CN109858960A - 商品推送方法、装置、用户信息管理服务器及存储介质 - Google Patents
商品推送方法、装置、用户信息管理服务器及存储介质 Download PDFInfo
- Publication number
- CN109858960A CN109858960A CN201910053481.5A CN201910053481A CN109858960A CN 109858960 A CN109858960 A CN 109858960A CN 201910053481 A CN201910053481 A CN 201910053481A CN 109858960 A CN109858960 A CN 109858960A
- Authority
- CN
- China
- Prior art keywords
- user
- emotion
- merchandise news
- facial image
- commodity
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于情绪识别的商品推送方法包括:与任一购物平台建立连接,获取用户浏览的每一商品信息以及在浏览所述商品信息时的多个用户图像,每一商品信息关联多个用户图像;从多个用户图像中分别提取人脸图像;根据每一人脸图像识别用户的微表情;分析每个微表情对应的情绪类型,根据所述情绪类型判断用户对所述商品信息的满意度,并根据所述用户在所述购物平台上浏览的每一商品信息以及对应的满意度建立所述用户对应所述购物平台的个人历史数据;整合所述用户对应不同购物平台的个人历史数据以得到个人整合数据,并根据个人整合数据确定对应所述用户的待推送商品。本发明实施例能够在用户浏览商品时进行情绪识别并提供科学精准的用户数据。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种基于情绪识别的商品推送方法、基于情绪识别的商品推送装置、用户信息管理服务器及计算机可读存储介质。
背景技术
目前,对新客户进行产品推送时,通常要靠销售人员不断揣摩客户的心理活动,从而针对客户意愿针对性进行推送。然而,现有的推送手段成功概率较低。
发明内容
鉴于以上内容,有必要提出一种商品推送方法及装置、用户信息管理服务器和计算机可读存储介质,从而解决以上问题。
本申请的第一方面提供一种基于情绪识别的商品推送方法,应用于一用户信息管理服务器中,所述用户信息管理服务器能够与多个购物平台进行通信,所述基于情绪识别的商品推送方法包括:
与任一所述购物平台建立通信连接,获取用户当前在所述购物平台上浏览的每一商品信息以及所述用户在浏览所述商品信息时的多个用户图像,每一商品信息关联多个用户图像;
从与每一商品信息关联的多个用户图像中分别提取人脸图像;
根据每一所述人脸图像识别用户的微表情;
分析每个微表情对应的情绪类型以得到所述商品信息对应的至少一情绪类型,根据所述情绪类型判断用户对所述商品信息的满意度,并根据所述用户在所述购物平台上浏览的每一商品信息以及对应的满意度建立所述用户对应所述购物平台的个人历史数据;以及
整合所述用户对应不同购物平台的个人历史数据以得到所述用户的个人整合数据,并根据所述个人整合数据确定对应所述用户的待推送商品。
本申请的第二方面提供一种基于情绪识别的商品推送装置,应用于一用户信息管理服务器中,所述用户信息管理服务器能够与多个购物平台进行通信,所述基于情绪识别的商品推送装置包括:
获取模块,用于与任一所述购物平台建立通信连接,获取用户当前在所述购物平台上浏览的每一商品信息以及所述用户在浏览所述商品信息时的多个用户图像,每一商品信息关联多个用户图像;
提取模块,用于从与每一商品信息关联的多个用户图像中分别提取人脸图像;
识别模块,用于根据每一所述人脸图像识别用户的微表情;
分析模块,用于分析每个微表情对应的情绪类型以得到所述商品信息对应的至少一情绪类型,根据所述情绪类型判断用户对所述商品信息的满意度,并根据所述用户在所述购物平台上浏览的每一商品信息以及对应的满意度建立所述用户对应所述购物平台的个人历史数据;以及
整合模块,用于整合所述用户对应不同购物平台的个人历史数据以得到所述用户的个人整合数据,并根据所述个人整合数据确定对应所述用户的待推送商品。
本申请的第三方面提供一种用户信息管理服务器,所述用户信息管理服务器包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如前所述基于情绪识别的商品推送方法。
