CN110717094A - 信息推荐方法、装置、计算机设备和存储介质 - Google Patents

信息推荐方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110717094A
CN110717094A CN201910827744.3A CN201910827744A CN110717094A CN 110717094 A CN110717094 A CN 110717094A CN 201910827744 A CN201910827744 A CN 201910827744A CN 110717094 A CN110717094 A CN 110717094A
Authority
CN
China
Prior art keywords
information
micro
expression
navigation
recommended
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
CN201910827744.3A
Other languages
English (en)
Inventor
罗霄
陈恺
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910827744.3A priority Critical patent/CN110717094A/zh
Publication of CN110717094A publication Critical patent/CN110717094A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9537Spatial or temporal dependent retrieval, e.g. spatiotemporal queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及大数据领域,具体涉及一种信息推荐方法、装置、计算机设备和存储介质。所述方法包括:获取用户的导航路线和当前面部图像,所述导航路线包括至少一个目标地址;对所述当前面部图像进行微表情分析,得到与所述当前面部图像匹配的关联微表情;根据所述关联微表情确定与所述目标地址关联的目标推荐信息;获取到达所述目标地址之前的导航空闲时段,并在所述导航空闲时段内播报所述目标推荐信息。采用本方法能够考虑到用户在不同时间不同位置时的需求,从而可以智能准确地向用户推荐信息。

Description

信息推荐方法、装置、计算机设备和存储介质
技术领域
本申请涉及大数据技术领域,特别是涉及一种信息推荐方法、装置、计算机设备和存储介质。
背景技术
随着网络的普及化以及便利的搜索引擎服务,结合搜索引擎服务平台的广告播放系统可以接触到广大的消费者客群,包括使用智能型手机、移动通信装置、智能型电视,以及个人计算机上网的使用者,为广告商以及广告客户带来无穷的商机。广告商希望使用所有可用的资源向用户提供最具效果的广告。
现有的广告推荐方法往往基于用户的基本资料、个人对广告的点击行为进行建模的方法实现广告的推荐,但是这种推荐方法没有考虑用户对广告真实情感取向、兴趣程度的深度挖掘,尤其难以识别用户的负面情绪,甚至可能将用户负面情绪的行为识别为用户感兴趣的行为,推荐的广告难以避免对用户产生骚扰,广告推荐的精确度不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够为不同状态下的用户准确推荐信息的信息推荐方法、装置、计算机设备和存储介质。
一种信息推荐方法,所述方法包括:
获取用户的导航路线和当前面部图像,所述导航路线包括至少一个目标地址;
对所述当前面部图像进行微表情分析,得到与所述当前面部图像匹配的关联微表情;
根据所述关联微表情确定与所述目标地址关联的目标推荐信息;
获取到达所述目标地址之前的导航空闲时段,并在所述导航空闲时段内播报所述目标推荐信息。
在其中一个实施例中,所述对所述当前面部图像进行微表情分析,得到与所述当前面部图像匹配的关联微表情,包括:
从所述当前面部图像中提取面部特征点;
根据所述面部特征点计算得到面部动作特征;
将所述面部动作特征输入微表情分类模型得到各预设微表情的概率值;
根据计算出的所述概率值选定与所述当前面部图像匹配的关联微表情。
