CN113127740A - 信息推荐方法、电子设备及存储介质 - Google Patents

Abstract

本申请公开一种基于用户画像的信息推荐方法、移动终端及存储介质，涉及信息处理技术领域，可以为用户提供更精准的个性化信息推荐，满足用户获取信息的需求。所述的信息推荐方法，包括：S1、通过人脸识别技术，获取用户的第一信息；S2、基于第一信息和用户的历史用机数据，确定或生成第一用户画像；S3、基于第一用户画像与用户互动，获取用户的第二信息；S4、综合第一信息和第二信息，确定或生成第二用户画像；S5、基于第二用户画像，为用户推荐匹配信息。

Description

信息推荐方法、电子设备及存储介质

技术领域

本申请涉及信息处理的技术领域，具体涉及一种信息推荐方法、电子设备及存储介质。

背景技术

随着移动互联网技术的飞速发展以及终端智能化的普及，通过例如手机、平板电脑、笔记本电脑等电子设备访问网络浏览信息，已经成为用户日常生活中获取信息的重要途径。

而随着网络上可获取的信息的数量爆发性增长，如何在海量的信息中快速获取满足自身需求的信息，是用户浏览信息时最为关注的。

在构思及实现本申请过程中，发明人发现至少存在如下问题：目前向用户提供推荐信息时，通常是根据用户的历史用机数据例如信息的点击率，向用户推荐点击率较高的信息，这样只能依赖用户对信息的点击行为来衡量用户对信息的偏好，无法精准、有效地获取用户对信息的偏好度，不能实际满足用户获取信息的需求。

前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

发明内容

针对上述技术问题，本申请提供一种信息推荐方法、电子设备及存储介质，可以为用户提供更精准的个性化信息推荐，满足用户获取信息的需求。

为解决上述技术问题，本申请提供一种基于用户画像的信息推荐方法，包括：

S1、获取用户的第一信息，可选地，通过人脸识别技术，获取用户的第一信息；

S2、基于所述第一信息和用户的历史用机数据，确定或生成第一用户画像；

S3、基于所述第一用户画像与用户互动，获取用户的第二信息；

S4、综合所述第一信息和所述第二信息，确定或生成第二用户画像；

S5、基于所述第二用户画像，为用户推荐匹配信息。

可选地，所述第一信息包括下述信息中的至少一项：用户的面貌特征、性别、年龄、肤色、有无化妆、所佩戴饰品的信息。

可选地，所述第二信息用于在所述第一用户画像的基础上，确定或生成更精准的第二用户画像。

可选地，步骤S1中采集所述用户的面部特征。步骤S3包括：通过人工智能问答系统，获取用户输入语料；将所述用户输入语料转化为文字；对所述文字进行情绪识别，可选地，对所述文字进行文字理解、文本处理，并进行情绪识别。步骤S4包括：在所述第一用户画像的基础上，结合用户的所述面部特征和情绪识别的结果，确定或生成所述第二用户画像。

