CN112053205A - 通过机器人情绪识别的产品推荐方法及装置 - Google Patents
通过机器人情绪识别的产品推荐方法及装置 Download PDFInfo
- Publication number
- CN112053205A CN112053205A CN202010853597.XA CN202010853597A CN112053205A CN 112053205 A CN112053205 A CN 112053205A CN 202010853597 A CN202010853597 A CN 202010853597A CN 112053205 A CN112053205 A CN 112053205A
- Authority
- CN
- China
- Prior art keywords
- emotion
- user
- term
- comprehensive
- robot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000008909 emotion recognition Effects 0.000 title claims abstract description 26
- 230000008451 emotion Effects 0.000 claims abstract description 216
- 230000007774 longterm Effects 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 230000014509 gene expression Effects 0.000 claims description 20
- 230000001815 facial effect Effects 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010012374 Depressed mood Diseases 0.000 description 1
- 238000012351 Integrated analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种通过机器人情绪识别的产品推荐方法及装置,本申请的方法包括根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;基于所述用户的历史情绪数据,得到所述用户的长期情绪;将短期情绪和长期情绪进行加权计算得到综合情绪;基于所述综合情绪以及所述用户的购买记录进行产品的推荐。本申请是为了提供一种更精准的基于机器人进行产品推荐的方式。
Description
技术领域
本申请涉及机器人技术领域,具体而言,涉及一种通过机器人情绪识别的产品推荐方法及装置。
背景技术
随着机器人技术的快速发展,通过机器人进行产品的推荐方式也开始应运而生,目前基于机器人进行推荐的方式主要为,通过机器人获取用户人脸图像,然后根据用户人脸图像进行图像识别获取用户的基本属性信息,然后再根据用户的基本属性信息(比如年龄、性别、着装、发型等)以及基本属性信息产品标签之间的映射关系,确定要推荐的产品进行推荐。
发明人在使用现有的方式进行产品或者产品推荐时发现,现有的机器人推荐方式,仅根据用户的属性信息进行推荐,然而用户在选择产品时会受到多种信息的影响,仅根据用户的基本属性信息进行产品的推荐,导致推荐的不精准。
发明内容
本申请的主要目的在于提供一种通过机器人情绪识别的产品推荐方法及装置,以提供一种更精准的基于机器人进行产品推荐的方式。
为了实现上述目的,根据本申请的第一方面,提供了一种通过机器人情绪识别的产品推荐方法。
根据本申请的通过机器人情绪识别的产品推荐方法包括:
根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;
基于所述用户的历史情绪数据,得到所述用户的长期情绪;
将短期情绪和长期情绪进行加权计算得到综合情绪;
基于所述综合情绪以及所述用户的购买记录进行产品的推荐。
可选的,所述根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪包括:
获取用户人脸图像,并对所述用户人脸图像进行表情识别;
获取机器人与用户的对话信息,并基于所述对话信息进行第一情绪的识别,所述用户与所述用户人脸图像对应的用户;
将识别的表情和识别的第一情绪进行加权计算得到所述用户的短期情绪。
可选的,所述基于所述综合情绪以及所述用户的购买记录进行产品的推荐包括:
根据所述综合情绪匹配出所述综合情绪对应的产品;
通过所述购买记录对匹配出的产品进行筛选得到待推荐产品;
将所述待推荐产品按照预设规则进行推荐。
可选的,所述根据所述综合情绪匹配出所述综合情绪对应的产品包括:
将所述综合情绪输入到timeSVDi++推荐模型中,输出与所述综合情绪对应的产品。
可选的,所述基于所述对话信息进行第一情绪的识别包括:
将所述对话信息输入到深度学习SS-LSTM模型中,得到所述第一情绪。