在其中一个实施例中,所述获取到达所述目标地址之前的导航空闲时段,包括:
获取机动车的车速和当前时间,并从所述导航路线中提取出行车路段;
根据所述车速和所述行车路段确定空闲时长;
根据所述空闲时长和所述当前时间确定导航空闲时段。
在其中一个实施例中,根据所述关联微表情确定与所述目标地址关联的目标推荐信息,包括:
根据所述目标地址从待推荐信息库中获取待推荐信息及状态标签,其中,所述状态标签与所述关联微表情对应;
根据所述关联微表情和所述状态标签对所述待推荐信息进行筛选,得到目标推荐信息。
在其中一个实施例中,所述状态标签的生成方式,包括:
获取待推荐信息的风格以及信息简介;
将所述推荐信息的所述风格和所述信息简介输入标签生成模型中生成状态标签。
在其中一个实施例中,所述根据所述关联微表情和所述状态标签对所述待推荐信息进行筛选,包括:
从所述待推荐信息中提取状态指代词;
搜索与所述状态标签匹配的状态指代词,并筛选出与所述状态标签对应的待推荐信息。
在其中一个实施例中,所述在所述导航空闲时段内播报所述目标推荐信息之后,包括:
获取所述用户浏览所述目标推荐信息的浏览面部图像;
对所述浏览面部图像进行微表情分析,得到与所述浏览面部图像匹配的浏览微表情;
根据所述浏览微表情和所述关联微表情对所述目标推荐信息的状态标签进行调整。
一种信息推荐装置,所述装置包括:
路线图像获取模块,用于获取用户的导航路线和当前面部图像,所述导航路线包括至少一个目标地址;
微表情分析模块,用于对所述当前面部图像进行微表情分析,得到与所述当前面部图像匹配的关联微表情;
信息获取模块,用于根据所述关联微表情确定与所述目标地址关联的目标推荐信息;
信息推荐模块,用于获取到达所述目标地址之前的导航空闲时段,并在所述导航空闲时段内播报所述目标推荐信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
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上述方法的步骤。
上述信息推荐方法、装置、计算机设备和存储介质,从用户的当前面部图像得到用户的关联微表情;并根据所述关联微表情确定与所述目标地址关联的目标推荐信息,在导航路线中的导航空闲时段对目标推荐信息进行推荐,不仅考虑到用户的情绪,还可以根据路线的变化及时考虑到用户在不同时间不同位置时的需求,并精确地判定用户的当前状态,从而可以智能准确地向用户推荐信息,提高了信息推荐的精确度。同时,通过用户微表情进行分析不需要用户进行额外的操作,操作更加简便。
附图说明
图1为一个实施例中信息推荐方法的应用场景图;
图2为一个实施例中信息推荐方法的流程示意图;
图3为一个实施例中微表情分析步骤的流程示意图;
图4为另一个实施例中状态标签的生成方法的流程示意图;
图5为另一个实施例中信息推荐方法的流程示意图;
图6为一个实施例中信息推荐装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的信息推荐方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。终端102获取用户的导航路线和当前面部图像,导航路线包括至少一个目标地址;终端102对当前面部图像进行微表情分析,得到与当前面部图像匹配的关联微表情;终端102根据关联微表情从服务器104确定与目标地址关联的目标推荐信息;终端102获取到达目标地址之前的导航空闲时段,并在导航空闲时段内播报目标推荐信息。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式智能设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种信息推荐方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
步骤202,获取用户的导航路线和当前面部图像,导航路线包括至少一个目标地址。
导航路线可以是终端根据用户输入的当前地址和终点地址生成的。当前地址是用户当前所在的地理位置,终点地址是用户需要前往的地理位置。终端可以是安装在机动车上的智能导航设备。终端可以通过定位技术获取用户的当前地址,定位技术可以是GPS定位技术、北斗卫星定位技术或者基站定位技术等。终端获取用户输入的终点地址。终端从数据库中获取预设的电子地图,并基于当前地址、目标地址和电子地图生成由用户当前地址到终点地址的导航路线。导航路线的具体生成方法可以基于已有的导航算法实现。导航路线包括至少一个目标地址。目标地址是与用户兴趣或爱好或需求相关的地理位置,例如,用户兴趣是饮食时,目标地址可以是饭店等。
