CN111310019A - 信息推荐方法、信息处理方法、系统及设备 - Google Patents
信息推荐方法、信息处理方法、系统及设备 Download PDFInfo
- Publication number
- CN111310019A CN111310019A CN201811512112.XA CN201811512112A CN111310019A CN 111310019 A CN111310019 A CN 111310019A CN 201811512112 A CN201811512112 A CN 201811512112A CN 111310019 A CN111310019 A CN 111310019A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- biological characteristics
- service information
- scene
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
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)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请实施例提供一种信息推荐方法、信息处理方法、系统及设备。其中，信息推荐方法包括如下的步骤：获取用户的区别于他人的生物特征及所述用户所处的场景信息；基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；根据所述关联信息及所述场景信息，为所述用户推荐服务信息。本申请实施例提供的技术方案，满足了多个用户共用一个设备时能针对每个用户进行个性化推荐的需求；另外，本实施例提供的技术方案，在推荐信息时还充分考虑了用户所处的场景信息，使得推荐信息具有与场景信息相关的辨识度，有助于提高信息推荐的准确度。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种信息推荐方法、信息处理方法、系统及设备。
背景技术
随着网络技术和服务信息多元化的发展，每天都有大量新的服务信息(如新闻、文章、音频、视频等等)出现在用户的视野中。面临着需要在用户停留的最短时间内向其推荐最感兴趣内容的问题，如何用更科学的方法和系统来解决这个问题，将直接影响用户体验，也是提升用户观看频率和时长的关键因素。
现有个性化推荐方法大都是以一个设备端/注册ID账号为粒度给出推荐。
发明内容
本申请各实施例提供一种不同于现有技术的信息推荐方法、信息处理方法、系统及设备。
在本申请的一个实施例中，提供了一种信息推荐方法。该方法包括：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；
根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
在本申请的另一个实施例中，提供了一种信息推荐方法。该方法包括：
获取用户的区别于他人的生物特征；
响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息；
将所述生物特征及所述场景信息发送至服务端，以由所述服务端根据所述生物特征及所述场景信息，为所述用户推荐服务信息。
在本申请的又一个实施例中，提供了一种信息推荐系统。该系统包括：
客户端，用于获取用户的区别于他人的生物特征；响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息；将所述生物特征及所述场景信息发送至服务端；
服务端，用于基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
在本申请的又一个实施例中，提供了一种信息推荐方法。该系统包括：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征为所述用户构建关联信息；
根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
在本申请的又一个实施例中，提供了一种信息处理方法。该方法包括：
采集服务信息展示前和展示中与用户有关的多媒体信息；
根据所述多媒体信息，确定观看所述服务信息的用户对所述服务信息的关注度；
将所述用户对所述服务信息的关注度发送至服务端，以由所述服务端根据所述用户对所述服务信息的关注度，更新所述用户的画像信息。
在本申请的又一个实施例中，提供了一种电子设备。该电子设备，包括存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；
根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
在本申请的又一个实施例中，提供了一种客户端设备。该客户端设备包括存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
获取用户的区别于他人的生物特征；
响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息；
将所述生物特征及所述场景信息发送至服务端，以由所述服务端根据所述生物特征及所述场景信息，为所述用户推荐服务信息。
在本申请的又一个实施例中，提供了一种电子设备。该电子设备，包括存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征为所述用户构建关联信息；
根据所述关联信息以及所述场景信息，为所述用户推荐服务信息。
在本申请的又一个实施例中，提供了一种客户端设备。该客户端设备包括存储器及处理器；其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
采集服务信息展示中与用户有关的第一多媒体信息；
根据所述第一多媒体信息，确定观看所述服务信息的用户对所述服务信息的关注度；
将所述用户对所述服务信息的关注度发送至服务端，以由所述服务端根据所述用户对所述服务信息的关注度，更新所述用户的画像信息。
本申请实施例提供的一个技术方案中，通过获取用户的区别于他人的生物特征来识别真实用户；然后根据真实用户的关联信息及所处的场景信息来推荐服务信息；从而满足了多个用户共用一个设备时能针对每个用户进行个性化推荐的需求。另外，本实施例提供的技术方案，在推荐信息时还充分考虑了用户所处的场景信息，使得推荐信息具有与场景信息相关的辨识度，有助于提高信息推荐的准确度。
本申请实施例提供的另一技术方案中，对于未注册的新用户来说，根据新用户的区别于他人的生物特征及该新用户所处的场景信息，为其推荐信息；从而让本实施例提供的技术方案的受众面更广泛、而不仅仅局限于已注册过的用户，从而让共用一个设备的多个用户都能享受到个性化推荐服务。
本申请实施例提供的又一个技术方案中，通过采集服务信息展示中与用户有关的第一多媒体信息，以根据第一多媒体信息确定观看所述服务信息用户对服务信息的关注度；进而能根据用户对服务信息的关注度来及时更新用户的画像信息；降低了对用户主动反馈的依赖性，用户画像信息更新更及时、准确。
附图说明
为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的信息推荐系统的结构示意图；
图2为本申请一实施例提供的信息推荐系统中服务端的理论性结构示意图；
图3为本申请一实施例提供的信息推荐方法的流程示意图；
图4为本申请另一实施例提供的信息推荐方法的流程示意图；
图5为本申请又一实施例提供的信息推荐方法的流程示意图；
图6为本申请一实施例提供的信息处理方法的流程示意图；
图7为本申请又一实施例提供的信息推荐方法的流程示意图；
图8为本申请一实施例提供的画像信息的更新流程示意图；
图9为本申请一实施例提供的信息推荐装置的结构框图；
图10为本申请另一实施例提供的信息推荐装置的结构框图；
图11为本申请又一实施例提供的信息推荐装置的结构框图
图12为本申请一实施例提供的信息处理装置的结构框图；
图13为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
现有技术中有一种方案，该方案依赖用户点击频率较高的服务信息的所在类目，或用户添加到收藏夹等中的服务信息所在类目，或用户习惯使用的类目访问路径来推测用户的兴趣偏好。这类方案由于直接依据用户个人操作记录对应的类目来做分析判断，而个人操作记录在一定程度上反映了个人喜好；所以这类方法基本能够一定概率地使用户更直接地获取自己喜欢的节目类型。
另一种现有方案是，存储每个用户的兴趣标签和在搜索框中搜索过的文本历史记录，而服务信息数据库中的各服务信息也有各自的标签或关键词，通过将目标用户的兴趣标签、在搜索框中搜索过的文本历史记录与数据库中的标签和关键词做文本匹配，将匹配度高的文本对应的服务信息视为应该推荐给用户的节目。对于积极录入自己的兴趣标签的用户、或者有过较多搜索记录的用户，这类方法可以更有针对性地给出用户感兴趣的推荐内容。
上述已有方案，很大程度上依赖于用户自身的主动操作，而对于放置在家居场景的设备而言，很多用户可能同时在处理一些家务或参与家庭活动，不一定会近距离手触屏幕来进行频繁操作，而且在信息安全问题越来越凸显的环境下，有更多用户也并不乐于主动输入自身信息。所以现有方案在实际操作过程中，常常因为需要的用户信息收集不全而导致算法的用户覆盖面比较窄。
另一方面，上述已有方案主要是针对例如手机等这种人手一件的设备，或者每人一个注册ID独立登录的公共设备，而没有考虑家庭场景中多个用户共用同一个设备、同一个管理账号的场景，因此如果在这种场景下直接使用上述方案，将不能区分不同家庭成员各自的兴趣倾向，易造成“妈妈喜欢A类节目，就也给爸爸推荐A类节目”的情况。另外，上述已有方案都还停留在通过统计和计算用户的操作或文本匹配本身，而没有充分利用视频图像等视觉信息来进行数据分析，导致可用来使用的信息维度相对较窄。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书、权利要求书及上述附图中描述的一些流程中，包含了按照特定顺序出现的多个操作，这些操作可以不按照其在本文中出现的顺序来执行或并行执行。操作的序号如101、102等，仅仅是用于区分各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
