CN115777111A - 利用生物特征数据生成产品推荐的系统 - Google Patents

Abstract

本发明涉及用于促进产品偏好和/或产品推荐的系统和方法。这些系统和方法考虑了对象的生物特征数据，以便确定产品偏好和/或产品推荐。尽管对象的其他因素是可选的，但是在为对象确定产品偏好和/或产品推荐时，也可以考虑这些因素。这些产品偏好或推荐可以通过显示设备自动呈现给对象，或者在产品顾问的协助下呈现给对象。为了获得生物特征数据，对象将接触多种刺激，比如香氛/香味刺激。然后，将根据对象对这种香氛/香味刺激的反应，从对象那里采集生物特征数据。在一些实例中，所采集的生物特征数据与对象的事件相关电位(ERP)相关，即作为特定感觉、认知或运动事件的直接结果的测量到的大脑反应。

Description

利用生物特征数据生成产品推荐的系统

相关申请的交叉引用

本申请要求2020年6月30日提交的美国临时申请申请号63/046440、2020年8月13日提交的美国临时申请申请号63/065220和2020年9月10日提交的法国申请申请号2009180的权益，这些申请的全部公开内容并入本文。

背景技术

本公开的实施方式总体上涉及利用生物特征数据来协助产品推荐和/或选择。在一些实施方式中，利用生物特征数据来确定用户的产品偏好。在这些实施方式中的一些实施方式中，产品偏好用于协助产品推荐和/或选择。

发明内容

本文公开了用于促进产品偏好和/或产品推荐的系统和方法。在下述实施方式中，这些系统和方法考虑了对象的生物特征数据，以便确定产品偏好和/或产品推荐。在一些实施方式中，尽管对象的其他因素是可选的，但是在为对象确定产品偏好和/或产品推荐时，也可以考虑这些因素。这些产品偏好或推荐可以通过显示设备自动呈现给对象，或者在产品顾问的协助下呈现给对象。

在一些实施方式中，为了获得生物特征数据，使对象接触多种刺激，比如香氛(fragrance)/香味刺激。然后，将根据对象对这种香氛/香味刺激的反应，从对象那里采集生物特征数据。在一些实施方式中，所采集的生物特征数据与对象的事件相关电位(ERP)相关，即作为特定感觉、认知或运动事件的直接结果的测量到的大脑反应。

例如，在一些实施方式中，这些系统和方法基于对嗅觉刺激的反应来检测事件相关电位。在这点上，这些系统和方法检测与嗅觉刺激相关联的实时认知过程，检测与对一种或多种香氛调和香(fragrance accord)的反应相关联的实时事件相关电位，检测表示对嗅觉刺激的反应的电压波动，或者基于对嗅觉刺激的反应来检测突触后电位。

根据本公开的一个方面，提供了一种系统。在一个实施方式中，该系统包括：多个传感器，配置为基于对嗅觉刺激的反应来感测对象的事件相关电位；以及一个或多个引擎，配置为：接收对象的事件相关电位作为EEG信号；处理这些EEG信号以产生EEG数据；以及至少基于所述EEG数据生成产品推荐。

在一些实施方式中，一个或多个引擎容纳在移动计算设备中。

在一些实施方式中，将所生成的EEG数据表示为图像。

在一些实施方式中，图像包括脑电图(EEG)图像或大脑活动图。

在一些实施方式中，一个或多个引擎进一步配置为基于EEG数据生成嗅觉刺激的偏好特征参数，并基于这些偏好特征参数生成产品推荐。

在一些实施方式中，一个或多个引擎配置为通过将表示所生成的偏好特征参数的数据与一个或多个引擎可访问的产品数据进行比较来确定产品推荐。

在一些实施方式中，嗅觉刺激是一种香氛，并且其中表示所生成的偏好特征参数的数据包括香氛简档(fragrance profile)。

在一些实施方式中，香氛简档作为产品推荐呈现给对象。

在一些实施方式中，所生成的偏好特征参数代表香氛的各种香调(fragrancenote)。在一些实施方式中，通过将香氛简档与分别代表一组香氛的一组香氛简档进行比较来生成产品推荐，该组香氛简档可由一个或多个引擎访问。

在一些实施方式中，一个或多个引擎包括处理电路，该处理电路配置为：检测与对一种或多种香氛调和香的反应相关联的实时事件相关电位；检测表示对嗅觉刺激的反应的电压波动，或者基于对嗅觉刺激的反应来检测突触后电位。