可选地，所述人工智能问答系统给出的问题基于所述第一用户画像和用户反馈确定或生成。

可选地，步骤S1包括：采用神经网络的人脸识别方法，进行网络模型调参，直至网络模型趋于收敛，提取用户面部特征和/或年龄特征。

可选地，所述S5包括：将所述第二用户画像输入机器学习平台，进行模型调参，并针对模型进行打分，根据打分选择最合适的模型为用户推荐匹配信息，将匹配的结果推荐至用户。

本申请还提供一种基于用户画像的信息推荐系统，包括：

人脸识别系统，用于获取用户的第一信息，所述第一信息包括下述信息中的至少一项：用户的面貌特征、性别、年龄、肤色、有无化妆、所佩戴饰品的信息；

人工智能问答系统，用于获取用户的第二信息；

用户画像构建系统，用于综合所述第一信息和所述第二信息，确定或生成用户画像；

推荐信息确定或生成系统，用于基于所述用户画像，为用户推荐匹配信息；

信息推荐系统，用于将为用户匹配的所述待推荐的信息推荐给用户。

可选地，所述用户画像包括第一用户画像和第二用户画像；

所述用户画像构建系统用于基于所述第一信息和用户的历史用机数据，确定或生成所述第一用户画像；所述人工智能问答系统基于第一用户画像与用户互动，获取用户的第二信息；所述画像构建系统还用于综合所述第一信息和所述第二信息，确定或生成第二用户画像；所述推荐信息确定或生成系统还用于基于所述第二用户画像，为用户推荐匹配信息。

可选地，所述人脸识别系统采集所述用户的面部特征；用户画像构建系统基于所述第一信息和用户的历史用机数据，实时更新所述第一用户画像；还基于所述第一信息和所述第二信息，实时更新所述第二用户画像。

本申请还提供一种电子设备，所述电子设备包括：存储器、处理器，其中，所述存储器上存储有信息推荐程序，所述信息推荐程序被所述处理器执行时实现上述任一项所述的信息推荐方法的步骤。

本申请还提供一种可读存储介质，所述可读存储介质上存储有信息推荐程序，所述信息推荐程序被处理器执行时实现上述任一项所述的信息推荐方法的步骤。

如上所述，本申请的基于用户画像的信息推荐方法，基于人脸识别获取的第一信息和用户的历史用机数据确定或生成第一用户画像；然后通过与用户互动收集用户的第二信息，综合上述第一信息和第二信息确定或生成第二用户画像，最后基于所述第二用户画像，为用户推荐匹配信息。通过上述方式，使用户可以直观快捷地享受服务，操作简单方便。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为实现本申请各个实施例的一种移动终端的硬件结构示意图；

图2为本申请实施例提供的一种通信网络系统架构图；

图3是根据第一实施例示出的基于用户画像的信息推荐方法的流程示意图；

图4是根据第一实施例示出的一种获取第二信息的终端界面图；

图5是根据第二实施例示出的基于用户画像的信息推荐方法的流程示意图；

图6是根据第三实施例示出的基于用户画像的信息推荐系统的示意图；

图7是根据第四实施例示出的基于用户画像的信息推荐方法的流程示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。

应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

应该理解的是，虽然本申请实施例中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，其可以以其他的顺序执行。而且，图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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他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。

需要说明的是，在本文中，采用了诸如S1、S2等步骤代号，其目的是为了更清楚简要地表述相应内容，不构成顺序上的实质性限制，本领域技术人员在具体实施时，可能会先执行S2后执行S1等，但这些均应在本申请的保护范围之内。

应当理解，此处所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。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本申请的说明，其本身没有特定的意义。因此，“模块”、“部件”或者“单元”可以混合地使用。

电子设备可以以各种形式来实施。例如，本申请中描述的电子设备可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。

后续描述中将以移动终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本申请的实施方式的构造也能够应用于固定类型的终端。

请参阅图1，其为实现本申请各个实施例的一种移动终端的硬件结构示意图，该移动终端100可以包括：RF(Radio Frequency，射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图1对移动终端的各个部件进行具体的介绍：

射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000，码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access，时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution，频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution，分时双工长期演进)等。

WiFi属于短距离无线传输技术，移动终端通过WiFi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块102，但是可以理解的是，其并不属于移动终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或WiFi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。

A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。

移动终端100还包括至少一种传感器105，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，可选地，环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度，接近传感器可在移动终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。

用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。可选地，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种，具体此处不做限定。

进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。

接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。

存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，可选地，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手机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109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。

处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，可选地，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。

移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管图1未示出，移动终端100还可以包括蓝牙模块等，在此不再赘述。

