CN109816437B - 一种购买意愿预测方法、装置和商品管理服务器 - Google Patents
一种购买意愿预测方法、装置和商品管理服务器 Download PDFInfo
- Publication number
- CN109816437B CN109816437B CN201910024323.7A CN201910024323A CN109816437B CN 109816437 B CN109816437 B CN 109816437B CN 201910024323 A CN201910024323 A CN 201910024323A CN 109816437 B CN109816437 B CN 109816437B
- Authority
- CN
- China
- Prior art keywords
- payment
- image
- purchase intention
- ith
- information set
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000014509 gene expression Effects 0.000 claims abstract description 13
- 230000008921 facial expression Effects 0.000 claims description 68
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000001815 facial effect Effects 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种购买意愿预测方法、装置和商品管理服务器，该方法包括：从在设定时间长度内任一虚拟商品的历史支付记录中提取图像集合，图像集合中的各幅人脸支付图像为在设定时间长度内用户为虚拟商品支付虚拟货币时的人脸支付图像；根据各幅人脸支付图像确定对应的购买意愿值；根据多个购买意愿值预测虚拟商品的购买意愿。本发明的购买意愿预测方法、装置和商品管理服务器，通过预定时间长度的历史支付记录限制图像集合的范围，为预测购买意愿提供充足的数据基础，并且避免图像集合过大带来预测时间过长，以保证预测效率，通过图像集合中的人脸支付图像真实反映用户使用人脸支付方式购买虚拟商品时的真实表情，有效保证了购买意愿的预测真实性。
Description
技术领域
本发明涉及电子商务技术领域，具体涉及一种购买意愿预测方法、装置和商品管理服务器。
背景技术
电子商务技术已经为用户购买商品提供诸多便利，预测用户对电子商务系统提供的虚拟商品进行购买的购买意愿，方便于电子商务系统提供商及时作出诸如下架虚拟商品、补充虚拟商品或减少虚拟商品等管理响应，例如：当预测用户购买某一电影的购买意愿下降时，可以及时降低支付该电影的虚拟货币价格，以激励用户未来仍然保持购买意愿。
目前，预测购买意愿主要有两种：其一是利用历史数据样本和少量数据样本依次经过归一化处理、分组处理、统计购买意愿的概率处理和训练学习之后，判断用户有无购买意愿，其中，数据样本是调查取样的数据样本；其二是根据用户的上网行为预测用户的购买意愿。
然而，由于上述两种方式的数据存在难以反映用户为虚拟商品支付虚拟货币时的真实表情，从而导致购买意愿的预测真实性较低。
发明内容
针对现有技术中样本数据存在难以反映用户为虚拟商品支付虚拟货币时的真实表情，从而导致购买意愿的预测真实性较低的不足，本发明提供一种购买意愿预测方法、装置和商品管理服务器。
第一方面，本发明提供了一种购买意愿预测方法，包括：
从在设定时间长度内任一虚拟商品的历史支付记录中提取图像集合，所述图像集合中的各幅人脸支付图像为在所述设定时间长度内用户为所述虚拟商品支付虚拟货币时的人脸支付图像；
根据各幅所述人脸支付图像确定对应的购买意愿值；
根据多个所述购买意愿值预测所述虚拟商品的购买意愿。
第二方面，本发明提供了一种购买意愿预测装置，包括：
提取模块，用于从在设定时间长度内任一虚拟商品的历史支付记录中提取图像集合，所述图像集合中的人脸支付图像为在所述设定时间长度内用户为所述虚拟商品支付虚拟货币时的人脸支付图像；
确定模块，用于根据各幅所述人脸支付图像确定对应的购买意愿值；
预测模块，用于根据多个所述购买意愿值预测所述虚拟商品的购买意愿。