在一些实施方式中，形成香味反应单元的多个传感器和/或一个或多个引擎包括以下其中一个处理电路：配置为检测与嗅觉刺激相关联的实时认知过程的处理电路；配置为检测与对一个或多个香氛调和香的反应相关联的实时事件相关电位的处理电路；配置为基于对嗅觉刺激的反应来检测突触后电位的处理电路；或者配置为检测表示对嗅觉刺激的反应的电压波动的处理电路。

在一些实施方式中，嗅觉刺激包括一种香味。在这些实施方式中的一些实施方式中，一个或多个引擎形成香水选择单元，该香水选择单元包括以下其中一个处理电路：配置为基于与脑电图相关联的至少一个输入来生成香氛子集的一个或多个虚拟实例的处理电路；配置为生成合意性评分或喜好度测量的一个或多个实例的处理电路；配置为生成香味强度的一个或多个实例的处理电路；配置为生成芳香化合物调和(aromatic compoundconcertation)的一个或多个实例的处理电路；或者配置为生成香氛组合中的后调、前调或中调的一个或多个实例的处理电路。

根据本发明的另一个方面，提供了一种系统，该系统包括香味反应单元和香水选择单元。在一些实施方式中，香味反应单元包括配置为基于对嗅觉刺激的反应来检测事件相关电位的电路，比如处理电路。在一些实施方式中，香水选择单元包括配置为基于与事件相关电位相关联的至少一个输入来生成香氛子集的一个或多个虚拟实例的电路，比如处理电路。

在一些实施方式中，香味反应单元包括以下其中一个处理电路：配置为检测与嗅觉刺激相关联的实时认知过程的处理电路；配置为检测与对一个或多个香氛调和香的反应相关联的实时事件相关电位的处理电路；配置为基于对嗅觉刺激的反应来检测突触后电位的处理电路；或者配置为检测表示对嗅觉刺激的反应的电压波动的处理电路。

在一些实施方式中，香水选择单元进一步包括以下其中一个处理电路：配置为基于与脑电图相关联的至少一个输入来生成香氛子集的一个或多个虚拟实例的处理电路；配置为生成合意性评分或喜好度测量的一个或多个实例的处理电路；配置为生成香味强度的一个或多个实例的处理电路；配置为生成芳香化合物调和的一个或多个实例的处理电路；或者配置为生成香氛组合中的后调、前调或中调的一个或多个实例的处理电路。

根据本公开的另一个方面，提供了一种用于向对象推荐产品的方法。在一个实施方式中，该方法包括：基于对嗅觉刺激的接触获得对象的生物特征数据；分析该生物特征数据；以及至少基于分析后的生物特征数据向对象推荐产品。

在一些实施方式中，基于分析后的生物特征数据向对象推荐产品包括：向对象呈现香氛名称或者向对象呈现香氛简档。

在一些实施方式中，该方法进一步包括：获得对象的问卷数据，该问卷数据表示对产品的特征参数的偏好。在一些实施方式中，针对对象的产品推荐基于分析后的生物特征数据和问卷数据。

在一些实施方式中，嗅觉刺激是一种香味，其中产品是香水，并且生物特征数据表示EEG数据。

在一些实施方式中，产品推荐包括：基于EEG数据生成香氛简档；以及将该香氛简档呈现给对象。

在一些实施方式中，产品推荐包括：基于EEG数据产生香氛简档；将该香氛简档与分别代表一组香氛的一组香氛简档进行比较，以从该组香氛中选择具有与所生成的香氛简档最相似的香氛简档的一种香氛；以及将所选择的香氛呈现给对象。

在一些实施方式中，基于对刺激的接触获得对象的生物特征数据包括：从与对象的左前(F7)脑叶和右前(F8)脑叶相关联的至少两个EEG电极获得生物特征数据。

提供本发明内容是为了以简化的形式介绍将在以下具体实施方式中进一步描述的一些概念。本发明内容并非旨在识别所要求保护的主题的关键特征，也不旨在用于协助确定所要求保护的主题的范围。

