二喜爱度值为0。
S135:将所述第一喜爱度值与所述第二喜爱度值之和确定为所述第一评分因子。
终端设备确定了客户对目标产品的第一喜爱度值及第二喜爱度值之后,可以将第一喜爱度值与第二喜爱度值之和确定为第一评分因子。
需要说明的是,由于第一喜爱度值可能会为负值,而第二喜爱度值的取值为0或1,因此,第一评分因子也可能会为负值,具体的,当第一喜爱度值为负值,第二喜爱度值为0时,第一评分因子为负值,此种情况表明仅从客户对目标产品的反馈信息这一方面考虑,客户不喜爱目标产品。
以上可以看出,本实施例提供的一种产品的推荐方法,通过客户在查看目标产品的完整信息时的面部表情以及目标产品被客户收藏的情况来综合确定目标产品的第一评分因子,由于客户的面部表情以及客户对目标产品的收藏情况能够直接且准确地反映客户对目标产品的喜爱程度,因此,本实施例确定出的第一评分因子能够从某些方面准确地反映客户对目标产品的喜爱程度,进而基于第一评分因子能够准确确定出客户真正喜爱的产品,提高了产品的转化率。
请参阅图3,图3是本发明第三实施例提供的一种产品的推荐方法中S14的具体实现流程图。相对于图1对应的实施例,本实施例提供的一种产品的推荐方法中S14可以包括S141~S143,详述如下:
S141:记录开始展示所述完整信息时的第一时间,以及记录用于展示所述完整信息的页面被关闭时的第二时间,将所述第一时间与所述第二时间之间的时间间隔确定为所述完整信息的实际展示时长。
本实施例中,终端设备在目标产品的产品详情展示页面开始展示目标产品的完整信息时,记录开始展示该完整信息的第一时间,且在检测到用于展示目标产品的完整信息的产品详情展示页面被关闭时,记录产品详情展示页面被关闭时的第二时间,将第一时间与第二时间之间的时间间隔确定为目标产品的完整信息的实际展示时长。
S142:获取所述完整信息的预设展示时长。
在实际应用中,开发人员可以基于产品的完整信息所包含的内容的长短,确定客户正常浏览完该产品的完整信息所需的标准时长,并将该标准时长确定为产品的完整信息的预设展示时长。产品销售平台的后台服务器可以将每一产品的完整信息的预设展示时长与该产品的名称进行关联存储。终端设备确定了目标产品的完整信息的实际展示时长后,可以基于目标产品的名称,从后台服务器中获取目标产品的完整信息的预设展示时长。
S143:将所述实际展示时长与所述预设展示时长的比值确定为所述目标产品的第二评分因子。
本实施例中,终端设备确定了目标产品的完整信息的实际展示时长及预设展示时长后,可以将目标产品的完整信息的实际展示时长与预设展示时长的比值确定为目标产品的第二评分因子。
可以理解的是,当目标产品的完整信息的实际展示时长小于预设展示时长时,第二评分因子小于1,表明仅从目标产品的完整信息的展示时长这一方面考虑,客户对目标产品的喜爱程度偏低;当目标产品的完整信息的实际展示时长大于预设展示时长时,第二评分因子大于1,表明仅从目标产品的完整信息的展示时长这一方面考虑,客户对目标产品的喜爱程度偏高。
需要说明的是,由于目标产品的得分值是将第一评分因子和第二评分因子进行加权得到的,而第一评分因子可能是负值,因此,最终计算得到的目标产品的得分值可能是负值。当目标产品的得分值为负值时,说明综合多方面因素确定出客户不喜爱目标产品,此种情况下,终端设备不会将该目标产品作为待推荐产品。具体的,作为本发明一实施例,终端设备在计算出各个目标产品的得分值后,可以从所有目标产品中剔除得分值为负值的目标产品,并基于剔除后剩余的各个目标产品的得分值对剩余的目标产品进行排序,将排列在前的N个目标产品确定为待推荐产品。
以上可以看出,本实施例提供的一种产品的推荐方法通过目标产品的实际展示时长与预设展示时长的比值确定目标产品的第二评分因子,由于目标产品的实际展示时长与预设展示时长的比值能够从另一方面准确反映客户对目标产品的喜爱程度,因此,本实施例确定出的第二评分因子能够从某些方面准确地反映客户对目标产品的喜爱程度,进而基于第二评分因子能够准确确定出客户真正喜爱的产品,提高了产品的转化率。
请参阅图4,图4是本发明第四实施例提供的一种产品的推荐方法中S11的具体实现流程图。相对于图1对应的实施例,本实施例提供的一种产品的推荐方法中S11具体可以包括S111~S112,详述如下:
S111:获取各个候选产品的简介信息,并从所述简介信息中获取所述候选产品的销售量。
S112:按照所述销售量从高到低的顺序,在产品预览页面依次展示各个所述候选产品的简介信息。
通常,产品的销量越高,表示其越受大众欢迎,因此,作为本发明一实施例,终端设备从产品销售平台的产品库中获取到各个候选产品的简介信息后,从候选产品的简介信息中提取候选产品的销售量,并按照销售量从高到低的顺序,在产品预览页面依次展示各个候选产品的简介信息。即终端设备将销售量高的候选产品的简介信息靠前展示,将销售量低的候选产品的简介信息靠后展示,以便客户可以优先看到销售量较高的候选产品的简介信息。