为了便于理解本申请实施例，下面对本申请的移动终端所基于的通信网络系统进行描述。

请参阅图2，图2为本申请实施例提供的一种通信网络系统架构图，该通信网络系统为通用移动通信技术的LTE系统，该LTE系统包括依次通讯连接的UE(User Equipment，用户设备)201，E-UTRAN(Evolved UMTS Terrestrial Radio Access Network，演进式UMTS陆地无线接入网)202，EPC(Evolved Packet Core，演进式分组核心网)203和运营商的IP业务204。

具体地，UE201可以是上述终端100，此处不再赘述。

E-UTRAN202包括eNodeB2021和其它eNodeB2022等。可选地，eNodeB2021可以通过回程(backhaul)(例如X2接口)与其它eNodeB2022连接，eNodeB2021连接到EPC203，eNodeB2021可以提供UE201到EPC203的接入。

EPC203可以包括MME(Mobility Management Entity，移动性管理实体)2031，HSS(Home Subscriber Server，归属用户服务器)2032，其它MME2033，SGW(Serving Gate Way，服务网关)2034，PGW(PDN Gate Way，分组数据网络网关)2035和PCRF(Policy andCharging Rules Function，政策和资费功能实体)2036等。可选地，MME2031是处理UE201和EPC203之间信令的控制节点，提供承载和连接管理。HSS2032用于提供一些寄存器来管理诸如归属位置寄存器(图中未示)之类的功能，并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过SGW2034进行发送，PGW2035可以提供UE 201的IP地址分配以及其它功能，PCRF2036是业务数据流和IP承载资源的策略与计费控制策略决策点，它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。

IP业务204可以包括因特网、内联网、IMS(IP Multimedia Subsystem，IP多媒体子系统)或其它IP业务等。

虽然上述以LTE系统为例进行了介绍，但本领域技术人员应当知晓，本申请不仅仅适用于LTE系统，也可以适用于其他无线通信系统，例如GSM、CDMA2000、WCDMA、TD-SCDMA以及未来新的网络系统等，此处不做限定。

基于上述移动终端硬件结构以及通信网络系统，提出本申请各个实施例。

第一实施例

本实施例提供一种基于用户画像的信息推荐方法，如图3所示，该方法包括：

S1、获取用户的第一信息；

可选地，通过人脸识别技术，获取用户的第一信息。

该第一信息包括有可能通过人脸识别技术获得的，有助于确定或生成准确的用户画像的一切信息。该用户画像用来作为信息筛选、匹配的基础。示例性地，第一信息可以为用户的面貌特征、性别、年龄、肤色、有无化妆、所佩戴饰品等信息中的至少一种。

用户画像，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具。在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成用户标签，利用这些用户标签将用户形象具体化，从而为用户提供有针对性的服务。

用户画像是会根据不同的业务场景设计不同的用户标签，其本质是对任何一个用户都能准确描述。用户画像一方面可以通过已有海量历史数据提炼，比如拥有用户的海量照片，可以较精确获取性别、年龄、用户场景、喜好、收入、工作、家庭状况；另一方面可以通过人工智能算法计算，通过用户注册名称，结合人工智能算法，根据统计学概率方法获得用户所属年龄段、用户职业等。

用户标签的目的是为了描述用户的类型，而用户画像的目的是为了预测用户的需求，因此用户画像标签是为了体现预测和描述用户的需求和类型。

S2、基于第一信息和用户的历史用机数据，确定或生成第一用户画像；

用户的历史用机数据，包括但不限于用户的浏览历史、信息点击率等。本步骤可采用多种方法确定或生成用户画像，在此不做限定。本步骤根据人脸识别获取的第一信息和用户的历史用机数据，确定或生成初步的用户画像。