附图说明

结合附图参考以下详细描述，所公开的主题的上述方面和许多伴随的优点将变得更容易理解，同时也将变得更好理解。在这些附图中：

图1是示出了根据本公开的一个方面的用于生成产品(比如香氛)推荐并将其提供给对象的系统的一个非限制性实例的示意图；

图2描绘了适用于图1的系统的头戴装置的一个实例；

图3是示出了适用于图1的系统的移动计算设备的一个非限制性实例的框图；

图4是示出了适用于图1的系统的服务器计算设备的一个非限制性实例的框图；

图5是示出了适合用作本公开的实施方式的计算设备的计算设备的一个非限制性实例的框图；

图6是示出了根据本公开的一个方面的生成产品推荐并将其提供给对象的方法的一个非限制性实例的流程图；

图7是示出了根据本公开的一个方面的生成产品推荐并将其提供给对象的方法的另一个非限制性实例的流程图；

图8是香氛轮盘的一个实例；

图9是根据本公开的由于处理采集到的EEG信号而所产生的脑电图的一个实例；

图10是根据本公开的由于处理采集到的EEG信号而所产生的大脑活动图的一个实例；

图11是根据本公开的一个方面的由系统产生的并呈现给对象的香调图的一个实例；

图12是根据本公开的各个方面的EEG电极放置图的一个实例；以及

图13示出了描绘一个或多个场景的问题的一个实例，该问题由用户界面引擎生成并呈现给对象。

具体实施方式

为了提供对化妆品的推荐，大多数现有技术仅仅试图直接辨别对象的产品偏好。一些技术可能试图基于对象陈述的对产品特征(比如香味、颜色、光洁度、手感等)的偏好来确定对象的产品偏好。然而，这种技术会产生不是最优的推荐，至少是因为只考虑了明确陈述的对象偏好。即使存在明确陈述的对象偏好，其他因素(例如，身体反应(下意识或有意识的身体反应)、个性特征等))也可能影响给定对象将偏好什么产品。

在这点上，在本公开的一些实施方式中，在确定产品偏好和/或产品推荐的同时考虑了对象的生物特征数据。在其他实施方式中，尽管对象的其他因素是可选的，但是在为对象确定产品偏好和/或产品推荐时，也可以考虑这些因素。然后，这些产品偏好或推荐通过显示设备自动呈现给对象，或者在产品顾问的协助下呈现给对象。

在整个公开中描述的实例涉及对香氛(比如香水或古龙香水)的推荐。应当认识到的是，本公开的技术和方法不限于产品类型，因此可以用于向对象提供除香氛以外的产品的推荐。

在下述实例中，对象将接触多种刺激，比如香氛/香味刺激。然后，将根据对象对这种香氛/香味刺激的反应，从对象那里采集生物特征数据。在一些实施方式中，所采集的生物特征数据与对象的事件相关电位(ERP)相关，即作为特定感觉、认知或运动事件的直接结果的测量到的大脑反应。通过该生物特征数据，基于计算机的系统会例如推荐特定的香氛或者产生可以在例如技术人员或香氛顾问的协助下从中做出推荐的香氛简档。在其他实施方式中，基于计算机的系统会结合可选数据(比如从问卷中获得的数据、对象的历史购买数据等)来采用生物特征数据，以便向对象呈现产品推荐。

在本文所述的一些实施方式中，呈现给对象的香氛/香味可以包括一种调和香的两种或两种以上的香调。通常，调和香是由混合在一起形成独特香氛的几种香水香调、成分等构成的香味。例如，一种调和香通常包括多种香调。香调是可以感觉到的香味的描述符，包括后调、中调或核心调以及前调或头调。这些香味描述符或香调是众所周知的，并且广泛用于描述香氛的气味特征(例如，特征参数)。

香调通常选自香氛族。通常，可以通过香氛轮盘来直观地呈现香氛族。图8示出了香氛轮盘的一个实例。香氛轮盘是一个圆形的图表，显示了基于气味的相似性和差异性而推断出的嗅觉组之间的关系。彼此相邻的组意味着具有共同的嗅觉特征。香氛轮盘常常用作酒类和香水的分类工具。

现在转到图1，所示的是示出了根据本公开的一个方面的系统100的一个非限制性实例的示意图。在所示的系统中，反应于对象接触刺激(比如一种香氛)，利用物理采集设备106(比如EEG传感器)来测量对象102的大脑的EEG信号形式的脑电活动。如图所示，多个物理采集设备106例如通过合适的头戴装置114放置在对象的大脑的各个区域，以便测量对象的大脑的脑电活动。在一些实施方式中，如下文将更详细说明的，测量与例如刺激/放松和/或接近/回避相关联的大脑区域。可以附加地或备选地测量大脑的其他区域，以采集EEG传感器数据。