本申请的第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前所述基于情绪识别的商品推送方法。
本发明实施例能够根据用户在浏览商品时的微表情分析用户对所述商品的满意度,从而建立个人历史数据,并结合所述用户针对多个购物平台的个人历史数据确定待推送商品,从而提供科学精准的用户数据,让相关人员能进行针对性地进行商品推送,提高用户的购买概率以及销售率。
附图说明
图1是本发明实施例一提供的基于情绪识别的商品推送方法的流程图。
图2是本发明实施例二提供的基于情绪识别的商品推送装置的结构示意图。
图3是本发明实施例三提供的用户信息管理服务器示意图。
符号说明
用户信息管理服务器 | 1 |
存储器 | 20 |
处理器 | 30 |
计算机程序 | 40 |
基于情绪识别的商品推送装置 | 10 |
获取模块 | 101 |
提取模块 | 102 |
识别模块 | 103 |
分析模块 | 104 |
整合模块 | 105 |
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
请参阅图1所示,是本发明第一实施例提供的基于情绪识别的商品推送方法的流程图。所述基于情绪识别的商品推送方法应用于一用户信息管理服务器中。所述用户信息管理服务器能够与多个购物平台进行通信。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S11:与任一所述购物平台建立通信连接,获取用户当前在所述购物平台上浏览的每一商品信息以及所述用户在浏览所述商品信息时的多个用户图像,每一商品信息关联多个用户图像。
其中,用户可使用一终端设备(如智能手机或平板电脑等)输入所述用户在其中一购物平台上的验证信息,并在所述购物平台判断所述验证信息与预定的注册信息一致时,登陆所述购物平台。然后,所述用户便可浏览所述购物平台上的商品信息。所述终端设备包括一摄像头,所述终端设备用于通过所述摄像头摄取在浏览所述商品信息的用户以形成所述用户图像,并将所述用户图像发送至所述购物平台,触发所述购物平台将所述商品信息与所述用户图像进行关联。后续,所述购物平台可将所述商品信息以及与所述商品信息关联的所述用户图像发送至所述用户信息管理服务器。
在本实施方式中,每次当所述终端设备登陆所述购物平台时,所述购物平台向所述用户信息管理服务器发送一通信建立请求,触发所述用户信息管理服务器与所述购物平台建立通信连接,使所述商品信息以及与所述商品信息关联的所述用户图像发送至所述用户信息管理服务器。在另一实施方式中,所述用户信息管理服务器也可以在需要获取所述商品信息以及所述用户图像时,主动向所述终端设备发送所述通信建立请求。其中,所述商品信息包括商品的类别(如,水杯)以及特征(如,大容量),所述商品的类型以及特征可由所述计算机设备在当前浏览网页的标题中识别并提取。
步骤S12:从与每一商品信息关联的多个用户图像中分别提取人脸图像。
在本实施方式中,利用深度的卷积神经网络从所述用户图像中检测所述人脸图像,并对检测到的所述人脸图像进行裁剪处理,从而提取出所述人脸图像。其中,卷积神经网络可以从所述用户图像中学习人脸的特征,然后利用一个分离器区分所述人脸图像和非人脸图像,从而达到人脸检测的目的。
在本实施方式中,所述从与每一商品信息关联的多个用户图像中分别提取人脸图像包括:
(a)判断每一用户图像中包括的人脸图像的数量;
(b)当所述用户图像中包括的人脸图像的数量仅为一个时,划定围绕所述人脸图像的矩形边界,并根据所述矩形边界提取所述人脸图像;
(c)当所述用户图像中包括的人脸图像的数量为至少两个时,分别划定围绕每一人脸图像的矩形边界,计算每一矩形边界所界定的人脸图像的面积,并选择面积最大的其中一矩形边界提取所述人脸图像;
(d)将所提取的人脸图像进行几何特性的归一化处理,所述几何特性的归一化处理可以使所述人脸图像归一化到相同的位置、角度和大小。由于人的两眼之间的距离对于大多数人来说是基本相同的,因此,两只眼睛的位置通常被用作人脸图像几何归一化的依据。经过几何归一化处理后的人脸图像尺寸一致,有利于后续步骤中对微表情的分析。
步骤S13:根据每一所述人脸图像识别用户的微表情。
在本实施方式中,所述用户信息管理服务器首先识别每一人脸图像中的特征区域(如眼部区域、眉毛区域、嘴巴区域),根据连续的至少两个人脸图像的特征区域的变化分析用户的所述微表情。例如,当眼睛区域变大,则所述微表情为眼睛增大;当所述双侧嘴角向上偏离,则所述微表情为双侧嘴角上扬;当单侧嘴角向上偏离,则所述微表情为单侧嘴角上扬。