第三方面，本发明提供了一种商品管理服务器，包括：存储器，其被配置为存储计算机程序且可与处理器通信，所述处理器运行所述计算机程序时实现第一方面所述的购买意愿预测方法。
本发明提供的购买意愿预测方法、装置和商品管理服务器的有益效果是：通过预定时间长度的历史支付记录限制图像集合的范围，为预测购买意愿提供充足的数据基础，并且避免图像集合过大带来预测时间过长，以保证预测效率；通过图像集合中的人脸支付图像真实反映用户使用人脸支付方式购买虚拟商品时的真实表情，有效保证了购买意愿的预测真实性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图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为本发明实施例提供的一种购买意愿预测方法的流程示意图；
图2为本发明实施例提供的一种购买意愿预测装置的结构示意图；
图3为本发明实施例提供的另一种购买意愿预测装置的结构示意图；
图4为本发明实施例提供的一种商品管理服务器的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例一
如图1所示，本发明实施例的一种购买意愿预测方法，该方法包括：从在设定时间长度内任一虚拟商品的历史支付记录中提取图像集合，图像集合中的各幅人脸支付图像为在设定时间长度内用户为虚拟商品支付虚拟货币时的人脸支付图像；根据各幅人脸支付图像确定对应的购买意愿值；根据多个购买意愿值预测虚拟商品的购买意愿。
通过预定时间长度的历史支付记录限制图像集合的范围，为预测购买意愿提供充足的数据基础，并且避免图像集合过大带来预测时间过长，以保证预测效率；由于图像集合中的人脸支付图像能够一定程度上真实反映用户使用人脸支付方式购买虚拟商品时的真实表情，以人脸支付图像作为数据基础，有效保证了购买意愿的预测真实性。
在以人脸支付方式为虚拟商品支付虚拟货币过程中识别人脸图像，将虚拟商品的商品支付信息添加在前述人脸图像上，即为人脸支付图像，该人脸支付图像是指以人脸图像和商品支付信息表示且用于在设定时间长度内用户为虚拟商品支付虚拟货币，以供预测用户购买虚拟商品的购买意愿。
优选地，根据各幅人脸支付图像确定对应的购买意愿值具体包括：按照支付时间戳统计各幅人脸支付图像，得到多个图像组；按照与设定时间长度映射的中位时间戳将图像序列划分为包含有多个第一图像组的第一图像子序列和包含有多个第二图像组的第二图像子序列，其中，中位时间戳大于与第一图像组一一映射的第一支付时间戳且小于与第二图像组一一映射的第二支付时间戳。
在一些具体实例中，人脸支付图像的属性信息包含有支付时间，将支付时间转换为支付时间戳，并以数据表的形式建立支付时间戳与人脸支付图像之间的映射关系；以预定时间长度的算术平均值转换得到中位时间戳，例如：预定时间长度为1小时、算术平均值为30min和中位时间戳为1544232600。
根据各个第一图像组中的所有人脸支付图像确定第一人脸表情信息集合和第一商品支付信息集合；根据各个第二图像组中的所有人脸支付图像确定第二人脸表情信息集合和第二商品支付信息集合。
根据第一购买意愿计算模型对与任一个第一图像组对应的第一人脸表情信息集合和第一商品支付信息集合进行计算，对应得到第一购买意愿平均值；根据第一购买意愿计算模型对与任一个第二图像组对应的第二人脸表情信息集合和第二商品支付信息集合进行计算，对应得到第二购买意愿平均值。
在一些具体实例中，从各幅人脸支付图像中识别人脸表情和商品支付价格，从预先存储的人脸表情评分表中匹配与人脸表情映射的人脸表情评分值；基于与各幅第一图像组中的人脸支付图像一一对应的人脸表情评分值组成第一人脸表情信息集合，基于与各幅第二图像组中的人脸支付图像一一对应的人脸表情评分值组成第二人脸表情信息集合；基于与各幅第一图像组中的人脸支付图像一一对应的商品支付价格组成第一商品支付信息集合，基于与各幅第二图像组中的人脸支付图像一一对应的商品支付价格组成第二商品支付信息集合。
根据第一支付时间戳、第二支付时间戳、第一购买意愿平均值和第二购买意愿平均值确定购买意愿值。
由于不同用户可能在同一时间购买虚拟商品，不同人脸支付图像具有相同的支付时间，各个图像组中的所有人脸支付图像均映射相同的支付时间戳，实现了人脸支付图像的分组管理，然后利用支付时间戳保证了图像组的时序性，继而利用中位时间戳对图像序列划分为不同的两个子序列，基于两个子序列中的人脸图像分别计算两个购买意愿平均值，最后基于两个购买意愿平均值确定购买意愿值，以保证购买意愿值的准确性。