S3、基于第一用户画像与用户互动，获取用户的第二信息；

本步骤的目的是获取更多信息，以便确定或生成更精准的用户画像。第一用户画像可以用来指引与用户互动的方向。例如，如果步骤S2确定或生成的第一用户画像包含的用户信息包括男孩、青少年、喜欢运动，则如图4所示，步骤S3中可以向用户提问“嗨，玩滑板吗？”或者“嗨，XX运动不错，感兴趣吗”等有助于细化用户画像的问题。本步骤的第二信息可以是有助于进一步精细化用户画像的用户信息，还可不与第一信息重复。具体获取何种第二信息与已确定或生成的第一用户画像以及待推荐的信息有关。如果本方法的应用实例是手机信息推荐系统，则第二信息是用户对手机的偏好、可负担的财力等信息。在一些实施例中，所述第二信息与已确定或生成的第一用户画像以及用户目前浏览的网页内容相关。如果用户正在浏览化妆品网站，则第二信息是用户对化妆品的偏好、可负担的财力等信息。

互动方式包括但不限于语音、弹幕消息等。示例性地，本步骤可以通过人工智能问答系统，获取用户的第二信息。

S4、综合第一信息和第二信息，确定或生成第二用户画像；

本步骤中综合得到的第一信息和第二信息确定或生成更精准的第二用户画像。本步骤也可以根据第二信息对第一用户画像进行修正、补充，从而得到更精准的第二用户画像。

S5、基于第二用户画像，为用户推荐匹配信息。

本步骤中根据第二用户画像为用户匹配信息，并进行推荐。

可选地，第一信息的获取和第二信息的获取也可以并行进行。在这种情况下，第二信息的获取可以基于现有用户画像，现有用户画像可以基于用户的历史用机数据和用户以前登录系统或APP留下的面部特征确定或生成。待进行步骤S1确定或生成或更新的用户画像时，及时更新用户画像并继续进行依赖第一用户画像的操作，例如获取第二信息的步骤S3。

本实施例的信息推荐方法，通过人脸识别和与用户互动收集信息，以建立更精准的用户画像，并基于此用户画像为用户推荐匹配信息，提供个性化的服务。

第二实施例

如图5所示，本实施例的信息推荐方法中，步骤S1中采集用户的面部特征。步骤S3包括：

S31、通过人工智能问答系统，获取用户输入语料；本步骤中人工智能问答系统基于第一用户画像与用户进行互动；互动的话题可以由用户选择或者由问答系统基于第一用户画像选择，并根据用户反馈随时调整。人工智能问答系统给出的问题可以基于第一用户画像和用户反馈确定或生成。

S32、将用户输入语料转化为文字；本步骤将语音信息转化为文字；

S33、对文字进行情绪识别，可选地，对文字进行文字理解、文本处理，并进行情绪识别。

情绪识别为用户情感计算的一个重要组成部分，情绪识别研究的内容包括面部表情、语音等方面，主要通过以上内容来判断用户的情绪状态。

本步骤通过预设算法对语音转化的文字进行文字理解、文本处理，并进行情绪识别。情绪识别指用户在进行信息反馈时的情绪状态信息，例如积极还是消极等。例如，对图4所示的提问，用户回答“还行吧”或者“这有什么好玩的”，说明用户对滑板运动的兴趣一般。

步骤S4包括：在第一用户画像的基础上，结合用户的面部特征和情绪识别的结果，确定或生成第二用户画像。

用户的面部特征和情绪识别的结果可以相互参照，从而获取用户的兴趣、偏好等有助于精细化用户画像的信息。

本实施例采用人工智能问答系统获取用户的第二信息，可以建立更精准的用户画像又不影响用户对电子设备例如手机等终端的操作，可以有针对性地为用户推荐匹配的信息，方便快捷、用户体验更好。