步骤S14:分析每个微表情对应的情绪类型以得到所述商品信息对应的至少一情绪类型,根据所述情绪类型判断用户对所述商品信息的满意度,并根据所述用户在所述购物平台上浏览的每一商品信息以及对应的满意度建立所述用户对应所述购物平台的个人历史数据。
在本实施方式中,所述用户信息管理服务器中存储有多个微表情以及情绪类型的对应关系,每一微表情对应一情绪类型。所述用户信息管理服务器通过所述对应关系分析每一微表情对应的情绪类型。例如,眼镜增大对应的情绪类型为惊讶,双侧嘴角上扬对应的情绪类型为愉快,单侧嘴角上扬对应的情绪类型为不屑。本发明的保护范围不限于本实施例列举的情绪类型的划分。
在本实施方式中,在所述分析每个微表情对应的情绪类型后,所述用户信息管理服务器还用于判断所述商品信息对应的情绪类型的数量是否等于一个,当所述情绪类型的数量等于一个时,直接根据所述情绪类型判断用户对所述商品信息的满意度。例如,当所述情绪类型为愉快时,则可以判断用户对当前商品信息非常满意。反之,当所述情绪类型的数量多于一个时,需要进一步判断判断所述情绪类型是否相同。当所述情绪类型不相同时,判断每一情绪类型对应的微表情的次数以及每一次的持续时间,并根据总持续时间最长的微表情对应的情绪类型判断用户对所述商品信息的满意度。例如,当浏览过程中首先出现的情绪类型为惊讶,持续时间为1秒,然后出现的情绪类型为愉快,持续时间为6秒,则可以判断用户对当前商品信息非常满意。
在本实施方式中,所述个人历史数据以所述用户的注册信息为名存储于所述用户信息管理服务器中。所述注册信息可以包括所述用户注册所述购物平台时录入的手机号码等特征信息。
步骤S15:整合所述用户对应不同购物平台的个人历史数据以得到所述用户的个人整合数据,并根据所述个人整合数据确定对应所述用户的待推送商品。
例如,若用户在多个购物平台上均浏览了同一种类型的商品A,且用户对该种类型的商品A满意度较高,此时,所述用户信息管理服务器便可预测用户想要购买该种类型的商品A。后续,所述用户信息管理服务器可将所述消费喜好推送至推销人员,使得推销人员能够根据手机号码等特征信息锁定所述用户,并向所述用户针对性地推送商品,并提高用户的购买概率。
其中,所述用户信息管理服务器根据所述注册信息整合同一用户的个人历史数据。
上述图1详细介绍了本发明的基于情绪识别的商品推送方法,下面结合第2-3图,对实现所述基于情绪识别的商品推送方法的软件装置的功能模块以及实现所述基于情绪识别的商品推送方法的硬件装置架构进行介绍。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
实施例二
图2为本发明基于情绪识别的商品推送装置较佳实施例的结构图。
在一些实施例中,所述基于情绪识别的商品推送装置10运行于用户信息管理服务器中。所述基于情绪识别的商品推送装置10可以包括多个由程序代码段所组成的功能模块。所述基于情绪识别的商品推送装置10中的各个程序段的程序代码可以存储于用户信息管理服务器的存储器中,并由所述至少一个处理器所执行,以实现基于情绪识别的商品推送功能。
本实施例中,所述基于情绪识别的商品推送装置10根据其所执行的功能,可以被划分为多个功能模块。参阅图2所示,所述功能模块可以包括:获取模块101、提取模块102、识别模块103、分析模块104以及整合模块105。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述获取模块101用于与任一所述购物平台建立通信连接,获取用户当前在所述购物平台上浏览的每一商品信息以及所述用户在浏览所述商品信息时的多个用户图像,每一商品信息关联多个用户图像。
其中,用户可使用一终端设备(如智能手机或平板电脑等)输入所述用户在其中一购物平台上的验证信息,并在所述购物平台判断所述验证信息与预定的注册信息一致时,登陆所述购物平台。然后,所述用户便可浏览所述购物平台上的商品信息。所述终端设备包括一摄像头,所述终端设备用于通过所述摄像头摄取在浏览所述商品信息的用户以形成所述用户图像,并将所述用户图像发送至所述购物平台,触发所述购物平台将所述商品信息与所述用户图像进行关联。后续,所述购物平台可将所述商品信息以及与所述商品信息关联的所述用户图像发送至所述用户信息管理服务器。