优选地，第一购买意愿计算模型具体为：
其中，
表示第一购买意愿平均值，
表示第二购买意愿平均值，1AGOPi表示第i个第一图像组中的所有人脸支付图像的总幅数，2AGOPi表示第i个第二图像组中的所有人脸支付图像的总幅数，1αij表示与第i个第一图像组中的第j幅人脸支付图像映射的表情调节系数，2αij表示与第i个第二图像组中的第j幅人脸支付图像映射的表情调节系数，1βij表示与第i个第一图像组中的第j幅人脸支付图像映射的价格调节系数，2βij表示与第i个第二图像组中的第j幅人脸支付图像映射的价格调节系数，1Xij表示在第i个第一人脸表情信息集合中且与第i个第一图像组中的第j幅人脸支付图像映射的人脸表情评分值，2Xij表示在第i个第二人脸表情信息集合中且与第i个第二图像组中的第j幅人脸支付图像映射的人脸表情评分值，1Yij表示在第i个第一商品支付信息集合中且与第i个第一图像组中的第j幅人脸支付图像映射的商品支付价格，2Yij表示在第i个第二商品支付信息集合中且与第i个第二图像组中的第j幅人脸支付图像映射的商品支付价格，
表示第i个所第一人脸表情信息集合中的所有人脸表情评分值的平均值，
表示第i个第二人脸表情信息集合中的所有人脸表情评分值的平均值，
表示第i个第一人脸表情信息集合中的所有商品支付价格的平均值，
表示第i个第二人脸表情信息集合中的所有商品支付价格的平均值。
通过第一购买意愿计算模型进行方差计算得到第一购买意愿平均值和第二购买意愿平均值，计算方法简单，能够保证第一购买意愿平均值和第二购买意愿平均值的准确性。
优选地，根据第一支付时间戳、第二支付时间戳、第一购买意愿平均值和第二购买意愿平均值确定购买意愿值具体包括：判断第一支付时间戳与第二支付时间戳之间的差值是否等于预设值，若是，则根据第二购买意愿计算模型对与第一时间戳映射的第一购买意愿平均值和与第二支付时间戳映射的第二购买意愿平均值进行计算，得到购买意愿值；若否，则跳过与第一支付时间戳映射的第一购买意愿平均值和与第二支付时间戳映射的第二购买意愿平均值。
将第一支付时间戳与第二支付时间戳之间的差值以及预设值作为第一购买意愿平均值和第二购买意愿平均值的匹配判断条件，使得第一购买意愿平均值和第二购买意愿平均值之间的时长差保持不变，才会计算得到购买意愿值，能够过滤掉时间差变化的第一购买意愿平均值和第二购买意愿平均值，以提高购买意愿的预测稳定性。
优选地，第二购买意愿计算模型具体为：
其中，
表示购买意愿值，
表示第一购买意愿平均值，
表示第二购买意愿平均值。
通过第二购买意愿计算模型进行环比运算得到购买意愿值，有效提高了购买意愿值的准确性和可比对性。
优选地，根据多个购买意愿值预测所述虚拟商品的购买意愿具体包括：根据多个购买意愿值生成预测曲线；当预测曲线呈上升趋势时，预测购买意愿为增长型购买意愿；当预测曲线呈平稳趋势时，预测购买意愿为稳定型购买意愿；当预测曲线呈下降趋势时，预测购买意愿为降低型购买意愿。
通过分析预测曲线的变化趋势实现了购买意愿的精细化分类预测，便于虚拟商品运营商及时、准确地调整虚拟商品，同样适用于为用户提供个性化商品推荐服务。
实施例二
如图2所示，本发明实施例的一种购买意愿预测装置，该装置包括：提取模块，用于从在设定时间长度内任一虚拟商品的历史支付记录中提取图像集合，图像集合中的人脸支付图像为在设定时间长度内用户为虚拟商品支付虚拟货币时的人脸支付图像；确定模块，用于根据各幅人脸支付图像确定对应的购买意愿值；预测模块，用于根据多个购买意愿值预测虚拟商品的购买意愿。
优选地，如图3所示，确定模块包括统计子模块、排序子模块、划分子模块、第一信息集合确定子模块、第二信息集合确定子模块、第一平均值计算子模块、第二平均值计算子模块和购买意愿值确定子模块。
统计子模块，用于按照支付时间戳统计各幅人脸支付图像，得到多个图像组。
排序子模块，用于按照支付时间戳对所有图像组进行时间排序，得到图像序列。
划分子模块，用于按照与设定时间长度映射的中位时间戳将图像序列划分为包含有多个第一图像组的第一图像子序列和包含有多个第二图像组的第二图像子序列，其中，中位时间戳大于与第一图像组一一映射的第一支付时间戳且小于与第二图像组一一映射的第二支付时间戳。
第一信息集合确定子模块，用于根据各个第一图像组中的所有人脸支付图像确定第一人脸表情信息集合和第一商品支付信息集合。
第二信息集合确定子模块，用于根据各个第二图像组中的所有人脸支付图像确定第二人脸表情信息集合和第二商品支付信息集合。