可选的,所述将所述待推荐产品按照预设规则进行推荐还包括:
根据所述综合情绪从数据库中获取对应的推荐话术;
结合所述推荐话术将所述待推荐产品按照预设规则进行推荐。
为了实现上述目的,根据本申请的第二方面,提供了一种通过机器人情绪识别的产品推荐装置。
根据本申请的通过机器人情绪识别的产品推荐装置包括:
数据采集单元,用于获取用户的人脸图像和/或机器人与用户的对话信息;
短期情绪确定单元,用于根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;
长期情绪确定单元,用于基于所述用户的历史情绪数据,得到所述用户的长期情绪;
综合计算单元,用于将短期情绪和长期情绪进行加权计算得到综合情绪;
推荐单元,用于基于所述综合情绪以及所述用户的购买记录进行产品的推荐。
可选的,所述短期情绪确定单元包括:
人脸图像处理模块,用于获取用户人脸图像,并对所述用户人脸图像进行表情识别;
对话信息处理模块,用于获取机器人与用户的对话信息,并基于所述对话信息进行第一情绪的识别,所述用户与所述用户人脸图像对应的用户;
计算模块,用于将识别的表情和识别的第一情绪进行加权计算得到所述用户的短期情绪。
可选的,所述推荐单元包括:
匹配模块,用于根据所述综合情绪匹配出所述综合情绪对应的产品;
筛选模块,用于通过所述购买记录对匹配出的产品进行筛选得到待推荐产品;
推荐模块,用于将所述待推荐产品按照预设规则进行推荐。
可选的,所述匹配模块,用于将所述综合情绪输入到timeSVDi++推荐模型中,输出与所述综合情绪对应的产品。
可选的,所述对话信息处理模块还用于:
将所述对话信息输入到深度学习SS-LSTM模型中,得到所述第一情绪。
可选的,所述推荐模块还用于:
根据所述综合情绪从数据库中获取对应的推荐话术;
结合所述推荐话术将所述待推荐产品按照预设规则进行推荐。
为了实现上述目的,根据本申请的第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行上述第一方面中任意一项所述的通过机器人情绪识别的产品推荐方法。
为了实现上述目的,根据本申请的第四方面,提供了一种机器人,包括:摄像头、语音设备、至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行上述第一方面中任意一项所述的通过机器人情绪识别的产品推荐方法。
在本申请实施例中,通过机器人情绪识别的产品推荐方法及装置中,首先,根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;其次,基于所述用户的历史情绪数据,得到所述用户的长期情绪;并将短期情绪和长期情绪进行加权计算得到综合情绪;最后,基于所述综合情绪以及所述用户的购买记录进行产品的推荐。可以看出,将本实施例的推荐方式应用到机器人推荐产品中,可以结合人脸图像、对话信息进行短期情绪的确定,然后根据历史数据还可以得到长期情绪,再将短期情绪和长期情绪得到一个用户的综合情绪,最后根据综合情绪再结合历史的购买记录进行产品的推荐,整个推荐流程中涉及了人脸图像、对话信息、短期情绪、长期情绪、综合情绪、购买记录等更多的影响用户对产品需求的因素,相比于现有的推荐方式更精准。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的一种通过机器人情绪识别的产品推荐方法流程图;
图2是根据本申请实施例提供的一种通过机器人情绪识别的产品推荐装置的组成框图;
图3是根据本申请实施例提供的另一种通过机器人情绪识别的产品推荐装置的组成框图。
具体实施方式
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,显然,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本申请实施例,提供了一种通过机器人情绪识别的产品推荐方法,如图1所示,该方法包括如下的步骤:
S101.根据用户的人脸图像以及与用户与机器人的对话信息确定用户的短期情绪。
通过机器人上的摄像头获取人脸图像,通过语音视听等设备获取机器人与用户的对话信息。不管是人脸图像还是对话信息都是当前的信息,机器人获取这两类信息后进行处理。具体的通过对人脸图像的识别进行用户的表情的确定,其中识别可以利用现有的任意的基于人脸进行表情识别的算法模型实现,本实施例不作限制。具体的通过对对话信息进行处理,识别出用户的第一情绪,其中第一情绪的识别方式为基于深度学习对自然语言进行处理得到人的情绪。本实实施例给出一种基于深度学习对自然语言进行处理得到人的情绪,即基于深度学习SS-LSTM模型对对话信息进行处理,得到第一情绪。SS-LSTM的定义:将大量的数据和适当的标签作为机器学习解决方案的两个“训练轮”。将解决方案称为“情绪和语义长短期记忆模型(SS-LSTM)”。该深度学习模式结合了语义和情感指标,根据它们传达的情感来对文本对话进行分类,即该模型能够通过结合语义和情绪指标来检测情绪。换句话说,模型只是“理解”了比其他模型更深层次的对话。