在本实施方式中,每次当所述终端设备登陆所述购物平台时,所述购物平台向所述用户信息管理服务器发送一通信建立请求,触发所述用户信息管理服务器与所述购物平台建立通信连接,使所述商品信息以及与所述商品信息关联的所述用户图像发送至所述用户信息管理服务器。在另一实施方式中,所述用户信息管理服务器也可以在需要获取所述商品信息以及所述用户图像时,主动向所述终端设备发送所述通信建立请求。其中,所述商品信息包括商品的类别(如,水杯)以及特征(如,大容量),所述商品的类型以及特征可由所述计算机设备在当前浏览网页的标题中识别并提取。
所述提取模块102用于从与每一商品信息关联的多个用户图像中分别提取人脸图像。
在本实施方式中,利用深度的卷积神经网络从所述用户图像中检测所述人脸图像,并对检测到的所述人脸图像进行裁剪处理,从而提取出所述人脸图像。其中,卷积神经网络可以从所述用户图像中学习人脸的特征,然后利用一个分离器区分所述人脸图像和非人脸图像,从而达到人脸检测的目的。
在本实施方式中,所述提取模块102在提取人脸图像时,用于:
(a)判断每一用户图像中包括的人脸图像的数量;
(b)当所述用户图像中包括的人脸图像的数量仅为一个时,划定围绕所述人脸图像的矩形边界,并根据所述矩形边界提取所述人脸图像;
(c)当所述用户图像中包括的人脸图像的数量为至少两个时,分别划定围绕每一人脸图像的矩形边界,计算每一矩形边界所界定的人脸图像的面积,并选择面积最大的其中一矩形边界提取所述人脸图像;
(d)将所提取的人脸图像进行几何特性的归一化处理,所述几何特性的归一化处理可以使所述人脸图像归一化到相同的位置、角度和大小。由于人的两眼之间的距离对于大多数人来说是基本相同的,因此,两只眼睛的位置通常被用作人脸图像几何归一化的依据。经过几何归一化处理后的人脸图像尺寸一致,有利于后续步骤中对微表情的分析。
所述识别模块103用于根据每一所述人脸图像识别用户的微表情。
在本实施方式中,所述识别模块103首先识别每一人脸图像中的特征区域(如眼部区域、眉毛区域、嘴巴区域),并根据连续的至少两个人脸图像的特征区域的变化分析用户的所述微表情。例如,当眼睛区域变大,则所述微表情为眼睛增大;当所述双侧嘴角向上偏离,则所述微表情为双侧嘴角上扬;当单侧嘴角向上偏离,则所述微表情为单侧嘴角上扬。
所述分析模块104用于分析每个微表情对应的情绪类型以得到所述商品信息对应的至少一情绪类型,根据所述情绪类型判断用户对所述商品信息的满意度,并根据所述用户在所述购物平台上浏览的每一商品信息以及对应的满意度建立所述用户对应所述购物平台的个人历史数据。
在本实施方式中,所述用户信息管理服务器中存储有多个微表情以及情绪类型的对应关系,每一微表情对应一情绪类型。所述分析模块104通过所述对应关系分析每一微表情对应的情绪类型。例如,眼镜增大对应的情绪类型为惊讶,双侧嘴角上扬对应的情绪类型为愉快,单侧嘴角上扬对应的情绪类型为不屑。本发明的保护范围不限于本实施例列举的情绪类型的划分。
在本实施方式中,在所述分析每个微表情对应的情绪类型后,所述分析模块104还用于判断所述商品信息对应的情绪类型的数量是否等于一个,当所述情绪类型的数量等于一个时,直接根据所述情绪类型判断用户对所述商品信息的满意度。例如,当所述情绪类型为愉快时,则可以判断用户对当前商品信息非常满意。反之,当所述情绪类型的数量多于一个时,需要进一步判断判断所述情绪类型是否相同。当所述情绪类型不相同时,判断每一情绪类型对应的微表情的次数以及每一次的持续时间,并根据总持续时间最长的微表情对应的情绪类型判断用户对所述商品信息的满意度。例如,当浏览过程中首先出现的情绪类型为惊讶,持续时间为1秒,然后出现的情绪类型为愉快,持续时间为6秒,则可以判断用户对当前商品信息非常满意。
在本实施方式中,所述个人历史数据以所述用户的注册信息为名存储于所述用户信息管理服务器中。所述注册信息可以包括所述用户注册所述购物平台时录入的手机号码等特征信息。
所述整合模块105用于整合所述用户对应不同购物平台的个人历史数据以得到所述用户的个人整合数据,并根据所述个人整合数据确定对应所述用户的待推送商品。
例如,若用户在多个购物平台上均浏览了同一种类型的商品A,且用户对该种类型的商品A满意度较高,此时,所述用户信息管理服务器便可预测用户想要购买该种类型的商品A。后续,所述用户信息管理服务器可将所述消费喜好推送至推销人员,使得推销人员能够根据手机号码等特征信息锁定所述用户,并向所述用户针对性地推送商品,并提高用户的购买概率。
其中,所述用户信息管理服务器根据所述注册信息整合同一用户的个人历史数据。
如前所述,本发明实施例中的基于情绪识别的商品推送装置,能够根据用户在浏览商品时的微表情分析用户对所述商品的满意度,从而建立个人历史数据,并结合所述用户针对多个购物平台的个人历史数据确定待推送商品,从而提供科学精准的用户数据,让相关人员能进行针对性地进行商品推送,提高用户的购买概率以及销售率。