第一平均值计算子模块，用于根据第一购买意愿计算模型对与任一个第一图像组对应的第一人脸表情信息集合和第一商品支付信息集合进行计算，对应得到第一购买意愿平均值。
第二平均值计算子模块，用于根据第一购买意愿计算模型对与任一个第二图像组对应的第二人脸表情信息集合和第二商品支付信息集合进行计算，对应得到第二购买意愿平均值。
购买意愿值确定子模块，用于根据第一支付时间戳、第二支付时间戳、第一购买意愿平均值和第二购买意愿平均值确定购买意愿值。
优选地，第一购买意愿计算模型具体为：
其中，
表示第一购买意愿平均值，
表示第二购买意愿平均值，1AGOPi表示第i个第一图像组中的所有人脸支付图像的总幅数，2AGOPi表示第i个第二图像组中的所有人脸支付图像的总幅数，1αij表示与第i个第一图像组中的第j幅人脸支付图像映射的表情调节系数，2αij表示与第i个第二图像组中的第j幅人脸支付图像映射的表情调节系数，1βij表示与第i个第一图像组中的第j幅人脸支付图像映射的价格调节系数，2βij表示与第i个第二图像组中的第j幅人脸支付图像映射的价格调节系数，1Xij表示在第i个第一人脸表情信息集合中且与第i个第一图像组中的第j幅人脸支付图像映射的人脸表情评分值，2Xij表示在第i个第二人脸表情信息集合中且与第i个第二图像组中的第j幅人脸支付图像映射的人脸表情评分值，1Yij表示在第i个第一商品支付信息集合中且与第i个第一图像组中的第j幅人脸支付图像映射的商品支付价格，2Yij表示在第i个第二商品支付信息集合中且与第i个第二图像组中的第j幅人脸支付图像映射的商品支付价格，
表示第i个所第一人脸表情信息集合中的所有人脸表情评分值的平均值，
表示第i个第二人脸表情信息集合中的所有人脸表情评分值的平均值，
表示第i个第一人脸表情信息集合中的所有商品支付价格的平均值，
表示第i个第二人脸表情信息集合中的所有商品支付价格的平均值。
优选地，购买意愿值确定子模块具体用于：判断第一支付时间戳与第二支付时间戳之间的差值是否等于预设值，若是，则根据第二购买意愿计算模型对与第一时间戳映射的第一购买意愿平均值和与第二支付时间戳映射的第二购买意愿平均值进行计算，得到购买意愿值；若否，则跳过与第一支付时间戳映射的第一购买意愿平均值和与第二支付时间戳映射的第二购买意愿平均值。
优选地，第二购买意愿计算模型具体为：
其中，
表示购买意愿值，
表示第一购买意愿平均值，
表示第二购买意愿平均值。
实施例三
如图4所示，本发明实施例的一种商品管理服务器，包括：存储器，其被配置为存储计算机程序且可与处理器通信，处理器运行计算机程序时实现实施例一中任一所述的购买意愿预测方法。
读者应理解，在本说明书的描述中，参考术语“方面”、“优选地”或“一些具体实例”等的描述意指结合该实施例或示例描述的具体特征、步骤或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、步骤或者特点可以在任一个或多个具体实例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同具体实例或示例以及不同实施例或示例的特征进行结合或/和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种购买意愿预测方法，其特征在于，包括：
从在设定时间长度内任一虚拟商品的历史支付记录中提取图像集合，所述图像集合中的各幅人脸支付图像为在所述设定时间长度内用户为所述虚拟商品支付虚拟货币时的人脸支付图像；
根据各幅所述人脸支付图像确定对应的购买意愿值；
根据多个所述购买意愿值预测所述虚拟商品的购买意愿；
根据各幅所述人脸支付图像确定对应的购买意愿值具体包括：
按照支付时间戳统计各幅所述人脸支付图像，得到多个图像组；
按照所述支付时间戳对所有所述图像组进行时间排序，得到图像序列；
按照与所述设定时间长度映射的中位时间戳将所述图像序列划分为包含有多个第一图像组的第一图像子序列和包含有多个第二图像组的第二图像子序列，其中，所述中位时间戳大于与所述第一图像组一一映射的第一支付时间戳且小于与所述第二图像组一一映射的第二支付时间戳；
根据各个所述第一图像组中的所有所述人脸支付图像确定第一人脸表情信息集合和第一商品支付信息集合；
根据各个所述第二图像组中的所有所述人脸支付图像确定第二人脸表情信息集合和第二商品支付信息集合；
根据第一购买意愿计算模型对与任一个所述第一图像组对应的所述第一人脸表情信息集合和所述第一商品支付信息集合进行计算，对应得到第一购买意愿平均值；