此外，下文描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
在介绍本申请提供的信息推荐方法之前，先对本申请提供的所述方法所基于的系统架构进行说明。
如图1所示，本申请一实施例提供的信息推荐系统的结构示意图。如图1所示，本实施例提供的所述信息推荐系统包括：客户端101及服务端102。其中，
客户端101，用于获取用户的区别于他人的生物特征；响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息；将所述生物特征及所述场景信息发送至服务端；
服务端102，用于基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
本实施例提供的技术方案中，通过获取用户的区别于他人的生物特征来识别真实用户；然后根据真实用户的关联信息及所处的场景信息来推荐服务信息；从而满足了多个用户共用一个设备时能针对每个用户进行个性化推荐的需求。另外，本实施例提供的技术方案，在推荐信息时还充分考虑了用户所处的场景信息，使得推荐信息具有与场景信息相关的辨识度，有助于提高信息推荐的准确度。
进一步的，所述服务端102，还可用于基于所述生物特征确定所述用户为非注册用户时，根据所述场景信息及所述生物特征，为所述用户推荐服务信息。
在一种可实现的技术方案中，所述服务端102具体用于：基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征，确定所述用户所属的人群类别；根据所述人群类别及所述场景信息，为所述用户推荐所述人群类别在所述场景信息对应的场景下感兴趣的服务信息。具体实施时，所述生物特征可包括但不限于如下的至少一种：脸部特征、声纹、指纹。场景信息可包括但不限于：地理位置信息和/或时间区间。通过脸部特征可确定用户的性别、年龄区间等，然后根据性别和年龄区间将用户归类至所述年龄区间具有所述性别的人群类别中，然后根据该人群类别在所述场景信息的对应场景下的喜好为用户推荐服务信息。
或者，所述服务端102可具体用于：基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征为所述用户构建关联信息；根据所述关联信息及所述场景信息，为所述用户推荐服务信息。其中，具体实施时，所述关联信息可以画像信息。一般情况下，对于非注册用户，服务端是不会对其在客户端侧产生的行为数据进行记录和统计的；此处，构建关联信息可简单理解为：为非注册用户进行的隐性注册，便于后续该用户在客户端侧产生行为数据时，能获取并存储该用户的行为数据以用来更新完善其关联信息；进而不断提高信息推荐的准确性。
当然，本实施例提供的所述服务端102也可为非注册用户进行显示注册，即所述服务端102还可用于：基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征，为所述用户创建注册账户以便收集所述用户的行为数据。
本实施例中，客户端可以是集成在终端上的一个具有嵌入式程序的硬件，也可以是安装在终端中的一个应用软件，还可以是嵌入在终端操作系统中的工具软件等，本申请实施例对此不作限定。该终端可以为包括手机、平板电脑、PDA(Personal DigitalAssistant，个人数字助理)、智能穿戴设备等任意终端设备。
另外，本实施例中提及的与用户相关的关联信息可以是画像信息。画像信息是大数据技术的重要应用，其包含在很多的维度上针对用户的描述性标签；利用这些标签属性可对用户进行多方面的真实个人特性的勾勒，进而可以利用用户的画像信息挖掘用户的需求，分析用户的偏好，以为用户推荐其兴趣的服务信息。用于建立用户的画像信息的数据源可包括与用户相关的全部数据；通过数据的不断积累和归入，可以求得数据在分类类目当中分布的统计规律，并将统计规律对应为描述性标签。具体的，用于建立用户的画像信息的数据源可包括：自然数据、行为数据以及内容数据。其中，
自然数据表示包括用户的用户名(注册名)、性别、年龄等用户自身固有的属性；可以在用户注册等环节中获得；对于非注册用户，可通过获取所述用户的生物特征，然后基于所述生物特征，确定用户性别、年龄区间等基本属性。
行为数据描述用户所执行的行为，可包括操作行为，比如：搜索、浏览、打分、点评、收藏、加入购物车、从购物车删除、下单、关注等等；还可包含真实场景中的行动，比如：用户在观看服务信息时的动作、面部表情、语言等等。操作行为可由客户端采集并上传至服务端；真实场景中的行动可由客户端设备的摄像头和/或麦克风采集得到。
内容数据表示用户行为的对象，例如，收藏的服务信息的属性信息、关注的服务信息的属性信息等等。
通过将用户的自然数据、行为数据和内容数据等归入分类体系中的类目，并统计这些数据在类目中的分布，即可建立描述性标签以构成用户的画像信息。当与用户相关的数据达到足够的密集程度之后，用户的描述性标签属性会表现为较高的稳定性，也正是通过这种稳定性与用户长期形成的真实个人特征达到匹配。
下面举一具体实现实例，对本实施例中的服务端的整体理论性结构进行说明。如图2所示，主要由七个核心部分组成：内容库、画像信息模块、统计分布模型、用户识别模块、召回算法模块、排序算法模块以及反馈模块。
(1)内容库：既包括可被推荐的所有内容(例如系统内置视频/原生APP内容/合作的第三方推送内容等)，也包括这些内容的类别属性、人群偏好和统计特征等全方位的描绘和度量。
(2)画像信息模块：包含每个用户的画像信息。另外，随着各用户对应数据源的积累，可逐步建立基于时间分布的兴趣偏向分析，例如得到各用户在不同时间区间内的子画像。假设某一用户Top3的兴趣领域分别是：音乐、电影和新闻；早上8点到9点之间最关注新闻类节目；工作日晚上最关注音乐类节目，周末晚上最关注电影类节目。因此，对于该用户，可针对不同时间区间，为其构建相应的子画像。
(3)统计分布模型：根据定期对所有用户的画像信息进行统计，建立全体用户的大数据兴趣分布图谱。它可有以下几个维度：性别、年龄段、地理位置、时间段、兴趣领域。对应数学表达为：
P{(S，A，P，T，H)＝(si,aj,pk,tm,hn)}＝Pi,j,k,m,n
i＝0,1；j,k,m,n＝0,1,2,…
其中，S,A,P,T,H分别表示性别、年龄、地理位置、时间段和兴趣领域。
(4)用户识别模块：一种方案是，由客户端基于在本地采集到的视频信息、语音或指纹等，确定所述用户的生物特征；然后客户端将用户的生物特征发送至服务端的用户识别模块。用户识别模块对生物特征进行识别，若识别用户为已注册用户，则可将识别结果发送至画像信息模块，由画像信息模块根据识别结果找寻到所述用户的画像信息。另一种方案是，客户端直接将采集到的视频信息、音频信息、指纹信息等发送至服务端的用户识别模块；若客户端发送的信息含有视频信息，则用户识别模块可以每帧图像都做处理直至找到有人脸出现的那一帧，也可以隔n帧处理一次(例如n可以设为2,3,4,5，……)；找到出现人脸的视频帧后，对该帧图像中的人脸进行人脸识别，获得脸部特征；若客户端发送的信息含有音频信息，则在音频信息中找到语音段后，对语音段进行识别以获得声纹特征。若客户端发送的信息含有指纹信息，则该指纹信息即所述用户的生物特征。
(5)召回算法模块：该模块根据用户的画像信息及用户所处的场景信息(时间区间和/或地理位置信息)，从内容库中挑选出推荐候选集(例如：几百到几千个有图文或视频显示的节目)。具体实施时，召回算法模块可采用经典的协同过滤模型或主题模型等来实现。
(6)精确排序模块，该模块对多个召回通道的内容进行统一打分排序，选出最优的少量结果。由于在召回阶段所给出的推荐内容可能是来自不同召回模型的综合结果，彼此之间不具严格可比性，并且因为数据量太大也难以进行更加精确的偏好和质量评估，因此需要在精确排序阶段对召回结果进行统一的准确的打分排序。具体的，精确排序模块可采用现有技术实现，本实施例对此不作具体限定。
(7)反馈模型：该模块对用户对展示中服务信息的观看反应，评估出用户对该服务信息的关注度。其中，用户的观看反应可基于实时采集用户的观看时的视频和/或语音等来确定。具体确定步骤将会在下文进行说明。
本申请实施例提供的所述信息输出系统中各组成单元，如服务端和客户端的具体工作流程及之间的信令交互将在以下各实施例中作进一步的说明。
图3示出了本申请一实施例提供的信息推荐方法的流程示意图。本实施例提供的所述方法适于服务端。其中，所述服务端可以是常用服务器、云端、虚拟服务器等，本申请实施例对此不作具体限定。如图3所示，本实施例提供的所述方法包括：
201、获取用户的区别于他人的生物特征及所述用户所处的场景信息。
202、基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息。
203、根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
上述201中，所述生物特征包括如下中的至少一种：脸部特征、声纹、指纹。所述场景信息包括但不限于：地理位置信息和/或时间区间等。其中，所述生物特征可以是客户端直接发送来的，也可以是对客户端发送来的视频信息、音频信息、指纹信息等进行特征识别后得到的。
在一具体实施方式中，本步骤201可具体为：接收客户端发送的信息。所述信息中包含视频信息时，对视频信息进行逐帧检测直至找到有人脸出现的视频帧，也可以隔n帧检测一次(例如n可以设为2,3,4,5，……)；找到有出现人脸的视频帧后，判断视频帧的图像质量是否满足识别算法的要求；若满足识别算法的要求，则对找到的视频帧进行人脸识别，以得到脸部特征。所述信息中包含音频信息时，对音频信息进行检测直至找到有语音出现的音频段；对找到的音频段进行识别以得到声纹特征。所述信息包含指纹信息时，该指纹信息直接可作为生物特征。