实施例三
图3为本发明用户信息管理服务器较佳实施例的示意图。
所述用户信息管理服务器1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40,例如基于情绪识别的商品推送程序。所述处理器30执行所述计算机程序40时实现上述基于情绪识别的商品推送方法实施例中的步骤,例如图1所示的步骤S11~S15。或者,所述处理器30执行所述计算机程序40时实现上述基于情绪识别的商品推送装置实施例中各模块/单元的功能,例如图2中的单元101-105。
示例性的,所述计算机程序40可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器20中,并由所述处理器30执行,以完成本发明。所述一个或多个模块/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40在所述用户信息管理服务器1中的执行过程。例如,所述计算机程序40可以被分割成图2中的获取模块101、提取模块102、识别模块103、分析模块104以及整合模块105。各模块具体功能参见实施例二。
所述用户信息管理服务器1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解,所述示意图仅仅是用户信息管理服务器1的示例,并不构成对用户信息管理服务器1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,例如所述用户信息管理服务器1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30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30也可以是任何常规的处理器等,所述处理器30是所述用户信息管理服务器1的控制中心,利用各种接口和线路连接整个用户信息管理服务器1的各个部分。
所述存储器20可用于存储所述计算机程序40和/或模块/单元,所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元,以及调用存储在存储器20内的数据,实现所述用户信息管理服务器1的各种功能。所述存储器20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据用户信息管理服务器1的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器20可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述用户信息管理服务器1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应该理解到,所揭露的用户信息管理服务器和方法,可以通过其它的方式实现。例如,以上所描述的用户信息管理服务器实施例仅仅是示意性的,例如,所述单元的划分,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。
另外,在本发明各个实施例中的各功能单元可以集成在相同处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在相同单元中。上述集成的单元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。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。用户信息管理服务器权利要求中陈述的多个单元或用户信息管理服务器也可以由同一个单元或用户信息管理服务器通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于情绪识别的商品推送方法,应用于一用户信息管理服务器中,所述用户信息管理服务器能够与多个购物平台进行通信,其特征在于,所述基于情绪识别的商品推送方法包括:
与任一所述购物平台建立通信连接,获取用户当前在所述购物平台上浏览的每一商品信息以及所述用户在浏览所述商品信息时的多个用户图像,每一商品信息关联多个用户图像;
从与每一商品信息关联的多个用户图像中分别提取人脸图像;
根据每一所述人脸图像识别用户的微表情;