根据所述第一购买意愿计算模型对与任一个所述第二图像组对应的所述第二人脸表情信息集合和所述第二商品支付信息集合进行计算，对应得到第二购买意愿平均值；
根据所述第一支付时间戳、所述第二支付时间戳、所述第一购买意愿平均值和所述第二购买意愿平均值确定所述购买意愿值；
其中，所述第一购买意愿计算模型具体为：
其中，
表示所述第一购买意愿平均值，
表示所述第二购买意愿平均值，i表示所述第一图像组的序号和/或所述第二图像组的序号和/或所述第一人脸表情信息集合的序号和/或所述第二人脸表情信息集合的序号和/或所述第一商品支付信息集合的序号和/或所述第二商品支付信息集合的序号；1AGOPi表示第i个所述第一图像组中的所有所述人脸支付图像的总幅数，2AGOPi表示第i个所述第二图像组中的所有所述人脸支付图像的总幅数，1αij表示与第i个所述第一图像组中的第j幅所述人脸支付图像映射的表情调节系数，2αij表示与第i个所述第二图像组中的第j幅所述人脸支付图像映射的表情调节系数，1βij表示与第i个所述第一图像组中的第j幅所述人脸支付图像映射的价格调节系数，2βij表示与第i个所述第二图像组中的第j幅所述人脸支付图像映射的价格调节系数，1Xij表示在第i个所述第一人脸表情信息集合中且与第i个所述第一图像组中的第j幅所述人脸支付图像映射的人脸表情评分值，2Xij表示在第i个所述第二人脸表情信息集合中且与第i个所述第二图像组中的第j幅所述人脸支付图像映射的人脸表情评分值，1Yij表示在第i个所述第一商品支付信息集合中且与第i个所述第一图像组中的第j幅所述人脸支付图像映射的商品支付价格，2Yij表示在第i个所述第二商品支付信息集合中且与第i个所述第二图像组中的第j幅所述人脸支付图像映射的商品支付价格，
表示第i个所述第一人脸表情信息集合中的所有人脸表情评分值的平均值，
表示第i个所述第二人脸表情信息集合中的所有人脸表情评分值的平均值，
表示第i个所述第一人脸表情信息集合中的所有商品支付价格的平均值，
表示第i个所述第二人脸表情信息集合中的所有商品支付价格的平均值。
2.根据权利要求1所述的购买意愿预测方法，其特征在于，根据所述第一支付时间戳、所述第二支付时间戳、所述第一购买意愿平均值和所述第二购买意愿平均值确定所述购买意愿值具体包括：
判断所述第一支付时间戳与所述第二支付时间戳之间的差值是否等于预设值，若是，则根据第二购买意愿计算模型对与所述第一支付时间戳映射的所述第一购买意愿平均值和与所述第二支付时间戳映射的所述第二购买意愿平均值进行计算，得到所述购买意愿值；
若否，则跳过与所述第一支付时间戳映射的所述第一购买意愿平均值和与所述第二支付时间戳映射的所述第二购买意愿平均值；
其中，所述第二购买意愿计算模型具体为：
其中，
表示所述购买意愿值，
表示所述第一购买意愿平均值，
表示所述第二购买意愿平均值。
3.根据权利要求1或2所述的购买意愿预测方法，其特征在于，根据多个所述购买意愿值预测所述虚拟商品的购买意愿具体包括：
根据多个所述购买意愿值生成预测曲线；
当所述预测曲线呈上升趋势时，预测所述购买意愿为增长型购买意愿；
当所述预测曲线呈平稳趋势时，预测所述购买意愿为稳定型购买意愿；
当所述预测曲线呈下降趋势时，预测所述购买意愿为降低型购买意愿。
4.一种购买意愿预测装置，其特征在于，包括：
提取模块，用于从在设定时间长度内任一虚拟商品的历史支付记录中提取图像集合，所述图像集合中的人脸支付图像为在所述设定时间长度内用户为所述虚拟商品支付虚拟货币时的人脸支付图像；
确定模块，用于根据各幅所述人脸支付图像确定对应的购买意愿值；
预测模块，用于根据多个所述购买意愿值预测所述虚拟商品的购买意愿；
所述确定模块包括统计子模块、排序子模块、划分子模块、第一信息集合确定子模块、第二信息集合确定子模块、第一平均值计算子模块、第二平均值计算子模块和购买意愿值确定子模块；
所述统计子模块，用于按照支付时间戳统计各幅所述人脸支付图像，得到多个图像组；
所述排序子模块，用于按照所述支付时间戳对所有所述图像组进行时间排序，得到图像序列；
所述划分子模块，用于按照在所述设定时间长度内的中位时间戳将所述图像序列划分为包含有多个第一图像组的第一图像子序列和包含有多个第二图像组的第二图像子序列，其中，所述中位时间戳大于各个所述第一图像组的第一支付时间戳且小于各个所述第二图像组的第二支付时间戳；
所述第一信息集合确定子模块，用于根据各个所述第一图像组中的所有所述人脸支付图像确定第一人脸表情信息集合和第一商品支付信息集合；