当前面部图像为在用户操作终端时的终端102拍摄的用户面部图像,用户面部图像可以为一至多张。当用户面部图像仅为一张时,该用户面部图像就是当前面部图像;当用户面部图像为多张时,可以设定其中某一张用户面部图像为当前面部图像,也可以设定某几张用户面部图像均为当前面部图像。终端102获取用户的导航路线和当前面部图像。
步骤204,对当前面部图像进行微表情分析,得到与当前面部图像匹配的关联微表情。
具体地,终端102可以直接对当前面部图像进行微表情分析,也可以将当前面部图像上传给服务器104,由服务器104进行微表情分析并返回关联微表情的判定结果。终端102可通过构建完成的神经网络模型或者3D人脸模型从当前面部图像中提取出图像特征,而后对图像特征进行分析,并查找与图像特征相匹配的预先设定的微表情,进而得到各微表情的概率值,根据概率值确定关联微表情。终端可以事先设定微表情筛选数量,将按概率值大小排序后的预设微表情中排在前列的预设微表情筛选出来,筛选出的数量与微表情筛取数量一致,例如,可以将微表情筛取数量设定为5个等。终端也可以事先设定微表情概率值筛选阈值,将概率值大于微表情概率值筛选阈值的预设微表情筛选出来,例如微表情概率值筛选阈值可以为50%。
例如,当终端102从当前面部图像中提取出的图像特征有“天花板”、“眯眼睛”、“嘴角上扬”、“露牙齿”,经过图像特征分析得到“眯眼睛”、“嘴角上扬”、“露牙齿”与预先设定的微表情匹配,且各微表情的概率值分别为40%、80%以及10%。微表情概率值筛选阈值为50%。因此,与当前面部图像匹配的关联微表情为“嘴角上扬”。
步骤206,根据关联微表情确定与目标地址关联的目标推荐信息。
目标推荐信息可以是根据关联微表情从待推荐信息库中搜索确定的。待推荐信息为推荐给用户的公开信息,例如广告、新闻、活动等。终端102可以将目标地址发送给服务器104,服务器104根据目标地址获取目标推荐信息。终端102接收服务器104发送来的目标推荐信息。终端102也可以从待推荐信息库中根据目标地址搜索目标推荐信息。
步骤208,获取到达目标地址之前的导航空闲时段,并在导航空闲时段内播报目标推荐信息。
导航空闲时段为播报系统暂时不提示用户的播报时间段,例如,用户直行3km后再拐弯,播报系统被设置成“在用户直行2.5km后进行“拐弯”的语音提示“,其中,用户直行2.5km的这个时间段即为导航空闲时段。终端获取到达目标地址之前的导航空闲时段,并在导航空闲时段内播报目标推荐信息。目标推荐信息的时长不大于空闲时长。终端可以根据导航空闲时段的空闲时长和目标推荐信息的播报时长对目标推荐信息进行筛选再推荐;终端也可以在导航空闲时段内推荐多个目标推荐信息,目标推荐信息的总时长小于空闲时长。终端还可以先筛选出播放时长不大于空闲时长的目标推荐信息,而后根据播放时长之和不大于空闲时长对目标推荐信息进行组合,并对组合后的目标推荐信息根据时长大小进行排序,将时间之和最靠近空闲时长的目标推荐信息组合进行推荐。
例如,终端生成“家-XX商场”的导航路线,导航路线中目标地址根据用户的喜好可以为“YY饭店”,服务器可以根据“YY饭店”搜索并得到该饭店正在举办的活动,或商家优惠等目标推荐信息。终端在导航空闲时段内播报目标推荐信息,为用户实现了精准推荐。
上述信息推荐方法中,从用户的当前面部图像得到用户的关联微表情;并根据关联微表情确定与目标地址关联的目标推荐信息,在导航路线中的导航空闲时段对目标推荐信息进行推荐,不仅考虑到用户的情绪,还可以根据路线的变化及时考虑到用户在不同时间不同位置时的需求,并精确地判定用户的当前状态,从而可以智能准确地向用户推荐信息,提高了信息推荐的精确度。同时,通过用户微表情进行分析不需要用户进行额外的操作,操作更加简便。
在一个实施例中,如图3所示,对当前面部图像进行微表情分析,得到与当前面部图像匹配的关联微表情,具有以下步骤:
步骤302,从当前面部图像中提取面部特征点。
面部特征点为五官及脸部轮廓的特征点,如眼睛、嘴巴、鼻子、眉毛等的特征坐标。在进行面部特征提取前,服务器/终端可以对当前面部图像进行预处理,得到符合识别标准的当前面部图像。具体地,服务器/终端可以通过预先训练好的3D人脸模型或者深度学习神经网络对当前面部图像进行面部特征点提取。