分析每个微表情对应的情绪类型以得到所述商品信息对应的至少一情绪类型,根据所述情绪类型判断用户对所述商品信息的满意度,并根据所述用户在所述购物平台上浏览的每一商品信息以及对应的满意度建立所述用户对应所述购物平台的个人历史数据;以及
整合所述用户对应不同购物平台的个人历史数据以得到所述用户的个人整合数据,并根据所述个人整合数据确定对应所述用户的待推送商品。
2.如权利要求1所述的基于情绪识别的商品推送方法,其特征在于,所述从与每一商品信息关联的多个用户图像中分别提取人脸图像包括:
判断每一用户图像中包括的人脸图像的数量;
当所述用户图像中包括的人脸图像的数量仅为一个时,划定围绕所述人脸图像的矩形边界,并根据所述矩形边界提取所述人脸图像;
当所述用户图像中包括的人脸图像的数量为至少两个时,分别划定围绕每一人脸图像的矩形边界,计算每一矩形边界所界定的人脸图像的面积,并选择面积最大的其中一矩形边界提取所述人脸图像;
将所提取的人脸图像进行几何特性的归一化处理。
3.如权利要求1所述的基于情绪识别的商品推送方法,其特征在于,所述根据每一所述人脸图像识别用户的微表情包括:
识别每一所述人脸图像中的特征区域;以及
根据连续的至少两个人脸图像的特征区域的变化分析用户的所述微表情。
4.如权利要求1所述的基于情绪识别的商品推送方法,其特征在于,所述用户信息管理服务器中存储有多个微表情以及情绪类型的对应关系,每一微表情对应一情绪类型,所述用户信息管理服务器通过所述对应关系分析每一微表情对应的情绪类型。
5.如权利要求1所述的基于情绪识别的商品推送方法,其特征在于,所述分析每个微表情对应的情绪类型以得到所述商品信息对应的至少一情绪类型后,还包括:
判断所述商品信息对应的情绪类型的数量是否等于一个;以及
当所述情绪类型的数量等于一个时,根据所述情绪类型判断用户对所述商品信息的满意度。
6.如权利要求5所述的基于情绪识别的商品推送方法,其特征在于,还包括:
当所述情绪类型的数量多于一个时,判断所述情绪类型是否相同;
当所述情绪类型不相同时,判断每一情绪类型对应的微表情的次数以及每一次的持续时间,并根据总持续时间最长的微表情对应的情绪类型判断用户对所述商品信息的满意度。
7.如权利要求1所述的基于情绪识别的商品推送方法,其特征在于,所述个人历史数据以所述用户在所述购物平台上的注册信息为名存储于所述用户信息管理服务器中。
8.一种基于情绪识别的商品推送装置,应用于一用户信息管理服务器中,所述用户信息管理服务器能够与多个购物平台进行通信,其特征在于,所述基于情绪识别的商品推送装置包括:
获取模块,用于与任一所述购物平台建立通信连接,获取用户当前在所述购物平台上浏览的每一商品信息以及所述用户在浏览所述商品信息时的多个用户图像,每一商品信息关联多个用户图像;
提取模块,用于从与每一商品信息关联的多个用户图像中分别提取人脸图像;
识别模块,用于根据每一所述人脸图像识别用户的微表情;
分析模块,用于分析每个微表情对应的情绪类型以得到所述商品信息对应的至少一情绪类型,根据所述情绪类型判断用户对所述商品信息的满意度,并根据所述用户在所述购物平台上浏览的每一商品信息以及对应的满意度建立所述用户对应所述购物平台的个人历史数据;以及
整合模块,用于整合所述用户对应不同购物平台的个人历史数据以得到所述用户的个人整合数据,并根据所述个人整合数据确定对应所述用户的待推送商品。
9.一种用户信息管理服务器,其特征在于:所述用户信息管理服务器包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的基于情绪识别的商品推送方法。
10.一种计算机可读存储介质,其上存储有计算机程序,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1-7中任一项所述的基于情绪识别的商品推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910053481.5A CN109858960A (zh) | 2019-01-21 | 2019-01-21 | 商品推送方法、装置、用户信息管理服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910053481.5A CN109858960A (zh) | 2019-01-21 | 2019-01-21 | 商品推送方法、装置、用户信息管理服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109858960A true CN109858960A (zh) | 2019-06-07 |