所述第二信息集合确定子模块，用于根据各个所述第二图像组中的所有所述人脸支付图像确定第二人脸表情信息集合和第二商品支付信息集合；
所述第一平均值计算子模块，用于根据第一购买意愿计算模型对与任一个所述第一图像组对应的所述第一人脸表情信息集合和所述第一商品支付信息集合进行计算，对应得到第一购买意愿平均值；
所述第二平均值计算子模块，用于根据所述第一购买意愿计算模型对与任一个所述第二图像组对应的所述第二人脸表情信息集合和所述第二商品支付信息集合进行计算，对应得到第二购买意愿平均值；
所述购买意愿值确定子模块，用于根据所述第一支付时间戳、所述第二支付时间戳、所述第一购买意愿平均值和所述第二购买意愿平均值确定所述购买意愿值；
其中，所述第一购买意愿计算模型具体为：
其中，
表示所述第一购买意愿平均值，
表示所述第二购买意愿平均值，i表示所述第一图像组的序号和/或所述第二图像组的序号和/或所述第一人脸表情信息集合的序号和/或所述第二人脸表情信息集合的序号和/或所述第一商品支付信息集合的序号和/或所述第二商品支付信息集合的序号；1AGOPi表示第i个所述第一图像组中的所有所述人脸支付图像的总幅数，2AGOPi表示第i个所述第二图像组中的所有所述人脸支付图像的总幅数，1αij表示与第i个所述第一图像组中的第j幅所述人脸支付图像映射的表情调节系数，2αij表示与第i个所述第二图像组中的第j幅所述人脸支付图像映射的表情调节系数，1βij表示与第i个所述第一图像组中的第j幅所述人脸支付图像映射的价格调节系数，2βij表示与第i个所述第二图像组中的第j幅所述人脸支付图像映射的价格调节系数，1Xij表示在第i个所述第一人脸表情信息集合中且与第i个所述第一图像组中的第j幅所述人脸支付图像映射的人脸表情评分值，2Xij表示在第i个所述第二人脸表情信息集合中且与第i个所述第二图像组中的第j幅所述人脸支付图像映射的人脸表情评分值，1Yij表示在第i个所述第一商品支付信息集合中且与第i个所述第一图像组中的第j幅所述人脸支付图像映射的商品支付价格，2Yij表示在第i个所述第二商品支付信息集合中且与第i个所述第二图像组中的第j幅所述人脸支付图像映射的商品支付价格，
表示第i个所述第一人脸表情信息集合中的所有人脸表情评分值的平均值，
表示第i个所述第二人脸表情信息集合中的所有人脸表情评分值的平均值，
表示第i个所述第一人脸表情信息集合中的所有商品支付价格的平均值，
表示第i个所述第二人脸表情信息集合中的所有商品支付价格的平均值。
5.根据权利要求4所述的购买意愿预测装置，其特征在于，所述预测模块具体用于：
根据多个所述购买意愿值生成预测曲线；
当所述预测曲线呈上升趋势时，预测所述购买意愿为增长型购买意愿；
当所述预测曲线呈平稳趋势时，预测所述购买意愿为稳定型购买意愿；
当所述预测曲线呈下降趋势时，预测所述购买意愿为降低型购买意愿。
6.一种商品管理服务器，其特征在于，包括：存储器，其被配置为存储计算机程序且可与处理器通信，所述处理器运行所述计算机程序时实现权利要求1-3任一项所述的购买意愿预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910024323.7A CN109816437B (zh) | 2019-01-10 | 2019-01-10 | 一种购买意愿预测方法、装置和商品管理服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910024323.7A CN109816437B (zh) | 2019-01-10 | 2019-01-10 | 一种购买意愿预测方法、装置和商品管理服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109816437A CN109816437A (zh) | 2019-05-28 |
| CN109816437B true CN109816437B (zh) | 2020-11-24 |
Family