步骤304,根据面部特征点计算得到面部动作特征。
服务器/终端可以基于提取出的面部特征点再通过预先训练好的3D人脸模型或者深度学习神经网络模型从当前面部图像中提取出面部动作特征,也可以将提取出的各面部特征点进行分类后输入对应的面部动作特征计算模型,得到相应面部动作特征,例如,将属于眼部的面部特征点输入眼动模型可以得到关于眼部的面部动作特征,如眨眼特征、眯眼特征、瞪眼特征等。3D人脸模型、深度学习神经网络模型、面部动作特征计算模型都是通过事先对多张人脸图像深度学习训练得到的。人脸图像可以是用户的人脸图像也可以是大众的人脸图像。
步骤306,将面部动作特征输入微表情分类模型得到各预设微表情的概率值。
服务器/终端可以根据3D人脸模型或者深度学习神经网络模型或者面部动作特征计算模型计算各面部动作特征的取值,并将面部动作特征以及取值输入预先训练好的微表情分类模型中,得到各种预设微表情的概率值,此时,所有预设微表情的取值之和为1。微表情分类模型可以采用SVM分类器、深度神经网络学习模型、决策树分类模型等多种用于分类的模型,微表情分类模型通过事先对多张人脸图像的面部动作特征训练得到。
步骤308,根据计算出的概率值选定与当前面部图像匹配的关联微表情。
终端可以事先设定微表情筛选数量,将按概率值大小排序后的预设微表情中排在前列的预设微表情筛选出来,筛选出的数量与微表情筛取数量一致,例如,可以将微表情筛取数量设定为5个等。关联微表情的匹配筛选过程可以在终端中进行,也可以由终端将当前面部图像发送至服务器中进行,服务器将筛选出的关联微表情返回给终端。
在一个实施例中,获取到达目标地址之前的导航空闲时段,具有以下步骤:获取机动车的车速和当前时间,并从导航路线中提取出行车路段;根据车速和行车路段确定空闲时长;根据空闲时长和当前时间确定导航空闲时段。
行车路段可以是导航路线中无需提示的路段。终端获取机动车的车速和当前时间,并从导航路线中提取行车路段。终端获取行车路段的路段长度,并根据车速和行车路段的路段长度确定空闲时长。终端根据机动车的车速和行车路段的位置对当前时间进行调整,终端根据空闲时长和当前时间确定导航空闲时段。
在上述信息推荐方法中,终端根据机动车的车速和行车路段实时确认导航空闲时段,根据用户在不同时间不同位置时的需求实时调整推荐信息,提高了信息推荐的精确度。
在一个实施例中,根据关联微表情确定与目标地址关联的目标推荐信息状态标签的生成方式,包括以下步骤:根据目标地址从待推荐信息库中获取待推荐信息及状态标签,其中,状态标签与关联微表情对应;根据关联微表情和状态标签对待推荐信息进行筛选,得到目标推荐信息。
待推荐信息为推荐给用户的推广信息,具有商家地址及对应的推广等,例如,推广可以为广告、新闻、活动等。状态标签用于标识待推荐信息,可以是根据待推荐信息中的关键词生成,也可以是根据待推荐信息和其他用户的反馈微表情生成的。终端获取商家地址与目标地址对应的待推荐信息,再根据关联微表情和状态标签对待推荐信息进行筛选,得到目标推荐信息。
上述信息推荐方法中,终端根据与用户兴趣爱好相关的目标地址对待推荐信息进行筛选,进一步保证了终端向用户推荐的推荐信息满足用户的当下需求。
在一个实施例中,如图4所示,状态标签的生成方式可以包括以下步骤:
步骤402,获取待推荐信息的风格以及信息简介。
服务器104根据待推荐信息获取风格和信息简介。例如,待推荐信息为商场营销信息时,待推荐信息的风格可以为欢快或激动,信息简介可以包含信息分类、折扣等。信息分类可以是美食、服饰、娱乐等。
步骤404,将推荐信息的风格和信息简介输入标签生成模型中生成状态标签。
标签生成模型是通过大数据处理技术与机器学习算法对风格、信息简介与状态标签进行学习训练得到的;标签生成模型还可以根据风格、信息简介、状态标签及关联微表情进行学习训练得到的。服务器104将推荐信息的风格和信息简介输入标签生成模型中生成状态标签。
上述信息推荐方法中,根据获取的待推荐信息的风格以及信息简介生成待选信息的状态标签,避免信息推荐的固定化,保证了信息的推荐能够实时满足用户的当下需求。
在一个实施例中,根据状态标签对待推荐信息进行初筛,包括以下步骤:从待推荐信息中提取状态指代词;搜索与状态标签匹配的状态指代词,并筛选出与状态标签对应的待推荐信息。
终端102从待推荐信息中提取状态指代词;搜索与状态标签匹配的状态指代词,并筛选出与状态标签对应的待推荐信息。状态标签用于标识待推荐信息。状态指代词是从待推荐信息中提取出的影响用户及其行为举止相关的词语。例如,待推荐信息为“XX饭店今日折扣4折”,提取出的状态指代词可以是“折扣”、“4折”。与状态指代词“折扣”“4折”对应的状态标签可以是“优惠”。