以上可以看出,本实施例提供的一种产品的推荐方法按照销售量从高到低的顺序,在产品预览页面依次展示各个候选产品的简介信息,由于产品销量的高低能够反映大众对产品的喜爱长度,因此,通过使客户优先查看销售量较高的候选产品,能够提高产品的转化率。
图5示是本发明实施例提供的一种终端设备的结构框图,该终端设备包括的各单元用于执行图1至图4对应的实施例中的各步骤。具体请参阅图1至图4以及图1至图4所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。参见图5,终端设备500包括:第一展示单元51、第二展示单元52、第一确定单元53、第二确定单元54及第三确定单元55。其中:
第一展示单元51用于获取并展示各个候选产品的简介信息。
第二展示单元52用于若接收到针对所述候选产品的产品详情展示指令,则从所述候选产品中确定所述产品详情展示指令指向的目标产品,获取并展示所述目标产品的完整信息。
第一确定单元53用于获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子。
第二确定单元54用于记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第二评分因子。
第三确定单元55用于将所述第一评分因子及所述第二评分因子导入分值计算模型,计算所述目标产品的得分值,并基于各个所述目标产品的得分值从所述目标产品中确定待推荐产品。
作为本发明一实施例,第一确定单元53包括第一获取单元、情绪确定单元、第一喜爱度值确定单元、第二喜爱度值确定单元及第一评分因子确定单元。其中:
第一获取单元用于获取所述完整信息展示过程中针对客户的脸部录制的人脸视频。
情绪确定单元用于对所述人脸视频包含的每一帧人脸图像分别进行表情识别,确定每一帧所述人脸图像对应的表情类型,并确定所述表情类型所属的情绪类型;所述情绪类型包括正面情绪和负面情绪。
第一喜爱度值确定单元用于统计情绪类型为正面情绪的所有所述人脸图像的第一总帧数,以及统计情绪类型为负面情绪的所有所述人脸图像的第二总帧数,基于所述第一总帧数及所述第二总帧数确定所述客户对所述目标产品的第一喜爱度值。
第二喜爱度值确定单元用于基于所述完整信息展示过程中所述目标产品的被收藏情况确定所述客户对所述目标产品的第二喜爱度值。
第一评分因子确定单元用于将所述第一喜爱度值与所述第二喜爱度值之和确定为所述第一评分因子。
作为本发明一实施例,第一喜爱度值确定单元具体用于:
将所述第一总帧数及所述第二总帧数导入喜爱度值计算模型,计算所述第一喜爱度值;所述喜爱度值计算模型为:
Satiindex1=loga(frameNum1/frameNum2);
其中,Satiindex1为所述第一喜爱度值,frameNum1为所述第一总帧数,frameNum2为所述第二总帧数,a大于1。
作为本发明一实施例,第二确定单元54包括:第一记录单元、第二获取单元及第二评分因子确定单元。其中:
第一记录单元用于记录开始展示所述完整信息时的第一时间,以及记录用于展示所述完整信息的页面被关闭时的第二时间,将所述第一时间与所述第二时间之间的时间间隔确定为所述完整信息的实际展示时长。
第二获取单元用于获取所述完整信息的预设展示时长。
第二评分因子确定单元用于将所述实际展示时长与所述预设展示时长的比值确定为所述目标产品的第二评分因子。
作为本发明一实施例,第一展示单元51包括第三获取单元和简介信息展示单元。其中:
第三获取单元用于获取各个候选产品的简介信息,并从所述简介信息中获取所述候选产品的销售量。
简介信息展示单元用于按照所述销售量从高到低的顺序,在产品预览页面依次展示各个所述候选产品的简介信息。
以上可以看出,本实施例提供的一种终端设备在向客户展示目标产品的完整信息时,通过获取目标产品的完整信息展示过程中客户对目标产品的反馈信息,基于该反馈信息确定目标产品的第一评分因子;同时,通过记录能够表征客户对目标产品的浏览时长的完整信息的实际展示时长,基于该实际展示时长确定目标产品的第二评分因子,基于第一评分因子和第二评分因子综合确定目标产品的得分值,并基于目标产品的得分值确定待向用户重点推荐的产品。由于客户对目标产品的反馈信息及客户对目标产品的浏览时长能够分别从不同方面来反映用户浏览目标产品的当下对目标产品的喜爱程度,因此,基于与客户对目标产品的反馈信息有关的第一评分因子和与目标产品的实际展示时长有关的第二评分因子确定出的目标产品的得分值,能够准确地反映客户对目标产品的喜爱程度,进而能够基于目标产品的得分值向用户推荐其真正感兴趣的产品,从而提高了产品的转化率。