Family
ID=66895359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910053481.5A Pending CN109858960A (zh) | 2019-01-21 | 2019-01-21 | 商品推送方法、装置、用户信息管理服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858960A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334658A (zh) * | 2019-07-08 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备和存储介质 |
CN110503457A (zh) * | 2019-07-11 | 2019-11-26 | 平安科技(深圳)有限公司 | 用户满意度的分析方法及装置、存储介质、计算机设备 |
CN111241081A (zh) * | 2020-01-09 | 2020-06-05 | 杭州涂鸦信息技术有限公司 | Iot平台数据收集方法及系统、可读存储介质、计算机设备 |
CN111612576A (zh) * | 2020-05-09 | 2020-09-01 | 向培红 | 一种商品推荐方法、装置和电子设备 |
CN111708939A (zh) * | 2020-05-29 | 2020-09-25 | 平安科技(深圳)有限公司 | 基于情绪识别的推送方法、装置、计算机设备及存储介质 |
CN113256397A (zh) * | 2021-07-02 | 2021-08-13 | 佛山市墨纳森智能科技有限公司 | 基于大数据的商品推荐方法、系统及计算机可读存储介质 |
WO2022230069A1 (ja) * | 2021-04-27 | 2022-11-03 | 株式会社I’mbesideyou | 動画像分析システム |
WO2022230070A1 (ja) * | 2021-04-27 | 2022-11-03 | 株式会社I’mbesideyou | 動画像分析システム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016095621A1 (zh) * | 2014-12-17 | 2016-06-23 | 百度在线网络技术(北京)有限公司 | 信息提供方法、装置和计算机设备 |
CN107360222A (zh) * | 2017-06-30 | 2017-11-17 | 广东欧珀移动通信有限公司 | 商品信息推送方法、装置、存储介质以及服务器 |
CN108182624A (zh) * | 2017-12-26 | 2018-06-19 | 努比亚技术有限公司 | 商品推荐方法、服务器及计算机可读存储介质 |
-
2019
- 2019-01-21 CN CN201910053481.5A patent/CN109858960A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016095621A1 (zh) * | 2014-12-17 | 2016-06-23 | 百度在线网络技术(北京)有限公司 | 信息提供方法、装置和计算机设备 |
CN107360222A (zh) * | 2017-06-30 | 2017-11-17 | 广东欧珀移动通信有限公司 | 商品信息推送方法、装置、存储介质以及服务器 |
CN108182624A (zh) * | 2017-12-26 | 2018-06-19 | 努比亚技术有限公司 | 商品推荐方法、服务器及计算机可读存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334658A (zh) * | 2019-07-08 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备和存储介质 |
CN110334658B (zh) * | 2019-07-08 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备和存储介质 |