ID=66603327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910024323.7A Active CN109816437B (zh) | 2019-01-10 | 2019-01-10 | 一种购买意愿预测方法、装置和商品管理服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816437B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418983A (zh) * | 2020-11-19 | 2021-02-26 | 珠海格力电器股份有限公司 | 一种用户购买意愿信息的确定方法以及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104298682A (zh) * | 2013-07-18 | 2015-01-21 | 广州华久信息科技有限公司 | 一种基于人脸表情图像的信息推荐效果的评价方法及手机 |
| CN104484044A (zh) * | 2014-12-23 | 2015-04-01 | 上海斐讯数据通信技术有限公司 | 一种广告推送方法和系统 |
| CN105184975A (zh) * | 2015-10-14 | 2015-12-23 | 微点（北京）文化传媒有限公司 | 自动售货机管理系统和管理方法 |
| WO2018143630A1 (ko) * | 2017-02-01 | 2018-08-09 | 삼성전자 주식회사 | 상품을 추천하는 디바이스 및 방법 |
| CN108876067A (zh) * | 2018-09-06 | 2018-11-23 | 北京翰宁智能科技有限责任公司 | 无人自动贩卖商店优化售卖商品的方法 |
| CN108985816A (zh) * | 2018-06-07 | 2018-12-11 | 佛山市业鹏机械有限公司 | 一种基于大数据的床垫购买心理分析系统和方法 |
-
2019
- 2019-01-10 CN CN201910024323.7A patent/CN109816437B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104298682A (zh) * | 2013-07-18 | 2015-01-21 | 广州华久信息科技有限公司 | 一种基于人脸表情图像的信息推荐效果的评价方法及手机 |
| CN104484044A (zh) * | 2014-12-23 | 2015-04-01 | 上海斐讯数据通信技术有限公司 | 一种广告推送方法和系统 |
| CN105184975A (zh) * | 2015-10-14 | 2015-12-23 | 微点（北京）文化传媒有限公司 | 自动售货机管理系统和管理方法 |
| WO2018143630A1 (ko) * | 2017-02-01 | 2018-08-09 | 삼성전자 주식회사 | 상품을 추천하는 디바이스 및 방법 |
| CN108985816A (zh) * | 2018-06-07 | 2018-12-11 | 佛山市业鹏机械有限公司 | 一种基于大数据的床垫购买心理分析系统和方法 |
| CN108876067A (zh) * | 2018-09-06 | 2018-11-23 | 北京翰宁智能科技有限责任公司 | 无人自动贩卖商店优化售卖商品的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109816437A (zh) | 2019-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107657500B (zh) | 股票推荐方法及服务器 | |
| CN109583966A (zh) | 一种高价值客户识别方法、系统、设备及存储介质 | |
| CN115391669B (zh) | 一种智能推荐方法、装置、电子设备 | |
| JP2018005563A (ja) | 処理装置、処理方法及びプログラム | |
| CN111178708A (zh) | 目标评分方法和装置、计算机可读存储介质、电子设备 | |
| CN111626767B (zh) | 资源数据的发放方法、装置及设备 | |
| CN113763019A (zh) | 一种用户信息管理方法和装置 | |
| CN115271886A (zh) | 金融产品的推荐方法及装置、存储介质、电子设备 | |
| CN109816437B (zh) | 一种购买意愿预测方法、装置和商品管理服务器 | |
| CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