请参阅图6,图6是本发明另一实施例提供的一种终端设备的结构框图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62,例如产品的推荐方法的程序。处理器60执行所述计算机程序62时实现上述各个产品的推荐方法各实施例中的步骤,例如图1所示的S11至S15。或者,所述处理器60执行所述计算机程序62时实现上述图5对应的实施例中各单元的功能,例如,图5所示的单元51至55的功能,具体请参阅图5对应的实施例中的相关描述,此处不赘述。
示例性的,所述计算机程序62可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器61中,并由所述处理器60执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如,所述计算机程序62可以被分割成第一展示单元、第二展示单元、第一确定单元、第二确定单元及第三确定单元,各单元具体功能如上所述。
所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备,例如所述终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种产品的推荐方法,其特征在于,包括:
获取并展示各个候选产品的简介信息;
若接收到针对所述候选产品的产品详情展示指令,则从所述候选产品中确定所述产品详情展示指令指向的目标产品,获取并展示所述目标产品的完整信息;
获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子;
记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第二评分因子;
将所述第一评分因子及所述第二评分因子导入分值计算模型,计算所述目标产品的得分值,并基于各个所述目标产品的得分值从所述目标产品中确定待推荐产品。
2.根据权利要求1所述的产品的推荐方法,其特征在于,所述获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子,包括:
获取所述完整信息展示过程中针对客户的脸部录制的人脸视频;
对所述人脸视频包含的每一帧人脸图像分别进行表情识别,确定每一帧所述人脸图像对应的表情类型,并确定所述表情类型所属的情绪类型;所述情绪类型包括正面情绪和负面情绪;
统计情绪类型为正面情绪的所有所述人脸图像的第一总帧数,以及统计情绪类型为负面情绪的所有所述人脸图像的第二总帧数,基于所述第一总帧数及所述第二总帧数确定所述客户对所述目标产品的第一喜爱度值;
基于所述完整信息展示过程中所述目标产品的被收藏情况确定所述客户对所述目标产品的第二喜爱度值;
将所述第一喜爱度值与所述第二喜爱度值之和确定为所述第一评分因子。
3.根据权利要求2所述的产品的推荐方法,其特征在于,所述基于所述第一总帧数及所述第二总帧数确定所述客户对所述目标产品的第一喜爱度值,包括:
将所述第一总帧数及所述第二总帧数导入喜爱度值计算模型,计算所述第一喜爱度值;所述喜爱度值计算模型为:
Satiindex1=loga(frameNum1/frameNum2);
其中,Satiindex1为所述第一喜爱度值,frameNum1为所述第一总帧数,frameNum2为所述第二总帧数,a大于1。
4.根据权利要求1所述的产品的推荐方法,其特征在于,所述记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第一评分因子,包括:
记录开始展示所述完整信息时的第一时间,以及记录用于展示所述完整信息的页面被关闭时的第二时间,将所述第一时间与所述第二时间之间的时间间隔确定为所述完整信息的实际展示时长;
获取所述完整信息的预设展示时长;
将所述实际展示时长与所述预设展示时长的比值确定为所述目标产品的第二评分因子。
5.根据权利要求1-4任一项所述的产品的推荐方法,其特征在于,所述获取并展示各个候选产品的简介信息,包括:
获取各个候选产品的简介信息,并从所述简介信息中获取所述候选产品的销售量;
按照所述销售量从高到低的顺序,在产品预览页面依次展示各个所述候选产品的简介信息。
6.一种终端设备,其特征在于,所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取并展示各个候选产品的简介信息;
若接收到针对所述候选产品的产品详情展示指令,则从所述候选产品中确定所述产品详情展示指令指向的目标产品,获取并展示所述目标产品的完整信息;
获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子;
记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第二评分因子;