在一个实施例中,如图5所示,在导航空闲时段内播报目标推荐信息之后,具有以下步骤:
步骤502,获取用户浏览待推荐信息的浏览面部图像。
终端102获取用户浏览待推荐信息的浏览面部图像。浏览面部图像为在用户进行浏览操作时的终端102拍摄的用户面部图像,用户面部图像可以为一至多张。
步骤504,对浏览面部图像进行微表情分析,得到与浏览面部图像匹配的浏览微表情。
终端102可通过构建完成的神经网络模型或者3D人脸模型从当前面部图像中提取出图像特征,而后对图像特征进行分析,并查找与图像特征相匹配的预先设定的微表情,进而得到各微表情的概率值,根据概率值确定浏览微表情。
步骤506,根据浏览微表情和关联微表情对待推荐信息的状态标签进行调整。
终端102根据浏览微表情和关联微表情对待推荐信息的状态标签进行调整。终端根据浏览微表情和关联微表情确定用户的情绪变化值,而后根据情绪变化值对待推荐信息的状态标签进行调整。终端将待推荐信息和调整后的状态标签发送给标签生成模型,标签生成模型可以根据待推荐信息和调整后的状态标签再次进行学习训练。
上述信息推荐方法中,终端根据用户浏览待推荐信息的浏览面部图像,得到浏览面部图像的浏览微表情,并根据浏览微表情和关联微表情对待推荐信息的状态标签进行调整,从而更精确地判定待推荐信息的状态标签,从而更准确地向用户推荐信息,提高了信息推荐的精确度。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种信息推荐装置,包括:路线图像获取模块602、微表情分析模块604、信息获取模块608和信息推荐模块610,其中:
路线图像获取模块602,用于获取用户的导航路线和当前面部图像,导航路线包括至少一个目标地址。
微表情分析模块604,用于对当前面部图像进行微表情分析,得到与当前面部图像匹配的关联微表情。
信息获取模块606,用于根据关联微表情确定与目标地址关联的目标推荐信息。
信息推荐模块608,用于获取到达目标地址之前的导航空闲时段,并在导航空闲时段内播报目标推荐信息。
在另一实施例中,微表情分析模块604包括特征点提取单元、特征计算单元、概率值计算单元以及微表情选取单元,其中:
特征点提取单元,用于从当前面部图像中提取面部特征点。
特征计算单元,用于根据面部特征点计算得到面部动作特征。
概率值计算单元,用于将面部动作特征输入微表情分类模型得到各预设微表情的概率值。
微表情选取单元,用于根据计算出的概率值选定与当前面部图像匹配的关联微表情。
在另一实施例中,信息推荐模块608包括情绪模式判定单元和状态判定单元,其中:
运行信息获取单元,用于获取机动车的车速和当前时间,并从导航路线中提取出行车路段。
时长确定单元,用于根据车速和行车路段确定空闲时长。
播报时段确定单元,用于根据空闲时长和当前时间确定导航空闲时段。
在一个实施例中,信息获取模块606包括信息标签获取单元和筛选单元,其中:
信息标签获取单元,用于根据目标地址从待推荐信息库中获取待推荐信息及状态标签,其中,状态标签与关联微表情对应。
筛选单元,用于根据关联微表情和状态标签对待推荐信息进行筛选,得到目标推荐信息。
在一实施例中,信息获取模块606包括风格简介获取单元和状态标签生成单元,其中:
风格简介获取单元,用于获取待推荐信息的风格以及信息简介。
状态标签生成单元,用于将推荐信息的风格和信息简介输入标签生成模型中生成状态标签。
在一实施例中,信息推荐模块包括状态指代词提取单元和搜索单元,其中:
状态指代词提取单元,用于从待推荐信息中提取状态指代词。
搜索单元,用于搜索与状态标签匹配的状态指代词,并筛选出与状态标签对应的待推荐信息。
在另一实施例中,装置还包括,其中:
浏览图像获取模块,用于获取用户浏览待推荐信息的浏览面部图像。
浏览图像分析模块,用于对浏览面部图像进行微表情分析,得到与浏览面部图像匹配的浏览微表情。
标签调整模块,用于根据浏览微表情和关联微表情对待推荐信息的状态标签进行调整。