“根据用户的人脸图像以及与用户与机器人的对话信息确定用户的短期情绪”即根据人脸图像识别的表情和对话信息识别的第一情绪进行加权计算得到用户的短期情绪。在加权计算时,需要将表情和第一情绪进行矩阵或者数字化统一处理,然后根据预设的权重值对其进行加权计算,根据计算的结果确定短期情绪。其中,预设的权重值在实际应用可以适应性的调整,也可以将其设置为可以动态调整的参数,根据不同的性别或者年龄等进行权重值的动态调整。
S102.基于用户的历史情绪数据,得到用户的长期情绪。
用户的的长期情绪是相对于S101中短期情绪是一个较为稳定的情绪。用户的历史情绪数据包括,机器人每一次与该用户进行交互时所得到的人脸图像、对话信息、表情、第一情绪、短期情绪中的一种或多种信息。然后将该用户所有的历史情绪数据或者一段时间内的历史情绪数据进行综合分析得到的。具体的,综合分析可以根据一种或者多种信息进行分析。比如可以根据历史中的短期情绪确定长期情绪,具体的可以选择所有的短期情绪中出现概率最高的情绪作为长期情绪;或者根据短期情绪和人脸信息进行综合分析确定长期情绪,具体的可以先选择所有的短期情绪中出现概率最高的情绪作为长期情绪的初判,然后再对该用户的人脸图像进行分析并验证,如果验证成功则将初判的长期情绪作为最终的长期情绪,若验证失败,则可以用人脸图像的分析结果对初判的长期情绪进行修正得到最终的长期情绪。其中,对人脸图像分析时,可以对人脸图像进行分类,比如按照嘴巴或者眼睛或者眉毛的形态进行分类,不同的形态可以对应不同的表情,将人脸图像数量最多的类型对应的表情结果作为人脸图像分析结果。验证成功,表示人脸图像的分析结果与初判的长期情绪是相同或相似的。比如表情是笑,长期情绪也是开心,开朗。需要说明的是,长期情绪主要是表现用户长期的稳定的情绪,即性格的用户标签或属性。
S103.将短期情绪和长期情绪进行加权计算得到综合情绪。
将短期情绪和长期情绪进行矩阵或者数字化统一处理,然后根据预设的权重值对其进行加权计算,根据计算的结果确定短期情绪。其中,预设的权重值在实际应用可以适应性的调整,也可以将其设置为可以动态调整的参数,根据不同用户历史数量的多少(历史数量越多,长期情绪的权重值可以越大)或者用户的年龄(年龄越大,长期情绪的权重值可以越大)或者性别(若为男性,长期情绪的权重值可以越大)等进行权重值的动态调整。需要说明的,该步骤中的权重值与步骤S101中计算短期情绪时的权重值可以相同也可以不同。
S104.基于综合情绪以及用户的购买记录进行产品的推荐。
具体的,“基于综合情绪以及用户的购买记录进行产品的推荐”包括如下步骤:
首先,根据综合情绪匹配出综合情绪对应的产品;
匹配过程为,将综合情绪输入到timeSVDi++推荐模型中,输出与综合情绪对应的产品。timeSVDi++推荐模型是时间动态协同过滤推荐算法,是时间感知的隐因子模型。timeSVDi++推荐模型是根据大量的综合情绪以及对应的产品为样本训练得到的。不同产品为其标注不同的综合情绪标签,建立综合情绪与产品之间的关联。timeSVDi++推荐模型的输入为综合情绪或综合情绪的标识或者标签信息,输出为产品或产品的标识信息。其中,在实际应用中,timeSVDi++推荐模型还可以为现有的其他任意的推荐模型。
其次,通过购买记录对匹配出的产品进行筛选得到待推荐产品;
通过推荐模型的推荐可能得到多种产品,为了进行精准的推荐,可以结合用户的购买记录进行产品的筛选得到待推荐产品。
最后,将待推荐产品按照预设规则进行推荐。
预设规则可以为根据购买的次数多少或者整体的销量多少或者价格的高低或者类型进行排序,然后按照确定的顺序向用户推荐。
另外,对于本实施例中的通过机器人情绪识别的产品推荐方法中,所有的人脸图像、表情、第一情绪、短期情绪、长期情绪等都是针对同一用户的,在方法实施时,需要通过用户的标识进行关联对应。
从以上的描述中,可以看出,本申请实施例的通过机器人情绪识别的产品推荐方法中,首先,根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;其次,基于所述用户的历史情绪数据,得到所述用户的长期情绪;并将短期情绪和长期情绪进行加权计算得到综合情绪;最后,基于所述综合情绪以及所述用户的购买记录进行产品的推荐。可以看出,将本实施例的推荐方式应用到机器人推荐产品中,可以结合人脸图像、对话信息进行短期情绪的确定,然后根据历史数据还可以得到长期情绪,再将短期情绪和长期情绪得到一个用户的综合情绪,最后根据综合情绪再结合历史的购买记录进行产品的推荐,整个推荐流程中涉及了人脸图像、对话信息、短期情绪、长期情绪、综合情绪、购买记录等更多的影响用户对产品需求的因素,相比于现有的推荐方式更精准。
进一步,在机器人向用户进行产品的推荐时,还包括根据综合情绪从数据库中获取对应的推荐话术;结合推荐话术将待推荐产品按照预设规则进行推荐。比如,用户情绪低落时,推荐的产品为可乐,对应的推荐话术可以为“喝瓶可乐,乐一乐”等。