上述203中，与用户相关的关联信息可以用户的画像信息。在一种可实现的技术方案中，本步骤203可具体包括如下步骤：
2031、从所述画像信息中，获取所述场景信息对应的子画像。
2032、根据所述子画像，为所述用户推荐服务信息。
其中，步骤2032中所采用的推荐算法可包括协同过滤算法。协同过滤算法包括：基于用户的协同过滤算法、基于物品的协同过滤算法等等。其中，基于用户的协同过滤算法：这种算法给用户推荐和他兴趣相似的其他用户喜欢的物品。基于物品的协同过滤算法：这种算法给用户推荐和他之前喜欢的物品相似的物品。当然，还可采用主题模型来实现服务信息的推荐。具体的，有关协同过滤算法及主题模型等的具体实现可参见现有技术中的相关内容，此处不再赘述。
本实施例提供的技术方案中，通过获取用户的区别于他人的生物特征来识别真实用户；然后根据真实用户的关联信息及所处的场景信息来推荐服务信息；从而满足了多个用户共用一个设备时能针对每个用户进行个性化推荐的需求。另外，本实施例提供的技术方案，在推荐信息时还充分考虑了用户所处的场景信息，使得推荐信息具有与场景信息相关的辨识度，有助于提高信息推荐的准确度。
进一步的，本实施例提供的所述方法还可包括：
204、根据所述生物特征，识别所述用户的基本属性。
205、样本库中有与所述生物特征匹配的样本时，获取匹配到的所述样本对应的用户信息。
206、所述基本属性与所述用户信息匹配时，确定所述用户为注册用户。
上述204中，所述基本属性包括如下中的至少一种：性别、年龄区间等。
本申请实施例中，生物特征可包括：脸部特征、声纹、指纹等。脸部特征可以是用户的鼻子、嘴巴、眼睛、皱纹、头发或者一些脸部的其他特征信息等等。用户的年龄区间可通过识别用户的皮肤粗糙程度、皮肤老化程度、皱纹的深度或者皱纹的长度等等特征来确定。用户的性别可通过识别用户的妆容、头发长短等等来确定。当然，用户的性别和年龄区间也可通过对声纹进行分析得到。
进一步的，本实施例提供的所述方法还可包括如下步骤：
207、基于所述生物特征确定所述用户为非注册用户时，根据所述场景信息及所述生物特征，为所述用户推荐服务信息。
在一种可实现的技术方案中，步骤207中“根据所述场景信息及所述生物特征，为所述用户推荐服务信息”可包括如下步骤：
2071、根据所述生物特征，确定所述用户所属的人群类别。
2072、根据所述人群类别及所述场景信息，为所述用户推荐所述人群类别在所述场景信息对应的场景下感兴趣的服务信息。
进一步的，本实施例提供的所述方法还可包括如下步骤：
208、基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征，为所述用户创建注册账户以便收集所述用户的行为数据。
其中，收集所述用户的行为数据的目的是为了完善所述用户的画像信息。
图4示出了本申请另一实施例提供的信息推荐方法的流程示意图。本实施例提供的所述方法适于客户端。其中，所述客户端可以是集成在终端上的一个具有嵌入式程序的硬件，也可以是安装在终端中的一个应用软件，还可以是嵌入在终端操作系统中的工具软件等，本申请实施例对此不作限定。该终端可以为包括手机、平板电脑、智能穿戴设备、AR设备等任意终端设备。如图4所示，所述信息推荐方法包括：
301、获取用户的区别于他人的生物特征。
302、响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息。
303、将所述生物特征及所述场景信息发送至服务端，以由所述服务端根据所述生物特征及所述场景信息，为所述用户推荐服务信息。
在一种可实现的技术方案中，上述301可包括：
3011、采集用户的人脸图像、语音及指纹中的至少一种。
3012、根据所述人脸图像、所述语音及所述指纹中的至少一种，确定所述生物特征。
其中，上述3012中生物特征的确定可参见现有技术中的相关内容，本文不再赘述。
上述302中，信息获取请求可以是在用户开启应用首页时被触发的；也可以是在用户点击相应控键(如遥控器或手机上实体控键或虚拟控键)后被触发的；还可以是用户在发出指定语音后被触发的等等，本申请实施例对此不作具体限定。
本实施例提供的技术方案中，通过获取用户的区别于他人的生物特征来识别真实用户；然后根据真实用户的关联信息及所处的场景信息来推荐服务信息；从而满足了多个用户共用一个设备时能针对每个用户进行个性化推荐的需求。另外，本实施例提供的技术方案，在推荐信息时还充分考虑了用户所处的场景信息，使得推荐信息具有与场景信息相关的辨识度，有助于提高信息推荐的准确度。
图5示出了本申请又一实施例提供的信息推荐方法的流程示意图。本实施例提供的所述方法适于服务端。其中，所述服务端可以是常用服务器、云端、虚拟服务器等，本申请实施例对此不作具体限定。如图5所示，所述信息推荐方法包括：
401、获取用户的区别于他人的生物特征及所述用户所处的场景信息。
402、基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征为所述用户构建关联信息。
403、根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
上述402中，为用户构建关联信息可简单理解为：为非注册用户进行的隐性注册，便于后续该用户在客户端侧产生行为数据时，能获取并存储该用户的行为数据以用来更新完善其关联信息；进而不断提高信息推荐的准确性。具体实施时，关联信息可以画像信息。
本实施例提供的技术方案中，对于未注册的新用户来说，根据新用户的区别于他人的生物特征及该新用户所处的场景信息，为其推荐信息；从而让本实施例提供的技术方案的受众面更广泛、而不仅仅局限于已注册过的用户，从而让共用一个设备的多个用户都能享受到个性化推荐服务。
在一种可实现的技术方案中，上述步骤402“根据所述生物特征为所述用户构建关联信息”可具体采用如下步骤实现：
4021、根据所述生物特征，识别所述用户的基本属性。
4022、根据所述基本属性，为所述用户构建所述画像信息。
例如，根据所述生物特征(如脸部特征、声纹等)，识别所述用户的性别、年龄区间等；调用大数据统计图谱，将该用户的性别、年龄区间等作为输入，以初始化该用户的画像信息。具体实施时，将用户的性别、年龄区间等信息作为搜索关键词，在所述大数据统计图谱中查询具有相同性别及处于相同年龄区间的其他用户的兴趣标签；然后根据这些用户中大多数(超过一定阈值数量的用户)具有的共同兴趣标签作为所述用户的兴趣标签添加至画像信息中。
进一步的，本实施例提供的方法还可包括如下步骤：
404、根据所述生物特征，为所述用户创建注册账户以便收集所述用户的行为数据。
405、根据收集到的所述用户的行为数据，更新所述画像信息。
实际应用中，用户的行为数据包括：显性反馈数据以及隐性反馈数据；其中，显性反馈数据包括所述用户触发的明示对服务信息感兴趣的行为数据，比如点赞、打分高、好评、关注等等；隐性反馈数据包括所述用户触发的不能明示是否感兴趣的行为数据，例如，采集到用户在查看服务信息时的视频信息和/或音频信息等。对于行为数据中的显性反馈数据，可直接基于显示反馈数据明示的对服务信息关注度，更新所述用户的画像信息。而对于行为数据中的隐性反馈数据，需对其进行分析以根据分析结果评估用户对服务信息的关注度，再根据评估出的用户对服务信息的关注度，更新所述用户的画像信息。
例如，所述用户的行为数据包括：第一服务信息展示中采集到的第一多媒体信息。相应的，上述步骤405可采用如下步骤实现：
4051、根据所述第一多媒体信息，评估所述用户对所述第一服务信息的关注度。
4052、根据所述用户对所述第一服务信息的关注度及所述第一服务信息的属性信息，更新所述画像信息。
其中，第一多媒体信息可包括第一视频信息和/或第一音频信息。
在一种可实现的技术方案中，所述第一多媒体信息可包括第一视频信息。相应的，本步骤4051可采用如下步骤实现：
S11、根据所述第一视频信息，监测所述用户脸部朝向及视线方向；
S12、根据所述脸部朝向及所述视线方向，评估所述用户对所述第一服务信息的关注度。
其中，上述用户脸部朝向可采用头部姿态估计算法计算得到，具体实施时，脸部朝向可三元向量(Roll，Pitch，Yaw)表示，其中Roll，Pitch，Yaw分别代表用户脸部绕基准坐标系的x轴、y轴、z轴旋转的角度。其中，基准坐标系可以图像采集模块默认的坐标系，也可以为人为设定的坐标，本实施例对此不作具体限定。这里需要说明的是，头部姿态估计算法为现有技术，具体实现可参见现有技术的相关内容，此处不再赘述。
上述S12中，根据脸部朝向及视线方向，可确定用户聚焦于屏幕的时长；根据确定出的时长，可评估出用户对第一服务信息的关注度。一般情况下，用户聚焦于屏幕的时长越长，用户对其屏幕上展示的信息的关注度就会越高。
在另一种可实现的技术方案中，所述第一多媒体信息可包括第一视频信息。相应的，本步骤4051可采用如下步骤实现：
S21、从所述第一视频信息中，获取含有所述用户影像的第一视频帧的帧数目，记为第一数目；
S22、根据含有所述用户影像的第一视频帧，统计所述用户视线方向符合第一要求的帧数目，记为第二数目；
S23、根据所述第一数目和所述第二数目，计算所述用户对所述第一服务信息的关注度。
例如，根据第二数目与第一数目比值，计算所述用户对所述第一服务信息的关注度。可简单理解为：有用户出现的所有视频帧中，用户的视线聚焦于屏幕的帧数越多，说明用户对屏幕当前展示的第一服务信息的关注度越高；相反，有用户出现的所有视频帧中，用户的视线聚焦于屏幕的帧数越少，说明用户对屏幕当前展示的第一服务信息的关注度越低。因此，可通过第二数目与第一数目的比值所在取值区间，来确定用户对所述第一服务信息的关注度。每个取值空间对应有一个数值的关注度。
在又一种可实现的技术方案中，所述第一多媒体信息除包含有第一视频信息外，还包含有第一音频信息。相应的，本步骤4051还可包括如下步骤：
S24、从所述第一音频信息中，获取具有所述用户声纹特征的第一语音段的段数，记为第五数目；
S25、根据具有所述用户声纹特征的第一语音段的段数目，统计符合第二要求的语音段的段数，记为第六数目；
S26、根据所述第五数目及第六数目，更新所述用户对所述第一服务信息的关注度。