第三实施例

如图6所示，本实施例的提供一种基于用户画像的信息推荐系统，包括：

人脸识别系统10，用于获取用户的第一信息，所述第一信息包括下述信息中的至少一项：用户的面貌特征、性别、年龄、肤色、有无化妆、所佩戴饰品的信息；

人工智能问答系统20，用于获取用户的第二信息；第二信息一般可以根据用户浏览内容以及待推荐的服务内容确定，还可以根据用户反馈随时调整，本实施例不做限定。

用户画像构建系统30，用于综合上述第一信息和第二信息，确定或生成用户画像；

推荐信息确定或生成系统40，用于基于用户画像，为用户推荐匹配信息；

信息推荐系统50，用于向用户推荐上述为用户匹配的待推荐信息。

本实施例的信息推荐系统，通过人脸识别系统和人工智能问答系统与用户互动收集信息，以建立更精准的用户画像，并基于此精准的用户画像为用户推荐匹配信息，提供个性化的服务。

在本实施例的一些实施方式中，用户画像构建系统30用于基于上述人脸识别系统10获取的第一信息和用户的历史用机数据，确定或生成第一用户画像；人工智能问答系统20基于第一用户画像与用户互动，获取用户的第二信息，以更精准的搭建用户画像。画像构建系统30还用于综合上述第一信息和第二信息，确定或生成第二用户画像。推荐信息确定或生成系统40基于第二用户画像，为用户推荐匹配信息并发送给信息推荐系统50进行推荐。

第四实施例

如图7所示，基于第三实施例的信息推荐系统，本实施例还提供一种信息推荐方法中，包括：

步骤一、采用神经网络的人脸识别方法，进行网络模型调参，直至网络模型趋于收敛，提取用户面部特征和/或年龄特征。

可以在信息推荐系统的前台，依据AWS云端大数据提供的海量样本，采用神经网络的人脸识别方法，进行网络模型调参，直至网络模型趋于收敛，提取用户面部特征和/或年龄特征。AWS是本领域常用到的一种数据管理工具。

步骤二、通过人工智能问答系统，获取用户输入语料；本步骤人工智能问答系统接收用户的自然语言输入。

步骤三、通过语音识别(ASR)算法，将用户输入语料转为文字；

步骤四、通过语义理解(NLP)算法，进行文字理解，文本处理，并进行情绪识别；

步骤五、结合用户面部特征、用户情绪识别，进行个性化用户画像；

步骤六、将上述个性化用户画像作为机器学习平台Tensorflow的输入，进行模型调参，并针对模型进行打分，根据打分选择选择最合适的模型，将用户最感兴趣的结果推荐至系统前台，展示给用户。

TensorFlow是一个端到端开源机器学习平台。拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。

本实施例的信息推荐方法可以实现基于人脸识别和语音语义理解算法的人工智能的个性化推荐系统，可提供精准的个性化信息推荐服务，操作简单，用户友好度高。

第五实施例

本申请还提供一种电子设备，电子设备包括：存储器、处理器，其中，存储器上存储有信息推荐程序，信息推荐程序被处理器执行时实现上述任一项的信息推荐方法的步骤。

本申请还提供一种可读存储介质，可读存储介质上存储有信息推荐程序，信息推荐程序被处理器执行时实现上述任一项的信息推荐方法的步骤。

在本申请提供的电子设备和可读存储介质的实施例中，包含了上述信息推荐方法各实施例的全部技术特征，说明书拓展和解释内容与上述方法的各实施例基本相同，在此不做再赘述。

本申请实施例还提供一种信息推荐方法，所述信息推荐方法包括：

S1、获取用户的第一信息；

S2、基于所述第一信息和用户的历史用机数据，确定或生成第一用户画像；

S3、基于所述第一用户画像与用户互动，获取用户的第二信息；

S4、综合所述第一信息和所述第二信息，确定或生成第二用户画像；

S5、基于所述第二用户画像，为用户推荐匹配信息。

可选地，所述第一信息包括下述信息中的至少一项：用户的面貌特征、性别、年龄、肤色、有无化妆、所佩戴饰品的信息；和/或，所述第二信息用于在所述第一用户画像的基础上，确定或生成更精准的第二用户画像。