将所述第一评分因子及所述第二评分因子导入分值计算模型,计算所述目标产品的得分值,并基于各个所述目标产品的得分值从所述目标产品中确定待推荐产品。
7.根据权利要求6所述的终端设备,其特征在于,所述获取所述完整信息展示过程中客户基于所述完整信息对所述目标产品的反馈信息,基于所述反馈信息确定所述客户对所述目标产品的喜爱度值,基于所述喜爱度值确定所述目标产品的第一评分因子,包括:
获取所述完整信息展示过程中针对客户的脸部录制的人脸视频;
对所述人脸视频包含的每一帧人脸图像分别进行表情识别,确定每一帧所述人脸图像对应的表情类型,并确定所述表情类型所属的情绪类型;所述情绪类型包括正面情绪和负面情绪;
统计情绪类型为正面情绪的所有所述人脸图像的第一总帧数,以及统计情绪类型为负面情绪的所有所述人脸图像的第二总帧数,基于所述第一总帧数及所述第二总帧数确定所述客户对所述目标产品的第一喜爱度值;
基于所述完整信息展示过程中所述目标产品的被收藏情况确定所述客户对所述目标产品的第二喜爱度值;
将所述第一喜爱度值与所述第二喜爱度值之和确定为所述第一评分因子。
8.根据权利要求7所述的终端设备,其特征在于,所述基于所述第一总帧数及所述第二总帧数确定所述客户对所述目标产品的第一喜爱度值,包括:
将所述第一总帧数及所述第二总帧数导入喜爱度值计算模型,计算所述第一喜爱度值;所述喜爱度值计算模型为:
Satiindex1=loga(frameNum1/frameNum2);
其中,Satiindex1为所述第一喜爱度值,frameNum1为所述第一总帧数,frameNum2为所述第二总帧数,a大于1。
9.根据权利要求6所述的终端设备,其特征在于,所述记录所述完整信息的实际展示时长,基于所述实际展示时长确定所述目标产品的第一评分因子,包括:
记录开始展示所述完整信息时的第一时间,以及记录用于展示所述完整信息的页面被关闭时的第二时间,将所述第一时间与所述第二时间之间的时间间隔确定为所述完整信息的实际展示时长;
获取所述完整信息的预设展示时长;
将所述实际展示时长与所述预设展示时长的比值确定为所述目标产品的第二评分因子。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811081192.8A CN109447729A (zh) | 2018-09-17 | 2018-09-17 | 一种产品的推荐方法、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811081192.8A CN109447729A (zh) | 2018-09-17 | 2018-09-17 | 一种产品的推荐方法、终端设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447729A true CN109447729A (zh) | 2019-03-08 |
Family
ID=65530275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811081192.8A Pending CN109447729A (zh) | 2018-09-17 | 2018-09-17 | 一种产品的推荐方法、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447729A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069991A (zh) * | 2019-03-18 | 2019-07-30 | 深圳壹账通智能科技有限公司 | 反馈信息确定方法、装置、电子设备及存储介质 |
CN110245291A (zh) * | 2019-05-23 | 2019-09-17 | 广州至真信息科技有限公司 | 一种业务数据的显示方法、装置、计算机设备和存储介质 |
CN110298683A (zh) * | 2019-05-22 | 2019-10-01 | 深圳壹账通智能科技有限公司 | 基于微表情的信息推广方法、装置、设备及介质 |
CN110298245A (zh) * | 2019-05-22 | 2019-10-01 | 平安科技(深圳)有限公司 | 兴趣收集方法、装置、计算机设备及存储介质 |
CN111784163A (zh) * | 2020-07-01 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 数据测评方法、装置、设备及存储介质 |
CN112052391A (zh) * | 2020-09-08 | 2020-12-08 | 中国工商银行股份有限公司 | 数据推送方法、装置及系统 |