当然，所述第一多媒体信息仅包括第一音频信息时，上述步骤S26可具体为：根据所述第五数目及第六数目，计算所述用户对所述第一服务信息的关注度。
例如，符合第二要求的语音段可以是包含有能表明用户感兴趣的语音词汇的语音段，或者含有“哈哈”类拟声词的语音段等等。具体实施时，可根据第六数目与第五数目的比值，计算所述用户对所述第一服务信息的关注度。同样可简单理解为：有用户发出声音的语音段中，出现符合第二要求的语音段越多，说明用户对屏幕当前展示的第一服务信息的关注度越高；相反并一定说明用户对屏幕当前展示的第一服务信息的关注度低。
因此，若能将第一视频信息和第一音频信息结合，评估准确度会越高。
进一步的，所述用户的行为数据还可包括：第一服务信息展示前采集到的与用户有关的第二多媒体信息。相应的，上述步骤4051应修改为4051’：
4051’、根据所述第一多媒体信息和所述第二多媒体信息，评估所述用户对所述第一服务信息的关注度。
在一种可实现的技术方案中，所述第一多媒体信息包括第一视频信息；所述第二多媒体信息包括第二视频信息。相应的，上述步骤4051’可包括：
S31、从所述第二视频信息中，获取含有所述用户影像的第二视频帧的帧数目，记为第一数目；
S32、根据含有所述用户影像的第二视频帧，统计所述用户视线方向符合第一要求的帧数目，记为第二数目；
S33、从所述第一视频信息中，获取含有所述用户影像的第一视频帧的帧数目，记为第三数目；
S34、根据含有所述用户影像的第一视频帧，统计所述用户视线方向符合第一要求的帧数目，记为第四数目；
S35、根据所述第一数目、所述第二数目、所述第三数目及所述第四数目，计算所述用户对所述第一服务信息的关注度。
例如，count11为第一数目；count12为第二数目；count21为第三数目；count22为第四数目。当count11≠0且count21≠0时，可按如下方法计算关注度interest_value：
若count22＝0，则直接令interest_value＝0；
否则，
再进一步的，所述第一多媒体信息还包括第一音频信息；所述第二多媒体信息还包括第二音频信息。相应的，相应的，上述步骤4051’还可包括：
S36、从所述第二音频信息中，获取具有所述用户声纹特征的第二语音段的段数，记为第五数目；
S37、根据具有所述用户声纹特征的第二语音段的段数目，统计符合第二要求的语音段的段数，记为第六数目；
S38、从所述第一音频信息中，获取具有所述用户声纹特征的第一语音段的段数，记为第七数目；
S39、根据具有所述用户声纹特征的第一语音段，统计符合第二要求的语音段的段数，记为第八数目；
S310、根据所述第五数目、第六数目、第七数目和第八数目，更新所述用户对所述第一服务信息的关注度。
其中，可预先配置一关注度更新计算模型，所述第五数目、第六数目、第七数目、第八数目以及所述用户对所述第一服务信息的关注度均作为该更新计算模型的输入，执行该更新计算模型即可对已有关注度进行更新。这里结合音频信息更新(可简单理解为修正)关注度，有助于提供关注度计算的准确性。；另外，更新计算模型可根据实际应用需求自定义得到，本实施例对此不作具体限定。
进一步的，本实施例提供的方法还可包括如下步骤：
406、将更新后的所述画像信息同步至大数据兴趣分布图谱中，以更新所述大数据兴趣分布图谱的相应内容。
图6为本申请一实施例提供的信息处理方法的流程示意图。本实施例提供的所述方法适于客户端。其中，所述客户端可以是集成在终端上的一个具有嵌入式程序的硬件，也可以是安装在终端中的一个应用软件，还可以是嵌入在终端操作系统中的工具软件等，本申请实施例对此不作限定。该终端可以为包括手机、平板电脑、智能穿戴设备、AR设备等任意终端设备。如图6所示，所述信息处理方法包括：
501、采集服务信息展示中的与用户有关的第一多媒体信息。
502、根据所述第一多媒体信息，确定观看所述服务信息用户对所述服务信息的关注度。
503、将所述用户对所述服务信息的关注度发送至服务端，以由所述服务端根据所述用户对所述服务信息的关注度，更新所述用户的画像信息。
上述501中，与用户有关的第一多媒体信息可由客户端设备的图像采集模块(如摄像头)采集得到。以手机为例，与用户有关的第一多媒体信息可由手机的前置摄像头采集得到。
上述502的具体实现可参见上述方法实施例中的相应内容，此处不再赘述。
本实施例提供的技术方案中，通过采集服务信息展示中与用户有关的第一多媒体信息，以根据第一多媒体信息确定观看所述服务信息用户对服务信息的关注度；进而能根据用户对服务信息的关注度来及时更新用户的画像信息；降低了对用户主动反馈的依赖性，用户画像信息更新更及时、准确。
上述502中，所述多媒体信息包括：视频信息和/或音频信息。
进一步的，本实施例提供的所述方法，还可包括如下步骤：
504、采集服务信息展示前与用户有关的第二多媒体信息。
相应的，上述步骤502应具体为：
502’、根据所述第一多媒体信息及所述第二多媒体，确定观看所述服务信息的用户对所述服务信息的关注度。
由上述各实施例提供的各方法可知，本申请提供的技术方案主要包括两个部分：第一部分是个性化推荐；第二部分是画像信息的更新。
第一部分，信息推荐
图7示出了本申请又一实施例提供的信息推荐方法的流程示意图。参见图7所示，具体描述如下：
601、客户端获取当前地理位置和时间区间。
602、客户端采集视频信息并对视频信息进行人脸检测，以检测出有人脸影像的视频帧。
603、客户端判断有人脸影像的视频帧的图像质量是否满足识别算法的要求；若满足，则执行步骤604；否则，返回步骤602，继续采集视频信息。
604、客户端提取距离采集模块最近的用户的脸部特征，将所述脸部特征数据发送至服务端。
具体实施时，可将脸部特征中的具有隐私性的信息去除后再将其发送至服务端。
605、服务端根据脸部特征识别用户的性别和年龄区间；并将脸部特征与已注册人脸库中的样本进行比对；如果已注册人脸库中有与脸部特征匹配的样本时，则执行步骤606；否则，执行步骤609。
606、服务端调取该样本对应的用户ID；并通过性别和年龄区间与该ID对应的用户信息进行二次匹配；若二次匹配成功，则确定所述用户为已注册户，并执行步骤607～608；否则，执行步骤609～610。
607、服务端调用召回算法模块，根据该用户的画像信息及该用户所处的场景信息(如地理位置信息、时间区间等)，从内容库中选出推荐候选集(例如：几百到几千个有图文或视频显示的节目)。
608、服务端对召回算法模块给出的推荐候选集内的各候选服务信息进行打分排序，选出最优的少量结果。
召回阶段得到的这些候选都是用户感兴趣的内容，但集合相对较大，而排序阶段则在此基础上进行更精准的计算，进而从成千上万的候选中选出用户最感兴趣的少量高质量内容。最终按业务需求输出需要的一个或多个推荐内容。
609、服务端为该用户完成隐式自动注册，并在此次交互过程中将该用户标记为新用户来进行后续流程。
610、服务端调用服务端的大数据统计图谱，将基于脸部特征识别的用户的性别和年龄区间、用户所处的场景信息等作为输入，推荐其最可能感兴趣的内容。
上述实施例提供的技术方案，通过对采集到的实时视频信息进行人脸识别和性别年龄判断等，自动匹配出用户身份以针对具体用户个体来进行个性化推荐。另外，在用户没有显式注册的情况下，依然可以通过采集的视频信息自动聚类让设备记住该用户，从而让个性化推荐算法的受众面更广泛、而不仅仅局限于主动注册过的用户。
第二部分2、画像信息的更新
具体流程图8所示，包括：
701、服务端为每个新用户初始化其画像信息。
具体实施时，服务端可调用大数据统计图谱，将新用户的性别、年龄区间、所处地理位置信息、时间区间作为输入，以初始化新用户的画像信息。
702、如果是主动注册的新用户，服务端需将主动注册用户选择的兴趣标签和为其初始化的画像信息进行结合。
其中，结合方法可以自行选择，一种比较简单的方式是通过加权的方式将用户选择的兴趣标签叠加到初始的个人画像信息之中。
703、客户端开启图像采集设备(如手机的前置摄像头)实时采集视频信息，并将采集到的视频信息发送至服务端。
704、服务端调用反馈模块(如图2所示)中的头部姿态估计算法，实时检测此时用户脸部朝向(例如，可由脸部相对于屏幕的角度来表征)。
具体实施时，用户脸部朝向可用三元向量(Roll，Pitch，Yaw)表示，其中，Roll，Pitch，Yaw分别代表用户脸部绕x轴、y轴、z轴旋转的角度。
705、服务端调用反馈模块(如图2所示)中的视线跟踪算法实时跟踪用户眼球动作，以分析此时用户视线是否关注在屏幕上。
706、综合用户脸部朝向和视线聚焦于屏幕的时长，评估出该用户对屏幕显示内容的关注度。
具体评估方法可根据实际诉求自定义，以下是一种方法举例：
a、在屏幕显示某内容之前，通过人体检测和人脸检测算法统计视频帧序列中有人出现的帧数目，记为：count11；
b、在屏幕显示某内容之前，统计有人出现的这些视频帧序列中视线方向与屏幕有交集的帧数目，记为count12；
c、在屏幕显示某内容的过程中，通过人体检测和人脸检测算法统计视频帧序列中有人出现的帧数目，记为：count21；
d、在屏幕显示某内容的过程中，统计有人出现的这些视频帧序列中视线方向与屏幕有交集的帧数目，记为：count22；
e、当count11≠0且count21≠0时，按如下方法统计用户对当前屏幕内容的关注度interest_value；
若count22＝0，则直接令interest_value＝0；
否则，
707、服务端根据用户对屏幕显示内容的关注度，更新该用户的画像信息。
这里需要说明的是：704～706的步骤的执行也可以是客户端，即客户端执行上述704～706的步骤得到用户对屏幕显示内容的关注度，然后，将用户对屏幕显示内容的关注度反馈至服务端，以由服务端基于该用户对屏幕显示内容的关注度，更新该用户的画像信息。
708、服务端将该用户的画像信息的更新同步反馈到大数据兴趣分布图谱中，以更新大数据兴趣分布图谱的相应内容。
上述实施例提供的技术方案，通过头部姿态估计和视线跟踪等算法实时分析此时用户视线是否关注在屏幕上，智能地评估出该用户对屏幕显示内容的关注度。在带屏智能设备上，通过在个性化推荐和获取用户反馈的双向过程中，都加入如上等一系列视觉智能分析算法，是的本申请可以解决：解决家庭场景中带屏智能硬件产品在推荐可视化内容时，用户主动反馈不足、仅靠设备被动接受用户反馈难以优化推荐模型的问题。