本申请中的通过机器人情绪识别的产品推荐可以应用到酒店,增加智能化入住体验,升级用户体验,以及通过提升客人的满意度,从而增加客人的复购率,增加酒店收入。也可以推广应用到商场、饭店等商业场景中。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本申请实施例,还提供了一种用于实施上述图1所述方法的通过机器人情绪识别的产品推荐装置,如图2所示,该装置包括:
数据采集单元21,用于获取用户的人脸图像和/或机器人与用户的对话信息;
短期情绪确定单元22,用于根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;
长期情绪确定单元23,用于基于所述用户的历史情绪数据,得到所述用户的长期情绪;
综合计算单元24,用于将短期情绪和长期情绪进行加权计算得到综合情绪;
推荐单元25,用于基于所述综合情绪以及所述用户的购买记录进行产品的推荐。
从以上的描述中,可以看出,本申请实施例的通过机器人情绪识别的产品推荐装置中,首先,根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;其次,基于所述用户的历史情绪数据,得到所述用户的长期情绪;并将短期情绪和长期情绪进行加权计算得到综合情绪;最后,基于所述综合情绪以及所述用户的购买记录进行产品的推荐。可以看出,将本实施例的推荐方式应用到机器人推荐产品中,可以结合人脸图像、对话信息进行短期情绪的确定,然后根据历史数据还可以得到长期情绪,再将短期情绪和长期情绪得到一个用户的综合情绪,最后根据综合情绪再结合历史的购买记录进行产品的推荐,整个推荐流程中涉及了人脸图像、对话信息、短期情绪、长期情绪、综合情绪、购买记录等更多的影响用户对产品需求的因素,相比于现有的推荐方式更精准。
进一步的,如图3所示,所述短期情绪确定单元22包括:
人脸图像处理模块221,用于获取用户人脸图像,并对所述用户人脸图像进行表情识别;
对话信息处理模块222,用于获取机器人与用户的对话信息,并基于所述对话信息进行第一情绪的识别,所述用户与所述用户人脸图像对应的用户;
计算模块223,用于将识别的表情和识别的第一情绪进行加权计算得到所述用户的短期情绪。
进一步的,如图3所示,所述推荐单元25包括:
匹配模块251,用于根据所述综合情绪匹配出所述综合情绪对应的产品;
筛选模块252,用于通过所述购买记录对匹配出的产品进行筛选得到待推荐产品;
推荐模块253,用于将所述待推荐产品按照预设规则进行推荐。
进一步的,如图3所示,所述匹配模块251,用于将所述综合情绪输入到timeSVDi++推荐模型中,输出与所述综合情绪对应的产品。
进一步的,如图3所示,所述对话信息处理模块222还用于:
将所述对话信息输入到深度学习SS-LSTM模型中,得到所述第一情绪。
进一步的,如图3所示,所述推荐模块253还用于:
根据所述综合情绪从数据库中获取对应的推荐话术;
结合所述推荐话术将所述待推荐产品按照预设规则进行推荐。
具体的,本申请实施例的装置中各单元、模块实现其功能的具体过程可参见方法实施例中的相关描述,此处不再赘述。
根据本申请实施例,还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行上述方法实施例中的通过机器人情绪识别的产品推荐方法。
根据本申请实施例,还提供了一种机器人,包括:摄像头、语音设备、至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行上述方法实施例中的通过机器人情绪识别的产品推荐方法。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种通过机器人情绪识别的产品推荐方法,其特征在于,所述方法包括:
根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;
基于所述用户的历史情绪数据,得到所述用户的长期情绪;
将短期情绪和长期情绪进行加权计算得到综合情绪;
基于所述综合情绪以及所述用户的购买记录进行产品的推荐。
2.根据权利要求1所述的通过机器人情绪识别的产品推荐方法,其特征在于,所述根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪包括:
获取用户人脸图像,并对所述用户人脸图像进行表情识别;
获取机器人与用户的对话信息,并基于所述对话信息进行第一情绪的识别,所述用户与所述用户人脸图像对应的用户;
将识别的表情和识别的第一情绪进行加权计算得到所述用户的短期情绪。
3.根据权利要求1所述的通过机器人情绪识别的产品推荐方法,其特征在于,所述基于所述综合情绪以及所述用户的购买记录进行产品的推荐包括:
根据所述综合情绪匹配出所述综合情绪对应的产品;
通过所述购买记录对匹配出的产品进行筛选得到待推荐产品;
将所述待推荐产品按照预设规则进行推荐。
4.根据权利要求3所述的通过机器人情绪识别的产品推荐方法,其特征在于,所述根据所述综合情绪匹配出所述综合情绪对应的产品包括:
将所述综合情绪输入到timeSVDi++推荐模型中,输出与所述综合情绪对应的产品。
5.根据权利要求1所述的通过机器人情绪识别的产品推荐方法,其特征在于,所述基于所述对话信息进行第一情绪的识别包括:
将所述对话信息输入到深度学习SS-LSTM模型中,得到所述第一情绪。
6.根据权利要求3所述的通过机器人情绪识别的产品推荐方法,其特征在于,所述将所述待推荐产品按照预设规则进行推荐还包括:
根据所述综合情绪从数据库中获取对应的推荐话术;
结合所述推荐话术将所述待推荐产品按照预设规则进行推荐。
7.一种通过机器人情绪识别的产品推荐装置,其特征在于,所述装置包括:
数据采集单元,用于获取用户的人脸图像和/或机器人与用户的对话信息;
短期情绪确定单元,用于根据用户的人脸图像以及与所述用户与机器人的对话信息确定所述用户的短期情绪;
长期情绪确定单元,用于基于所述用户的历史情绪数据,得到所述用户的长期情绪;
综合计算单元,用于将短期情绪和长期情绪进行加权计算得到综合情绪;
推荐单元,用于基于所述综合情绪以及所述用户的购买记录进行产品的推荐。
8.根据权利要求7所述的通过机器人情绪识别的产品推荐装置,其特征在于,所述短期情绪确定单元包括:
人脸图像处理模块,用于获取用户人脸图像,并对所述用户人脸图像进行表情识别;
对话信息处理模块,用于获取机器人与用户的对话信息,并基于所述对话信息进行第一情绪的识别,所述用户与所述用户人脸图像对应的用户;
计算模块,用于将识别的表情和识别的第一情绪进行加权计算得到所述用户的短期情绪。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-6任意一项所述的通过机器人情绪识别的产品推荐方法。
10.一种机器人,包括:摄像头、语音设备、至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-6任意一项所述的通过机器人情绪识别的产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010853597.XA CN112053205A (zh) | 2020-08-21 | 2020-08-21 | 通过机器人情绪识别的产品推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010853597.XA CN112053205A (zh) | 2020-08-21 | 2020-08-21 | 通过机器人情绪识别的产品推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112053205A true CN112053205A (zh) | 2020-12-08 |
Family
ID=73599772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010853597.XA Pending CN112053205A (zh) | 2020-08-21 | 2020-08-21 | 通过机器人情绪识别的产品推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053205A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927681A (zh) * | 2021-02-10 | 2021-06-08 | 华南师范大学 | 因人而异地识别语音的人工智能心理机器人和方法 |
CN116051315A (zh) * | 2023-03-29 | 2023-05-02 | 合肥坤语智能科技有限公司 | 一种智慧酒店管理系统 |
WO2024093557A1 (zh) * | 2022-10-31 | 2024-05-10 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024521A (zh) * | 2012-12-27 | 2013-04-03 | 深圳Tcl新技术有限公司 | 节目筛选方法、系统及具有该系统的电视 |
CN109033257A (zh) * | 2018-07-06 | 2018-12-18 | 中国平安人寿保险股份有限公司 | 话术推荐方法、装置、计算机设备和存储介质 |
US20200104703A1 (en) * | 2017-02-01 | 2020-04-02 | Samsung Electronics Co., Ltd. | Device and method for recommending product |
-
2020
- 2020-08-21 CN CN202010853597.XA patent/CN112053205A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024521A (zh) * | 2012-12-27 | 2013-04-03 | 深圳Tcl新技术有限公司 | 节目筛选方法、系统及具有该系统的电视 |
US20200104703A1 (en) * | 2017-02-01 | 2020-04-02 | Samsung Electronics Co., Ltd. | Device and method for recommending product |