关于信息推荐装置的具体限定可以参见上文中对于信息推荐方法的限定,在此不再赘述。上述信息推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信息推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取用户的导航路线和当前面部图像,导航路线包括至少一个目标地址;对当前面部图像进行微表情分析,得到与当前面部图像匹配的关联微表情;根据关联微表情确定与目标地址关联的目标推荐信息;获取到达目标地址之前的导航空闲时段,并在导航空闲时段内播报目标推荐信息。
在一个实施例中,处理器执行计算机程序时实现对当前面部图像进行微表情分析,得到与当前面部图像匹配的关联微表情的步骤时,还用于:从当前面部图像中提取面部特征点;根据面部特征点计算得到面部动作特征;将面部动作特征输入微表情分类模型得到各预设微表情的概率值;根据计算出的概率值选定与当前面部图像匹配的关联微表情。
在一个实施例中,处理器执行计算机程序时实现获取到达目标地址之前的导航空闲时段的步骤时,还用于:获取机动车的车速和当前时间,并从导航路线中提取出行车路段;根据车速和行车路段确定空闲时长;根据空闲时长和当前时间确定导航空闲时段。
在一个实施例中,处理器执行计算机程序时实现根据关联微表情确定与目标地址关联的目标推荐信息的步骤时还用于:根据目标地址从待推荐信息库中获取待推荐信息及状态标签,其中,状态标签与关联微表情对应;根据关联微表情和状态标签对待推荐信息进行筛选,得到目标推荐信息。
在一个实施例中,处理器执行计算机程序时实现状态标签的生成方式的步骤时,还用于:获取待推荐信息的风格以及信息简介;将推荐信息的风格和信息简介输入标签生成模型中生成状态标签。
在一个实施例中,处理器执行计算机程序时实现根据关联微表情和状态标签对待推荐信息进行筛选的步骤时,还用于:从待推荐信息中提取状态指代词;搜索与状态标签匹配的状态指代词,并筛选出与状态标签对应的待推荐信息。
在一个实施例中,处理器执行计算机程序时实现在导航空闲时段内播报目标推荐信息的步骤之后,还用于:获取用户浏览待推荐信息的浏览面部图像;对浏览面部图像进行微表情分析,得到与浏览面部图像匹配的浏览微表情;根据浏览微表情和关联微表情对待推荐信息的状态标签进行调整。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取用户的导航路线和当前面部图像,导航路线包括至少一个目标地址;对当前面部图像进行微表情分析,得到与当前面部图像匹配的关联微表情;根据关联微表情确定与目标地址关联的目标推荐信息;获取到达目标地址之前的导航空闲时段,并在导航空闲时段内播报目标推荐信息。
在一个实施例中,计算机程序被处理器执行时实现对当前面部图像进行微表情分析,得到与当前面部图像匹配的关联微表情的步骤时还用于:从当前面部图像中提取面部特征点;根据面部特征点计算得到面部动作特征;将面部动作特征输入微表情分类模型得到各预设微表情的概率值;根据计算出的概率值选定与当前面部图像匹配的关联微表情。
在一个实施例中,计算机程序被处理器执行时实现获取到达目标地址之前的导航空闲时段的步骤时还用于:获取机动车的车速和当前时间,并从导航路线中提取出行车路段;根据车速和行车路段确定空闲时长;根据空闲时长和当前时间确定导航空闲时段。
在一个实施例中,计算机程序被处理器执行时实现根据关联微表情确定与目标地址关联的目标推荐信息的步骤时还用于:根据目标地址从待推荐信息库中获取待推荐信息及状态标签,其中,状态标签与关联微表情对应;根据关联微表情和状态标签对待推荐信息进行筛选,得到目标推荐信息。
在一个实施例中,计算机程序被处理器执行时实现状态标签的生成方式的步骤时还用于:获取待推荐信息的风格以及信息简介;将推荐信息的风格和信息简介输入标签生成模型中生成状态标签。
在一个实施例中,计算机程序被处理器执行时实现根据关联微表情和状态标签对待推荐信息进行筛选的步骤时还用于:从待推荐信息中提取状态指代词;搜索与状态标签匹配的状态指代词,并筛选出与状态标签对应的待推荐信息。
在一个实施例中,计算机程序被处理器执行时实现在导航空闲时段内播报目标推荐信息的步骤之后,还用于:获取用户浏览待推荐信息的浏览面部图像;对浏览面部图像进行微表情分析,得到与浏览面部图像匹配的浏览微表情;根据浏览微表情和关联微表情对待推荐信息的状态标签进行调整。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种信息推荐方法,所述方法包括:
获取用户的导航路线和当前面部图像,所述导航路线包括至少一个目标地址;
对所述当前面部图像进行微表情分析,得到与所述当前面部图像匹配的关联微表情;