图9示出了本申请一实施例提供的信息推荐装置的结构框图。如图9所示，所述信息推荐装置包括：第一获取模块11、第二获取模块12及推荐模块13。其中，所述第一获取模块11用于获取用户的区别于他人的生物特征及所述用户所处的场景信息；第二获取模块12用于基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；推荐模块13用于根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
本实施例提供的技术方案中，通过获取用户的区别于他人的生物特征来识别真实用户；然后根据真实用户的关联信息及所处的场景信息来推荐服务信息；从而满足了多个用户共用一个设备时能针对每个用户进行个性化推荐的需求。另外，本实施例提供的技术方案，在推荐信息时还充分考虑了用户所处的场景信息，使得推荐信息具有与场景信息相关的辨识度，有助于提高信息推荐的准确度。
进一步的，所述生物特征包括如下中的至少一种：脸部特征、声纹、指纹。
进一步的，所述信息推荐装置还可包括：识别模块、第三获取模块及确定模块。其中，识别模块用于根据所述生物特征，识别所述用户的基本属性；所述第三获取模块用于样本库中有与所述生物特征匹配的样本时，获取匹配到的所述样本对应的用户信息；所述确定模块用于所述基本属性与所述用户信息匹配时，确定所述用户为注册用户。
进一步的，所述基本属性包括如下中的至少一种：性别、年龄区间。
进一步的，所述场景信息包括：地理位置信息和/或时间信息。
进一步的，所述关联信息为画像信息；相应的，所述推荐模块13还用于从所述画像信息中，获取所述场景信息对应的子画像；根据所述子画像，为所述用户推荐服务信息。
进一步的，所述推荐模块13，还用于基于所述生物特征确定所述用户为非注册用户时，根据所述场景信息及所述生物特征，为所述用户推荐服务信息。
进一步的，所述推荐信息13还用于：根据所述生物特征，确定所述用户所属的人群类别；根据所述人群类别及所述场景信息，为所述用户推荐所述人群类别在所述场景信息对应的场景下感兴趣的服务信息。
进一步的，本实施例提供的所述装置还包括：创建模块。该创建模块用于基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征，为所述用户创建注册账户以便收集所述用户的行为数据。
这里需要说明的是：上述实施例提供的信息推荐装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。
图10示出了本申请另一实施例提供的信息推荐装置的结构框图。如图10所示，所述信息推荐装置包括：获取模块21及发送模块22。其中，所述获取模块21用于获取用户的区别于他人的生物特征；响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息。所述发送模块22用于将所述生物特征及所述场景信息发送至服务端，以由所述服务端根据所述生物特征及所述场景信息，为所述用户推荐服务信息。
本实施例提供的技术方案中，通过获取用户的区别于他人的生物特征来识别真实用户；然后根据真实用户的关联信息及所处的场景信息来推荐服务信息；从而满足了多个用户共用一个设备时能针对每个用户进行个性化推荐的需求。另外，本实施例提供的技术方案，在推荐信息时还充分考虑了用户所处的场景信息，使得推荐信息具有与场景信息相关的辨识度，有助于提高信息推荐的准确度。
进一步的，所述获取模块21还用于采集用户的人脸图像、语音及指纹中的至少一种；根据所述人脸图像、所述语音及所述指纹中的至少一种，确定所述生物特征。
这里需要说明的是：上述实施例提供的信息推荐装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。
图11示出了本申请又一实施例提供的信息推荐装置的结构框图。如图11所示，所述信息推荐装置包括：获取模块31、构建模块32及推荐模块33。其中，所述获取模块31用于获取用户的区别于他人的生物特征及所述用户所处的场景信息；所述构建模块32用于基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征为所述用户构建关联信息；所述推荐模块33用于根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
本实施例提供的技术方案中，对于未注册的新用户来说，根据新用户的区别于他人的生物特征及该新用户所处的场景信息，为其推荐信息；从而让本实施例提供的技术方案的受众面更广泛、而不仅仅局限于已注册过的用户，从而让共用一个设备的多个用户都能享受到个性化推荐服务。
进一步的，所述构建模块32还用于根据所述生物特征，识别所述用户的基本属性；根据所述基本属性，为所述用户构建所述画像信息。
进一步的，本实施例提供的装置还包括：创建模块及更新模块。其中，创建模块用于根据所述生物特征，为所述用户创建注册账户以便收集所述用户的行为数据；所述更新模块用于根据收集到的所述用户的行为数据，更新所述画像信息。
进一步的，所述用户的行为数据包括：第一服务信息展示中采集到的与用户有关的第一多媒体信息；相应的，所述更新模块还用于：
根据所述第一多媒体信息，评估所述用户对所述第一服务信息的关注度；
根据所述用户对所述第一服务信息的关注度及所述第一服务信息的属性信息，更新所述画像信息。
进一步的，所述第一多媒体信息包括第一视频信息；相应的，所述更新模块还用于：
根据所述第一多媒体信息，评估所述用户对所述第一服务信息的关注度，包括：
根据所述第一视频信息，监测所述用户脸部朝向及视线方向；
根据所述脸部朝向及所述视线方向，评估所述用户对所述第一服务信息的关注度。
再进一步的，所述用户的行为数据还包括：第一服务信息展示前采集到的与用户有关的第二多媒体信息；相应的，所述更新模块还用于：
根据所述第一多媒体信息和所述第二多媒体信息，评估所述用户对所述第一服务信息的关注度。
进一步的，所述第一多媒体信息和所述第二多媒体信息均包括：视频信息和/或音频信息。
进一步的，所述第一多媒体信息包括第一视频信息；所述第二多媒体信息包括第二视频信息；相应的，所述更新模块还用于：
从所述第二视频信息中，获取含有所述用户影像的第二视频帧的帧数目，记为第一数目；
根据含有所述用户影像的第二视频帧，统计所述用户视线方向符合第一要求的帧数目，记为第二数目；
从所述第一视频信息中，获取含有所述用户影像的第一视频帧的帧数目，记为第三数目；
根据含有所述用户影像的第一视频帧，统计所述用户视线方向符合第一要求的帧数目，记为第四数目；
根据所述第一数目、所述第二数目、所述第三数目及所述第四数目，计算所述用户对所述第一服务信息的关注度。
进一步的，所述第一多媒体信息还包括第一音频信息；所述第二多媒体信息还包括第二音频信息，相应的，所述更新模块还用于：
从所述第二音频信息中，获取具有所述用户声纹特征的第二语音段的段数，记为第五数目；
根据具有所述用户声纹特征的第二语音段的段数目，统计符合第二要求的语音段的段数，记为第六数目；
从所述第一音频信息中，获取具有所述用户声纹特征的第一语音段的段数，记为第七数目；
根据具有所述用户声纹特征的第一语音段，统计符合第二要求的语音段的段数，记为第八数目；
根据所述第五数目、第六数目、第七数目和第八数目，更新所述用户对所述第一服务信息的关注度。
进一步的，本实施例提供的所述装置还可包括同步模块。该同步模块用于将更新后的所述画像信息同步至大数据兴趣分布图谱中，以更新所述大数据兴趣分布图谱的相应内容。
这里需要说明的是：上述实施例提供的信息推荐装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。
图12示出了本申请一实施例提供的信息处理装置的结构框图。如图12所示，所述信息处理装置包括：采集模块41、确定模块42及发送模块43。其中，所述采集模块41用于采集服务信息展示前和展示中的多媒体信息；所述确定模块42用于根据所述第一多媒体信息，确定观看所述服务信息的用户对所述服务信息的关注度。所述发送模块43用于将所述用户对所述服务信息的关注度发送至服务端，以由所述服务端根据所述用户对所述服务信息的关注度，更新所述用户的画像信息。
本申请实施例提供的技术方案中，通过采集服务信息展示中与用户有关的第一多媒体信息，以根据第一多媒体信息确定观看所述服务信息用户对服务信息的关注度；进而能根据用户对服务信息的关注度来及时更新用户的画像信息；降低了对用户主动反馈的依赖性，用户画像信息更新更及时、准确。
进一步的，所述多媒体信息包括：视频信息和/或音频信息。
这里需要说明的是：上述实施例提供的信息处理装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。
图13示出了本申请一实施例提供的电子设备的结构示意图。如图13所示，所述电子设备包括存储器51及处理器52，其中，
所述存储器51，用于存储程序；
所述处理器52，与所述存储器51耦合，用于执行所述存储器51中存储的所述程序，以用于：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；
根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
本实施例提供的技术方案中，通过获取用户的区别于他人的生物特征来识别真实用户；然后根据真实用户的关联信息及所处的场景信息来推荐服务信息；从而满足了多个用户共用一个设备时能针对每个用户进行个性化推荐的需求。另外，本实施例提供的技术方案，在推荐信息时还充分考虑了用户所处的场景信息，使得推荐信息具有与场景信息相关的辨识度，有助于提高信息推荐的准确度。
上述处理器52在执行存储器51中的程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面各实施例的描述。