CN112488766A (zh) * | 2020-12-09 | 2021-03-12 | 广州品唯软件有限公司 | 页面展示图设置方法、装置、计算机设备和存储介质 |
CN112529048A (zh) * | 2020-11-23 | 2021-03-19 | 浙江大学 | 一种基于感知体验的产品展示视频辅助设计方法和装置 |
CN116150421A (zh) * | 2023-04-23 | 2023-05-23 | 深圳竹云科技股份有限公司 | 图像的展示方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654049A (zh) * | 2015-12-29 | 2016-06-08 | 中国科学院深圳先进技术研究院 | 人脸表情识别的方法及装置 |
CN105959737A (zh) * | 2016-06-30 | 2016-09-21 | 乐视控股(北京)有限公司 | 一种基于用户情绪识别的视频评价方法和装置 |
CN106651546A (zh) * | 2017-01-03 | 2017-05-10 | 重庆邮电大学 | 一种面向智慧社区的电子商务信息推荐方法 |
CN107203897A (zh) * | 2017-04-24 | 2017-09-26 | 广东数相智能科技有限公司 | 一种产品推荐度的评价方法、装置及系统 |
US20170278172A1 (en) * | 2016-03-24 | 2017-09-28 | International Business Machines Corporation | System, method and computer program product providing eye tracking based cognitive filtering and product recommendations |
-
2018
- 2018-09-17 CN CN201811081192.8A patent/CN109447729A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654049A (zh) * | 2015-12-29 | 2016-06-08 | 中国科学院深圳先进技术研究院 | 人脸表情识别的方法及装置 |
US20170278172A1 (en) * | 2016-03-24 | 2017-09-28 | International Business Machines Corporation | System, method and computer program product providing eye tracking based cognitive filtering and product recommendations |
CN105959737A (zh) * | 2016-06-30 | 2016-09-21 | 乐视控股(北京)有限公司 | 一种基于用户情绪识别的视频评价方法和装置 |
CN106651546A (zh) * | 2017-01-03 | 2017-05-10 | 重庆邮电大学 | 一种面向智慧社区的电子商务信息推荐方法 |
CN107203897A (zh) * | 2017-04-24 | 2017-09-26 | 广东数相智能科技有限公司 | 一种产品推荐度的评价方法、装置及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069991A (zh) * | 2019-03-18 | 2019-07-30 | 深圳壹账通智能科技有限公司 | 反馈信息确定方法、装置、电子设备及存储介质 |
CN110298683A (zh) * | 2019-05-22 | 2019-10-01 | 深圳壹账通智能科技有限公司 | 基于微表情的信息推广方法、装置、设备及介质 |
CN110298245A (zh) * | 2019-05-22 | 2019-10-01 | 平安科技(深圳)有限公司 | 兴趣收集方法、装置、计算机设备及存储介质 |
WO2020232856A1 (zh) * | 2019-05-22 | 2020-11-26 | 平安科技(深圳)有限公司 | 兴趣收集方法、装置、计算机设备及存储介质 |
CN110298245B (zh) * | 2019-05-22 | 2023-10-13 | 平安科技(深圳)有限公司 | 兴趣收集方法、装置、计算机设备及存储介质 |
CN110245291A (zh) * | 2019-05-23 | 2019-09-17 | 广州至真信息科技有限公司 | 一种业务数据的显示方法、装置、计算机设备和存储介质 |