可选地，所述步骤S1包括：采集所述用户的面部特征。

可选地，所述步骤S3包括：通过人工智能问答系统，获取用户输入语料，将所述用户输入语料转化为文字，对所述文字进行情绪识别。

可选地，所述人工智能问答系统给出的问题基于所述第一用户画像和用户反馈确定或生成。

可选地，所述步骤S4包括：在所述第一用户画像的基础上，结合用户的面部特征和所述情绪识别的结果，确定或生成所述第二用户画像。

可选地，所述步骤S1包括：采用神经网络的人脸识别方法，进行网络模型调参，直至网络模型趋于收敛，提取用户面部特征和/或年龄特征。

可选地，所述S5包括：将所述第二用户画像输入机器学习平台，进行模型调参，并针对模型进行打分，根据打分选择最合适的模型为用户推荐匹配信息，将匹配的结果推荐至用户。

本申请实施例还提供一种计算机程序产品，计算机程序产品包括计算机程序代码，当计算机程序代码在计算机上运行时，使得计算机执行如上各种可能的实施方式中的方法。

本申请实施例还提供一种芯片，包括存储器和处理器，存储器用于存储计算机程序，处理器用于从存储器中调用并运行计算机程序，使得安装有芯片的设备执行如上各种可能的实施方式中的方法。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请中，对于相同或相似的术语概念、技术方案和/或应用场景描述，一般只在第一次出现时进行详细描述，后面再重复出现时，为了简洁，一般未再重复阐述，在理解本申请技术方案等内容时，对于在后未详细描述的相同或相似的术语概念、技术方案和/或应用场景描述等，可以参考其之前的相关详细描述。

在本申请中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本申请技术方案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，都应当认为是本申请记载的范围。

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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本申请每个实施例的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种信息推荐方法，其特征在于，所述信息推荐方法包括：

S1、获取用户的第一信息；

S2、基于所述第一信息和用户的历史用机数据，确定或生成第一用户画像；

S3、基于所述第一用户画像与用户互动，获取用户的第二信息；

S4、综合所述第一信息和所述第二信息，确定或生成第二用户画像；

S5、基于所述第二用户画像，为用户推荐匹配信息。

2.根据权利要求1所述的方法，其特征在于，

所述第一信息包括下述信息中的至少一项：用户的面貌特征、性别、年龄、肤色、有无化妆、所佩戴饰品的信息；和/或，所述第二信息用于在所述第一用户画像的基础上，确定或生成更精准的第二用户画像。

3.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：采集所述用户的面部特征。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述步骤S3包括：通过人工智能问答系统，获取用户输入语料，将所述用户输入语料转化为文字，对所述文字进行情绪识别。

5.根据权利要求4所述的方法，其特征在于，所述人工智能问答系统给出的问题基于所述第一用户画像和用户反馈确定或生成。

6.根据权利要求4所述的方法，其特征在于，所述步骤S4包括：在所述第一用户画像的基础上，结合用户的面部特征和所述情绪识别的结果，确定或生成所述第二用户画像。

7.根据权利要求1至3中任一项所述的方法，其特征在于，所述步骤S1包括：

采用神经网络的人脸识别方法，进行网络模型调参，直至网络模型趋于收敛，提取用户面部特征和/或年龄特征。

8.根据权利要求1至3中任一项所述的方法，其特征在于，所述S5包括：

将所述第二用户画像输入机器学习平台，进行模型调参，并针对模型进行打分，根据打分选择最合适的模型为用户推荐匹配信息，将匹配的结果推荐至用户。

9.一种电子设备，其特征在于，所述电子设备包括：存储器、处理器，其中，所述存储器上存储有信息推荐程序，所述信息推荐程序被所述处理器执行时实现如权利要求1至8中任一项所述的信息推荐方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有信息推荐程序，所述信息推荐程序被处理器执行时实现如权利要求1至8中任一项所述的信息推荐方法的步骤。

Images