根据所述关联微表情确定与所述目标地址关联的目标推荐信息;
获取到达所述目标地址之前的导航空闲时段,并在所述导航空闲时段内播报所述目标推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述当前面部图像进行微表情分析,得到与所述当前面部图像匹配的关联微表情,包括:
从所述当前面部图像中提取面部特征点;
根据所述面部特征点计算得到面部动作特征;
将所述面部动作特征输入微表情分类模型得到各预设微表情的概率值;
根据计算出的所述概率值选定与所述当前面部图像匹配的关联微表情。
3.根据权利要求1所述的方法,其特征在于,所述获取到达所述目标地址之前的导航空闲时段,包括:
获取机动车的车速和当前时间,并从所述导航路线中提取出行车路段;
根据所述车速和所述行车路段确定空闲时长;
根据所述空闲时长和所述当前时间确定导航空闲时段。
4.根据权利要求1所述的方法,其特征在于,所述根据所述关联微表情确定与所述目标地址关联的目标推荐信息,包括:
根据所述目标地址从待推荐信息库中获取待推荐信息及状态标签,其中,所述状态标签与所述关联微表情对应;
根据所述关联微表情和所述状态标签对所述待推荐信息进行筛选,得到目标推荐信息。
5.根据权利要求4所述的方法,其特征在于,所述状态标签的生成方式,包括:
获取待推荐信息的风格以及信息简介;
将所述推荐信息的所述风格和所述信息简介输入标签生成模型中生成状态标签。
6.根据权利要求4所述的方法,其特征在于,所述根据所述关联微表情和所述状态标签对所述待推荐信息进行筛选,包括:
从所述待推荐信息中提取状态指代词;
搜索与所述状态标签匹配的状态指代词,并筛选出与所述状态标签对应的待推荐信息。
7.根据权利要求1所述的方法,其特征在于,所述在所述导航空闲时段内播报所述目标推荐信息之后,包括:
获取所述用户浏览所述目标推荐信息的浏览面部图像;
对所述浏览面部图像进行微表情分析,得到与所述浏览面部图像匹配的浏览微表情;
根据所述浏览微表情和所述关联微表情对所述目标推荐信息的状态标签进行调整。
8.一种信息推荐装置,其特征在于,所述装置包括:
路线图像获取模块,用于获取用户的导航路线和当前面部图像,所述导航路线包括至少一个目标地址;
微表情分析模块,用于对所述当前面部图像进行微表情分析,得到与所述当前面部图像匹配的关联微表情;
信息获取模块,用于根据所述关联微表情确定与所述目标地址关联的目标推荐信息;
信息推荐模块,用于获取到达所述目标地址之前的导航空闲时段,并在所述导航空闲时段内播报所述目标推荐信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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权利要求1至7中任一项所述的方法的步骤。
CN201910827744.3A 2019-09-03 2019-09-03 信息推荐方法、装置、计算机设备和存储介质 Pending CN110717094A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910827744.3A CN110717094A (zh) 2019-09-03 2019-09-03 信息推荐方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910827744.3A CN110717094A (zh) 2019-09-03 2019-09-03 信息推荐方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN110717094A true CN110717094A (zh) 2020-01-21

Family

ID=69209592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910827744.3A Pending CN110717094A (zh) 2019-09-03 2019-09-03 信息推荐方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110717094A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021232726A1 (zh) * 2020-05-22 2021-11-25 百度在线网络技术(北京)有限公司 一种导航音频的播放方法、装置、设备和计算机存储介质