进一步，如图13所示，电子设备还包括：通信组件53、显示器54、电源组件55、音频组件56等其它组件。图13中仅示意性给出部分组件，并不意味着电子设备只包括图13所示组件。
本申请一实施例提供客户端设备。本实施例提供的客户端设备的实现结构类同于上述图13所示的结构。本实施例提供的客户端设备包括：存储器及处理器，其中
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
获取用户的区别于他人的生物特征；
响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息；
将所述生物特征及所述场景信息发送至服务端，以由所述服务端根据所述生物特征及所述场景信息，为所述用户推荐服务信息。
上述处理器在执行存储器中的程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面各实施例的描述。
进一步，客户端设备还包括：通信组件、电源组件、音频组件等其它组件。
本申请另一实施例提供了一种电子设备。本本实施例提供的电子设备的实现结构类同于上述图13所示的结构。本实施例提供的电子设备包括：包括存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征为所述用户构建关联信息；
根据所述关联信息以及所述场景信息，为所述用户推荐服务信息。
本实施例提供的技术方案中，对于未注册的新用户来说，根据新用户的区别于他人的生物特征及该新用户所处的场景信息，为其推荐信息；从而让本实施例提供的技术方案的受众面更广泛、而不仅仅局限于已注册过的用户，从而让共用一个设备的多个用户都能享受到个性化推荐服务。
上述处理器在执行存储器中的程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面各实施例的描述。
进一步，电子设备还包括：通信组件、电源组件、音频组件等其它组件。
本申请另一实施例提供了一种客户端设备。本实施例提供的客户端设备的实现结构类同于上述图13所示的结构。本实施例提供的客户端设备包括：存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
采集服务信息展示中与用户有关的第一多媒体信息；
根据所述第一多媒体信息，确定观看所述服务信息的用户对所述服务信息的关注度；
将所述用户对所述服务信息的关注度发送至服务端，以由所述服务端根据所述用户对所述服务信息的关注度，更新所述用户的画像信息。
本实施例提供的技术方案中，通过采集服务信息展示中与用户有关的第一多媒体信息，以根据第一多媒体信息确定观看所述服务信息用户对服务信息的关注度；进而能根据用户对服务信息的关注度来及时更新用户的画像信息；降低了对用户主动反馈的依赖性，用户画像信息更新更及时、准确。
上述处理器在执行存储器中的程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面各实施例的描述。
进一步，客户端设备还包括：通信组件、电源组件、音频组件等其它组件。
上述各实施例中的存储器可被配置为存储其它各种数据以支持在客户端设备上的操作。这些数据的示例包括用于在客户端设备上操作的任何应用程序或方法的指令。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时能够实现上述各实施例提供的信息推荐方法步骤或功能。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时能够实现上述各实施例提供的信息处理方法步骤或功能。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。
Claims (29)
1.一种信息推荐方法，其特征在于，包括：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；
根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
2.根据权利要求1所述的方法，其特征在于，所述生物特征包括如下中的至少一种：脸部特征、声纹、指纹。
3.根据权利要求1所述的方法，其特征在于，还包括：
根据所述生物特征，识别所述用户的基本属性；
样本库中有与所述生物特征匹配的样本时，获取匹配到的所述样本对应的用户信息；
所述基本属性与所述用户信息匹配时，确定所述用户为注册用户。
4.根据权利要求3所述的方法，其特征在于，所述基本属性包括如下中的至少一种：性别、年龄区间。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述场景信息包括：地理位置信息和/或时间区间。
6.根据权利要求1至4中任一项所述的方法，其特征在于，所述关联信息为画像信息；以及
根据所述关联信息及所述场景信息，为所述用户推荐服务信息，包括：
从所述画像信息中，获取所述场景信息对应的子画像；
根据所述子画像，为所述用户推荐服务信息。
7.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：
基于所述生物特征确定所述用户为非注册用户时，根据所述场景信息及所述生物特征，为所述用户推荐服务信息。
8.根据权利要求7所述的方法，其特征在于，根据所述场景信息及所述生物特征，为所述用户推荐服务信息，包括：
根据所述生物特征，确定所述用户所属的人群类别；
根据所述人群类别及所述场景信息，为所述用户推荐所述人群类别在所述场景信息对应的场景下感兴趣的服务信息。
9.根据权利要求7所述的方法，其特征在于，还包括：
基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征，为所述用户创建注册账户以便收集所述用户的行为数据。
10.一种信息推荐方法，其特征在于，包括：
获取用户的区别于他人的生物特征；
响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息；
将所述生物特征及所述场景信息发送至服务端，以由所述服务端根据所述生物特征及所述场景信息，为所述用户推荐服务信息。
11.根据权利要求要求10所述的信息推荐方法，其特征在于，获取用户的区别于他人的生物特征，包括：
采集用户的人脸图像、语音及指纹中的至少一种；
根据所述人脸图像、所述语音及所述指纹中的至少一种，确定所述生物特征。
12.一种信息推荐系统，其特征在于，包括：
客户端，用于获取用户的区别于他人的生物特征；响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息；将所述生物特征及所述场景信息发送至服务端；
服务端，用于基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
13.根据权利要求12所述的系统，其特征在于，
所述服务端，还用于基于所述生物特征确定所述用户为非注册用户时，根据所述场景信息及所述生物特征，为所述用户推荐服务信息。
14.一种信息推荐方法，其特征在于，包括：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征为所述用户构建关联信息；
根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
15.根据权利要求14所述的方法，其特征在于，根据所述生物特征为所述用户构建画像信息，包括：
根据所述生物特征，识别所述用户的基本属性；
根据所述基本属性，为所述用户构建所述关联信息。
16.根据权利要求14所述的方法，其特征在于，所述关联信息为画像信息，以及
所述方法还包括：
根据所述生物特征，为所述用户创建注册账户以便收集所述用户的行为数据；
根据收集到的所述用户的行为数据，更新所述画像信息。
17.根据权利要求16所述的方法，其特征在于，所述用户的行为数据包括：第一服务信息展示中采集到的与用户有关的第一多媒体信息；以及
根据收集到的所述用户的行为数据，更新所述画像信息，包括：
根据所述第一多媒体信息，评估所述用户对所述第一服务信息的关注度；
根据所述用户对所述第一服务信息的关注度及所述第一服务信息的属性信息，更新所述画像信息。
18.根据权利要求17所述的方法，其特征在于，所述第一多媒体信息包括第一视频信息，以及
根据所述第一多媒体信息，评估所述用户对所述第一服务信息的关注度，包括：
根据所述第一视频信息，监测所述用户脸部朝向及视线方向；
根据所述脸部朝向及所述视线方向，评估所述用户对所述第一服务信息的关注度。
19.根据权利要求17所述的方法，其特征在于，所述用户的行为数据还包括：第一服务信息展示前采集到的与用户有关的第二多媒体信息；以及
根据所述第一多媒体信息，评估所述用户对所述第一服务信息的关注度，包括：
根据所述第一多媒体信息和所述第二多媒体信息，评估所述用户对所述第一服务信息的关注度。
20.根据权利要求19所述的方法，其特征在于，所述第一多媒体信息包括第一视频信息；所述第二多媒体信息包括第二视频信息，以及
根据所述第一多媒体信息和所述第二多媒体信息，评估所述用户对所述第一服务信息的关注度，包括：
从所述第二视频信息中，获取含有所述用户影像的第二视频帧的帧数目，记为第一数目；
根据含有所述用户影像的第二视频帧，统计所述用户视线方向符合第一要求的帧数目，记为第二数目；
从所述第一视频信息中，获取含有所述用户影像的第一视频帧的帧数目，记为第三数目；
根据含有所述用户影像的第一视频帧，统计所述用户视线方向符合第一要求的帧数目，记为第四数目；
根据所述第一数目、所述第二数目、所述第三数目及所述第四数目，计算所述用户对所述第一服务信息的关注度。
21.根据权利要求20所述的方法，其特征在于，所述第一多媒体信息还包括第一音频信息；所述第二多媒体信息还包括第二音频信息，以及
根据所述第一多媒体信息和所述第二多媒体信息，评估所述用户对所述第一服务信息的关注度，包括：
从所述第二音频信息中，获取具有所述用户声纹特征的第二语音段的段数，记为第五数目；