CN110503457A (zh) * | 2019-07-11 | 2019-11-26 | 平安科技(深圳)有限公司 | 用户满意度的分析方法及装置、存储介质、计算机设备 |
CN111241081A (zh) * | 2020-01-09 | 2020-06-05 | 杭州涂鸦信息技术有限公司 | Iot平台数据收集方法及系统、可读存储介质、计算机设备 |
CN111612576A (zh) * | 2020-05-09 | 2020-09-01 | 向培红 | 一种商品推荐方法、装置和电子设备 |
CN111708939A (zh) * | 2020-05-29 | 2020-09-25 | 平安科技(深圳)有限公司 | 基于情绪识别的推送方法、装置、计算机设备及存储介质 |
CN111708939B (zh) * | 2020-05-29 | 2024-04-16 | 平安科技(深圳)有限公司 | 基于情绪识别的推送方法、装置、计算机设备及存储介质 |
WO2022230069A1 (ja) * | 2021-04-27 | 2022-11-03 | 株式会社I’mbesideyou | 動画像分析システム |
WO2022230070A1 (ja) * | 2021-04-27 | 2022-11-03 | 株式会社I’mbesideyou | 動画像分析システム |
CN113256397A (zh) * | 2021-07-02 | 2021-08-13 | 佛山市墨纳森智能科技有限公司 | 基于大数据的商品推荐方法、系统及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858960A (zh) | 商品推送方法、装置、用户信息管理服务器及存储介质 | |
CN109558535B (zh) | 基于人脸识别的个性化推送物品的方法及系统 | |
CN104636371B (zh) | 信息推荐方法及设备 | |
CN107123057A (zh) | 用户推荐方法及装置 | |
CN109783632A (zh) | 客服信息推送方法、装置、计算机设备及存储介质 | |
CN110298245B (zh) | 兴趣收集方法、装置、计算机设备及存储介质 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN105930540A (zh) | 一种数据处理系统 | |
CN107633022A (zh) | 人员画像分析方法、装置及存储介质 | |
CN103136321A (zh) | 多媒体信息处理方法和装置及移动终端 | |
KR20190113110A (ko) | 취향 분석 알고리즘을 이용한 와인추천 방법 | |
CN110188226A (zh) | 一种基于人脸识别的客户画像生成方法及装置 | |
CN111881901A (zh) | 截图内容检测方法、设备及计算机可读存储介质 | |
CN108681871B (zh) | 一种提示信息的方法、终端设备及计算机可读存储介质 | |
CN111104590A (zh) | 信息推荐方法、装置、介质及电子设备 | |
CN109872085A (zh) | 客服自动分配方法、装置和计算机可读存储介质 | |
CN111429200B (zh) | 一种内容关联方法及装置、存储介质、计算机设备 | |
CN111368131B (zh) | 用户关系识别方法、装置、电子设备及存储介质 | |
CN108694171B (zh) | 信息推送的方法及装置 | |
CN109711856A (zh) | 基于大数据的用户分类方法、装置、服务器及存储介质 | |
CN115526659A (zh) | 基于调查问卷的数据分析方法、装置、设备及存储介质 | |
Jee et al. | Potential of patent image data as technology intelligence source | |
KR20200054371A (ko) | 디지털 전신체형 데이터 및 빅데이터를 이용한 개인별 스타일 큐레이션시스템 | |
CN114119037A (zh) | 一种基于大数据的营销反作弊系统 | |
Hu et al. | Promotion recommendation method and system based on random forest |
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 |