CN113992745A (zh) * 2021-10-20 2022-01-28 平安银行股份有限公司 活动信息推送方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021232726A1 (zh) * 2020-05-22 2021-11-25 百度在线网络技术(北京)有限公司 一种导航音频的播放方法、装置、设备和计算机存储介质
CN113992745A (zh) * 2021-10-20 2022-01-28 平安银行股份有限公司 活动信息推送方法、装置、电子设备及存储介质
CN113992745B (zh) * 2021-10-20 2024-03-22 平安银行股份有限公司 活动信息推送方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN108874992B (zh) 舆情分析方法、系统、计算机设备和存储介质
US10558852B2 (en) Predictive analysis of target behaviors utilizing RNN-based user embeddings
CN107871244B (zh) 一种广告效果的检测方法和装置
US10198635B2 (en) Systems and methods for associating an image with a business venue by using visually-relevant and business-aware semantics
US11275747B2 (en) System and method for improved server performance for a deep feature based coarse-to-fine fast search
US9785972B2 (en) Content delivery using social affine targeting
US10482091B2 (en) Computerized system and method for high-quality and high-ranking digital content discovery
CN109615060B (zh) Ctr预估方法、装置及计算机可读存储介质
CN110852793A (zh) 文案推荐方法及装置、电子设备
CN105160545B (zh) 投放信息样式确定方法及装置
US20180285748A1 (en) Performance metric prediction for delivery of electronic media content items
CN113641835B (zh) 多媒体资源推荐方法、装置、电子设备及介质
KR20190064042A (ko) 상황 인식 기반 추천 방법 및 그 장치
US11809969B2 (en) Dynamically integrating interactive machine learning multi-models
CN112241489A (zh) 信息推送方法、装置、可读存储介质和计算机设备
CN113743981A (zh) 素材投放成本预测方法、装置、计算机设备及存储介质
CN111967924A (zh) 商品推荐方法、商品推荐装置、计算机设备和介质
CN110717094A (zh) 信息推荐方法、装置、计算机设备和存储介质
CN115222433A (zh) 一种信息推荐方法、装置及存储介质
CN112115354A (zh) 信息处理方法、装置、服务器及存储介质
CN111506718A (zh) 会话消息确定方法、装置、计算机设备和存储介质
CN117057855A (zh) 一种数据处理方法及相关装置
CN114491093B (zh) 多媒体资源推荐、对象表征网络的生成方法及装置
CN111787042A (zh) 用于推送信息的方法和装置
EP3985591A2 (en) Preference evaluation method and system

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