根据具有所述用户声纹特征的第二语音段的段数目，统计符合第二要求的语音段的段数，记为第六数目；
从所述第一音频信息中，获取具有所述用户声纹特征的第一语音段的段数，记为第七数目；
根据具有所述用户声纹特征的第一语音段，统计符合第二要求的语音段的段数，记为第八数目；
根据所述第五数目、第六数目、第七数目和第八数目，更新所述用户对所述第一服务信息的关注度。
22.根据权利要求16至21中任一项所述的方法，其特征在于，还包括：
将更新后的所述画像信息同步至大数据兴趣分布图谱中，以更新所述大数据兴趣分布图谱的相应内容。
23.一种信息处理方法，其特征在于，包括：
采集服务信息展示中与用户有关的第一多媒体信息；
根据所述第一多媒体信息，确定观看所述服务信息的用户对所述服务信息的关注度；
将所述用户对所述服务信息的关注度发送至服务端，以由所述服务端根据所述用户对所述服务信息的关注度，更新所述用户的画像信息。
24.根据权利要求23所述的方法，其特征在于，还包括：
采集服务信息展示前与用户有关的第二多媒体信息；
以及根据所述第一多媒体信息，确定观看所述服务信息的用户对所述服务信息的关注度，包括：
根据所述第一多媒体信息及所述第二多媒体，确定观看所述服务信息的用户对所述服务信息的关注度。
25.根据权利要求23或24所述的方法，其特征在于，所述多媒体信息包括：视频信息和/或音频信息。
26.一种电子设备，其特征在于，包括存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为注册用户时，获取与所述用户相关的关联信息；
根据所述关联信息及所述场景信息，为所述用户推荐服务信息。
27.一种客户端设备，其特征在于，包括存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
获取用户的区别于他人的生物特征；
响应于所述用户触发的信息获取请求，获取触发所述请求时的场景信息；
将所述生物特征及所述场景信息发送至服务端，以由所述服务端根据所述生物特征及所述场景信息，为所述用户推荐服务信息。
28.一种电子设备，其特征在于，包括存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
获取用户的区别于他人的生物特征及所述用户所处的场景信息；
基于所述生物特征确定所述用户为非注册用户时，根据所述生物特征为所述用户构建关联信息；
根据所述关联信息以及所述场景信息，为所述用户推荐服务信息。
29.一种客户端设备，其特征在于，包括存储器及处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：
采集服务信息展示中与用户有关的第一多媒体信息；
根据所述第一多媒体信息，确定观看所述服务信息的用户对所述服务信息的关注度；
将所述用户对所述服务信息的关注度发送至服务端，以由所述服务端根据所述用户对所述服务信息的关注度，更新所述用户的画像信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811512112.XA CN111310019B (zh) | 2018-12-11 | 2018-12-11 | 信息推荐方法、信息处理方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811512112.XA CN111310019B (zh) | 2018-12-11 | 2018-12-11 | 信息推荐方法、信息处理方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111310019A true CN111310019A (zh) | 2020-06-19 |
| CN111310019B CN111310019B (zh) | 2023-10-20 |
Family
ID=71144617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811512112.XA Active CN111310019B (zh) | 2018-12-11 | 2018-12-11 | 信息推荐方法、信息处理方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111310019B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797133A (zh) * | 2020-06-22 | 2020-10-20 | 重庆跃途科技有限公司 | 一种基于智能感知技术的信息发布系统 |
| CN111984874A (zh) * | 2020-08-26 | 2020-11-24 | 河南科技大学 | 一种融合情感计算和网络众包的并行推荐方法 |
| CN112069418A (zh) * | 2020-08-26 | 2020-12-11 | 北京百度网讯科技有限公司 | 一种功能推荐方法、装置、电子设备及存储介质 |
| CN112089115A (zh) * | 2020-08-14 | 2020-12-18 | 深圳市国科瑞芯科技有限公司 | 加热不燃烧式烟草制品管理系统、信息处理方法及设备 |
| CN112102037A (zh) * | 2020-09-16 | 2020-12-18 | 汤涛 | 一种基于大数据的直播电商平台商品内容智能推送管理系统 |
| CN112487296A (zh) * | 2020-12-07 | 2021-03-12 | 南京酷沃智行科技有限公司 | 基于账号系统的个性化智能车机系统、实现方法及车辆 |
| CN113297953A (zh) * | 2021-05-21 | 2021-08-24 | 北京读我网络技术有限公司 | 信息处理方法、装置、电子设备和存储介质 |
| CN113434186A (zh) * | 2021-07-13 | 2021-09-24 | 支付宝(杭州)信息技术有限公司 | 用于推荐应用程序的方法和装置 |
| CN113673431A (zh) * | 2021-08-20 | 2021-11-19 | 安徽江淮汽车集团股份有限公司 | 主动提供个性化场景服务的方法 |
| CN113704605A (zh) * | 2021-08-24 | 2021-11-26 | 山东库睿科技有限公司 | 服务信息的推荐方法、装置、电子设备和介质 |
| CN113742599A (zh) * | 2021-11-05 | 2021-12-03 | 太平金融科技服务(上海)有限公司深圳分公司 | 内容推荐方法、装置、设备及计算机可读存储介质 |
| CN113792213A (zh) * | 2021-09-07 | 2021-12-14 | 东风汽车有限公司东风日产乘用车公司 | 服务推荐方法、装置、设备及存储介质 |
| CN113902596A (zh) * | 2021-09-17 | 2022-01-07 | 广州认真教育科技有限公司 | 一种利用信息匹配的课后服务方法及系统 |
| CN114143608A (zh) * | 2021-11-05 | 2022-03-04 | 深圳Tcl新技术有限公司 | 内容推荐方法、装置、计算机设备及可读存储介质 |
| CN115577140A (zh) * | 2022-09-16 | 2023-01-06 | 广州汽车集团股份有限公司 | 视频推荐方法、装置、车辆及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101114339A (zh) * | 2007-07-17 | 2008-01-30 | 李东亚 | 一种可视媒体受众信息反馈系统和方法 |
| CN103440038A (zh) * | 2013-08-28 | 2013-12-11 | 中国人民大学 | 一种基于眼部识别的信息采集系统及其应用 |
| CN104680131A (zh) * | 2015-01-29 | 2015-06-03 | 深圳云天励飞技术有限公司 | 基于身份证件信息和人脸多重特征识别的身份验证方法 |
| CN105335369A (zh) * | 2014-06-11 | 2016-02-17 | 数伦计算机技术（上海）有限公司 | 计算机用户兴趣点反馈系统及反馈方法 |
| CN106296264A (zh) * | 2016-07-28 | 2017-01-04 | 河海大学常州校区 | 一种基于人脸识别的智能广告推送系统 |
| US20170169341A1 (en) * | 2015-12-14 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method for intelligent recommendation |
| CN106982391A (zh) * | 2016-01-19 | 2017-07-25 | 中国移动通信集团公司 | 一种信息推送方法、终端、服务器及系统 |
| CN107784092A (zh) * | 2017-10-11 | 2018-03-09 | 深圳市金立通信设备有限公司 | 一种推荐热词的方法、服务器及计算机可读介质 |
| CN107918649A (zh) * | 2017-11-13 | 2018-04-17 | 百度在线网络技术（北京）有限公司 | 信息推荐和搜索方法、装置、设备及计算机可读介质 |
| CN108075892A (zh) * | 2016-11-09 | 2018-05-25 | 阿里巴巴集团控股有限公司 | 一种语音处理的方法、装置和设备 |
| CN108495143A (zh) * | 2018-03-30 | 2018-09-04 | 百度在线网络技术（北京）有限公司 | 视频推荐的方法和装置 |
-
2018