CN111784163A (zh) * | 2020-07-01 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 数据测评方法、装置、设备及存储介质 |
CN112052391A (zh) * | 2020-09-08 | 2020-12-08 | 中国工商银行股份有限公司 | 数据推送方法、装置及系统 |
CN112052391B (zh) * | 2020-09-08 | 2023-11-17 | 中国工商银行股份有限公司 | 数据推送方法、装置及系统 |
CN112529048A (zh) * | 2020-11-23 | 2021-03-19 | 浙江大学 | 一种基于感知体验的产品展示视频辅助设计方法和装置 |
CN112488766A (zh) * | 2020-12-09 | 2021-03-12 | 广州品唯软件有限公司 | 页面展示图设置方法、装置、计算机设备和存储介质 |
CN116150421A (zh) * | 2023-04-23 | 2023-05-23 | 深圳竹云科技股份有限公司 | 图像的展示方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447729A (zh) | 一种产品的推荐方法、终端设备及计算机可读存储介质 | |
CN109558535B (zh) | 基于人脸识别的个性化推送物品的方法及系统 | |
US9704185B2 (en) | Product recommendation using sentiment and semantic analysis | |
JP7356206B2 (ja) | コンテンツ推薦及び表示 | |
CN111709812A (zh) | 基于用户动态分类的电商平台商品推荐方法及系统 | |
US20190156395A1 (en) | System and Method for Analyzing and Searching for Features Associated with Objects | |
TWI449410B (zh) | Personalized Sorting Method of Internet Audio and Video Data | |
KR20230087622A (ko) | 스트리밍 비디오 내의 객체를 검출하고, 필터링하고 식별하기 위한 방법 및 장치 | |
CN110020094A (zh) | 一种搜索结果的展示方法和相关装置 | |
Hu et al. | Style in the long tail: Discovering unique interests with latent variable models in large scale social e-commerce | |
CN108509466A (zh) | 一种信息推荐方法和装置 | |
CN108476259A (zh) | 基于用户行为的内容推荐的系统和方法 | |
TW201520790A (zh) | 個性化資料搜尋方法和裝置 | |
TWI649663B (zh) | 議題顯示系統、議題顯示方法以及電腦可讀取記錄媒體 | |
CN113077317A (zh) | 基于用户数据的物品推荐方法、装置、设备及存储介质 | |
CN110490683B (zh) | 一种线下线上协同多模型混合推荐的方法及系统 | |
Zhong et al. | Predicting pinterest: Automating a distributed human computation | |
CN110347935A (zh) | 基于用户兴趣变化的个性化影视项目推荐方法及系统 | |
CN107506441B (zh) | 一种数据排列方法、装置、电子设备以及存储介质 | |
CN117271713A (zh) | 关联对象识别方法、装置、电子设备及存储介质 | |
CN114581165A (zh) | 一种产品推荐方法、装置、计算机存储介质及系统 | |
CN111951080A (zh) | 人工智能融入平台的方法和系统 | |
CN116501979A (zh) | 信息推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN116205687A (zh) | 基于多源数据融合的智能推荐方法 | |
Roshdy et al. | An efficient content-based video recommendation |
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 |