| CN113159213A (zh) | 一种业务分配方法、装置及设备 | |
| CN117522515A (zh) | 一种商户信息推送及交易处理平台 | |
| CN110750549A (zh) | 一种基于大数据的车辆库存管理系统 | |
| CN115809889A (zh) | 基于营销效果的智能客群筛选方法、系统、介质及设备 | |
| CN115439180A (zh) | 一种目标对象确定方法、装置、电子设备及存储介质 | |
| CN115048487A (zh) | 基于人工智能的舆情分析方法、装置、计算机设备及介质 | |
| CN113902481A (zh) | 权益确定方法、装置、存储介质及设备 | |
| CN113888230A (zh) | 电子优惠券的发放方法及装置、可读存储介质及电子设备 | |
| CN113781239A (zh) | 一种策略确定方法、装置、电子设备以及存储介质 | |
| CN113254775A (zh) | 一种基于客户浏览行为序列的信用卡产品推荐方法 | |
| CN113837764B (zh) | 风险预警方法、装置、电子设备和存储介质 | |
| CN117994008B (zh) | 活动商品推荐方法、装置、电子设备及存储介质 | |
| CN110738538A (zh) | 识别相似物品的方法和装置 | |
| US20230394581A1 (en) | Analysis method and analysis system of financial securities product value model based on artificial intelligence and computer readable recording medium | |
| CN117952656B (zh) | 一种数据挖掘方法以及相关装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A purchase intention prediction method, device and commodity management server Effective date of registration: 20220520 Granted publication date: 20201124 Pledgee: Chongqing Branch of China Everbright Bank Co.,Ltd. Pledgor: BOLAA NETWORK Co.,Ltd. Registration number: Y2022500000028 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230614 Granted publication date: 20201124 Pledgee: Chongqing Branch of China Everbright Bank Co.,Ltd. Pledgor: BOLAA NETWORK Co.,Ltd.|Chongqing Wingshengda Technology Co.,Ltd. Registration number: Y2022500000028 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A purchase intention prediction method, device, and product management server Effective date of registration: 20230809 Granted publication date: 20201124 Pledgee: Chongqing Branch of China Everbright Bank Co.,Ltd. Pledgor: BOLAA NETWORK Co.,Ltd.|Chongqing Wingshengda Technology Co.,Ltd. Registration number: Y2023500000055 |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Tong Yi Inventor before: Tong Yi Inventor before: Zhou Boyi |