- 2018-12-11 CN CN201811512112.XA patent/CN111310019B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101114339A (zh) * | 2007-07-17 | 2008-01-30 | 李东亚 | 一种可视媒体受众信息反馈系统和方法 |
| CN103440038A (zh) * | 2013-08-28 | 2013-12-11 | 中国人民大学 | 一种基于眼部识别的信息采集系统及其应用 |
| CN105335369A (zh) * | 2014-06-11 | 2016-02-17 | 数伦计算机技术（上海）有限公司 | 计算机用户兴趣点反馈系统及反馈方法 |
| CN104680131A (zh) * | 2015-01-29 | 2015-06-03 | 深圳云天励飞技术有限公司 | 基于身份证件信息和人脸多重特征识别的身份验证方法 |
| US20170169341A1 (en) * | 2015-12-14 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method for intelligent recommendation |
| CN106982391A (zh) * | 2016-01-19 | 2017-07-25 | 中国移动通信集团公司 | 一种信息推送方法、终端、服务器及系统 |
| CN106296264A (zh) * | 2016-07-28 | 2017-01-04 | 河海大学常州校区 | 一种基于人脸识别的智能广告推送系统 |
| CN108075892A (zh) * | 2016-11-09 | 2018-05-25 | 阿里巴巴集团控股有限公司 | 一种语音处理的方法、装置和设备 |
| CN107784092A (zh) * | 2017-10-11 | 2018-03-09 | 深圳市金立通信设备有限公司 | 一种推荐热词的方法、服务器及计算机可读介质 |
| CN107918649A (zh) * | 2017-11-13 | 2018-04-17 | 百度在线网络技术（北京）有限公司 | 信息推荐和搜索方法、装置、设备及计算机可读介质 |
| CN108495143A (zh) * | 2018-03-30 | 2018-09-04 | 百度在线网络技术（北京）有限公司 | 视频推荐的方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 王成舜;陈毓芬;郑束蕾;王双;: "基于眼动数据的网络地图界面用户兴趣分析方法", 地理与地理信息科学, no. 02 * |
| 黄丽;石松芳;: "基于用户关注度的个性化推荐系统研究", 软件导刊, no. 05 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797133A (zh) * | 2020-06-22 | 2020-10-20 | 重庆跃途科技有限公司 | 一种基于智能感知技术的信息发布系统 |
| CN112089115B (zh) * | 2020-08-14 | 2022-07-05 | 深圳市国科瑞芯科技有限公司 | 加热不燃烧式烟草制品管理系统、信息处理方法及设备 |
| CN112089115A (zh) * | 2020-08-14 | 2020-12-18 | 深圳市国科瑞芯科技有限公司 | 加热不燃烧式烟草制品管理系统、信息处理方法及设备 |
| CN111984874A (zh) * | 2020-08-26 | 2020-11-24 | 河南科技大学 | 一种融合情感计算和网络众包的并行推荐方法 |
| CN112069418A (zh) * | 2020-08-26 | 2020-12-11 | 北京百度网讯科技有限公司 | 一种功能推荐方法、装置、电子设备及存储介质 |
| CN111984874B (zh) * | 2020-08-26 | 2022-07-22 | 河南科技大学 | 一种融合情感计算和网络众包的并行推荐方法 |
| CN112102037A (zh) * | 2020-09-16 | 2020-12-18 | 汤涛 | 一种基于大数据的直播电商平台商品内容智能推送管理系统 |
| CN112487296A (zh) * | 2020-12-07 | 2021-03-12 | 南京酷沃智行科技有限公司 | 基于账号系统的个性化智能车机系统、实现方法及车辆 |
| CN113297953A (zh) * | 2021-05-21 | 2021-08-24 | 北京读我网络技术有限公司 | 信息处理方法、装置、电子设备和存储介质 |
| CN113434186A (zh) * | 2021-07-13 | 2021-09-24 | 支付宝(杭州)信息技术有限公司 | 用于推荐应用程序的方法和装置 |
| CN113673431A (zh) * | 2021-08-20 | 2021-11-19 | 安徽江淮汽车集团股份有限公司 | 主动提供个性化场景服务的方法 |
| CN113704605A (zh) * | 2021-08-24 | 2021-11-26 | 山东库睿科技有限公司 | 服务信息的推荐方法、装置、电子设备和介质 |
| CN113792213A (zh) * | 2021-09-07 | 2021-12-14 | 东风汽车有限公司东风日产乘用车公司 | 服务推荐方法、装置、设备及存储介质 |
| CN113902596A (zh) * | 2021-09-17 | 2022-01-07 | 广州认真教育科技有限公司 | 一种利用信息匹配的课后服务方法及系统 |
| CN114143608A (zh) * | 2021-11-05 | 2022-03-04 | 深圳Tcl新技术有限公司 | 内容推荐方法、装置、计算机设备及可读存储介质 |
| CN113742599A (zh) * | 2021-11-05 | 2021-12-03 | 太平金融科技服务(上海)有限公司深圳分公司 | 内容推荐方法、装置、设备及计算机可读存储介质 |
| CN115577140A (zh) * | 2022-09-16 | 2023-01-06 | 广州汽车集团股份有限公司 | 视频推荐方法、装置、车辆及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111310019B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111310019B (zh) | 信息推荐方法、信息处理方法、系统及设备 | |
| CN109547814B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
| US20170289619A1 (en) | Method for positioning video, terminal apparatus and cloud server | |
| CN111444428A (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
| US9026476B2 (en) | System and method for personalized media rating and related emotional profile analytics | |
| CN109558535B (zh) | 基于人脸识别的个性化推送物品的方法及系统 | |
| CN110519617A (zh) | 视频评论处理方法、装置、计算机设备及存储介质 | |
| CN109688479B (zh) | 一种弹幕显示方法、弹幕显示装置和弹幕显示服务器 | |
| CN110941764A (zh) | 对象推荐方法、装置、计算机设备和存储介质 | |
| CN111708941A (zh) | 内容推荐方法、装置、计算机设备和存储介质 | |
| US9489626B2 (en) | Systems and methods for identifying and notifying users of electronic content based on biometric recognition | |
| CN110175223A (zh) | 一种实现问题生成的方法及装置 | |
| CN112364234B (zh) | 一种在线讨论的自动分组系统 | |
| CN107894998A (zh) | 视频推荐方法及装置 | |
| CN110929158A (zh) | 一种内容推荐方法、系统及存储介质和终端设备 | |
| CN111858969B (zh) | 多媒体数据推荐方法、装置、计算机设备和存储介质 | |
| CN111597446A (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
| KR20220135150A (ko) | 사용자 맞춤형 문화 예술 컨텐츠 큐레이션을 제공하고, 사용자와 함께 관람할 메이트를 추천하기 위한 방법 및 장치 | |
| KR102449602B1 (ko) | 멀티미디어 콘텐츠 내 상품 정보 처리 장치 및 그 방법 | |
| KR102522989B1 (ko) | 멀티미디어 콘텐츠 내 상품 정보 제공 장치 및 방법 | |
| CN113836388A (zh) | 信息推荐方法、装置、服务器及存储介质 | |
| CN113407772B (zh) | 视频推荐模型的生成方法、视频推荐方法、装置 | |
| CN114399354A (zh) | 一种商品推荐方法、装置、终端设备和存储介质 | |
| CN112115231A (zh) | 一种数据处理方法及装置 | |
| CN117651165B (zh) | 基于客户数据的视频推荐方法及装置 |
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 |