CN109033257A (zh) * | 2018-07-06 | 2018-12-18 | 中国平安人寿保险股份有限公司 | 话术推荐方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
朱韬: "推荐算法研究与应用", 中国优秀硕士学位论文全文数据库信息科技辑, no. 04, 15 April 2018 (2018-04-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927681A (zh) * | 2021-02-10 | 2021-06-08 | 华南师范大学 | 因人而异地识别语音的人工智能心理机器人和方法 |
WO2024093557A1 (zh) * | 2022-10-31 | 2024-05-10 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品 |
CN116051315A (zh) * | 2023-03-29 | 2023-05-02 | 合肥坤语智能科技有限公司 | 一种智慧酒店管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112346567B (zh) | 基于ai的虚拟交互模型生成方法、装置及计算机设备 | |
CN107818798B (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
US10607188B2 (en) | Systems and methods for assessing structured interview responses | |
CN107481720B (zh) | 一种显式声纹识别方法及装置 | |
CN112053205A (zh) | 通过机器人情绪识别的产品推荐方法及装置 | |
CN107886949A (zh) | 一种内容推荐方法及装置 | |
CN111179935B (zh) | 一种语音质检的方法和设备 | |
CN110930017B (zh) | 数据处理的方法及装置 | |
KR102100214B1 (ko) | 음성 인식 기반의 세일즈 대화 분석 방법 및 장치 | |
CN111353804A (zh) | 一种服务评价方法、装置、终端设备和介质 | |
CN110580516B (zh) | 一种基于智能机器人的交互方法及装置 | |
CN106663210B (zh) | 基于感受的多媒体处理 | |
CN109933782A (zh) | 用户情绪预测方法和装置 | |
CN111651571A (zh) | 基于人机协同的会话实现方法、装置、设备及存储介质 | |
CN113947422A (zh) | 基于多维度特征的营销方法、装置和电子设备 | |
CN116484318A (zh) | 一种演讲训练反馈方法、装置及存储介质 | |
CN112036923A (zh) | 一种服务评价方法、系统、装置及存储介质 | |
CN116704085B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN114218488A (zh) | 基于多模态特征融合的信息推荐方法、装置及处理器 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
US20210295186A1 (en) | Computer-implemented system and method for collecting feedback | |
CN114138960A (zh) | 用户意图识别方法、装置、设备及介质 | |
CN113590798A (zh) | 对话意图识别、用于识别对话意图的模型的训练方法 | |
CN112434953A (zh) | 一种基于计算机数据处理的客服人员考核方法和装置 | |
CN103886869A (zh) | 一种基于语音情感识别的信息反馈方法和系统 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 702, 7th floor, NO.67, Beisihuan West Road, Haidian District, Beijing 100089 Applicant after: Beijing Yunji Technology Co.,Ltd. Address before: Room 702, 7th floor, NO.67, Beisihuan West Road, Haidian District, Beijing 100089 Applicant before: BEIJING YUNJI TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information |