继续参见图1，移动计算设备104以有线或无线的方式耦接到物理采集设备106，以采集由物理采集设备106产生的EEG信号。在一些实施方式中，移动计算设备104用于处理采集到的信号，并且基于经处理的信号来确定要呈现给对象102的产品推荐。在其他实施方式中，移动计算设备104基于经处理的信号产生香氛简档，可以根据该香氛简档在例如技术人员或香氛顾问的协助下做出推荐。

在一个实施方式中，处理采集到的EEG信号包括：生成脑电图，比如图9所示的实例。在其他实施方式中，处理采集到的EEG信号包括：生成大脑活动图，比如图10所示的实例。然后，移动计算设备104可以利用脑电图和/或大脑活动图来为对象推荐产品，或者呈现可以协助对象选择产品的香氛简档。当然，移动计算设备104可以以其他方式(包括通过非图形处理技术)来利用采集到的EEG信号，以便向对象提供产品推荐。

在其他实施方式中，移动计算设备104可以通过网络110将经处理的或未经处理的EEG信号作为EEG数据传输给可选的服务器计算设备108。在一些实施方式中，网络110可以包括任何合适的无线通信技术(包括但不限于Wi-Fi、WiMAX、蓝牙、2G、3G、4G、5G和LTE)、有线通信技术(包括但不限于以太网、USB和FireWire)或其组合。

通过从移动计算设备104接收导的EEG数据，服务器计算设备108可以向移动计算设备104回复要呈现给对象102的产品推荐。在其他实施方式中，服务器计算设备108可以根据EEG数据产生香氛简档。然后，可以将该香氛简档传输给移动计算设备104。移动计算设备104一旦接收到该香氛简档，就可以在例如技术人员或香氛顾问的协助下做出推荐。当然，在一些实施方式中，服务器计算设备108可以通过网络110访问基于云的计算机处理系统(未示出)，以增强其处理、分析、生成等能力。

在一些实施方式中，服务器计算设备108处理EEG数据并生成脑电图和/或大脑活动图。然后，服务器计算设备108可以利用脑电图和/或大脑活动图来向移动计算设备104提供产品推荐，以呈现给对象102。备选地，将所生成的脑电图和/或大脑活动图数据传输给移动计算设备104，以供移动计算设备104用于向对象102提供产品推荐。

在一些实施方式中，移动计算设备104还可以用于向对象102呈现可选的问卷。问卷可以包括允许确定对象102的偏好的问题。在一些实施方式中，问卷还可以允许确定至少一个个性特征。例如，在一些实施方式中，个性特征可以与一个或多个香氛偏好等相关联。

在一些实施方式中，问卷可以由可选的服务器计算系统108提供给移动计算设备104，以呈现给对象102。在其他实施方式中，移动计算设备104可以生成问卷并将其呈现给对象。

在一些实施方式中，由移动计算设备104在本地接收和处理问卷答案。在其他实施方式中，将由移动计算设备104接收的答案传输给可选的服务器计算系统108进行处理。当然，在一些实施方式中，服务器计算设备108可以通过网络110访问基于云的计算机处理系统(未示出)，以增强其处理能力。

在任何情况下，移动计算设备104或服务器计算设备108可以结合从对象采集到的EEG信号来利用经处理的问卷答案，以提供例如产品推荐。

在一些实施方式中，产品推荐可以以简便的格式提供给对象102。例如，产品推荐可以是一种特定的香氛，例如由商标名(比如Trade Winds)标识的香氛。还可以向对象呈现关于对象102的其他信息，比如香味偏好、个性特征、先前购买的香氛等。附加地或备选地，产品推荐可以采取香氛简档的形式。香氛简档可以以文字描述的形式呈现，或者可以直观地描绘为香调图。图11示出了由系统100生成的并呈现给对象102的香调图的一个实例。通过文字描述或香调图，可以独立地或在香氛顾问的协助下选择对象很可能喜欢的香氛。

图2是示出了根据本公开的一个方面的头戴装置114的一个非限制性实例的各种组件的框图。头戴装置114支持EEG传感器形式的多个物理采集设备106(“EEG传感器106”)以及处理和传输电路118。通常，电压变化是由大脑神经元内部和之间的离子电流引起的。EEG传感器106(有时称为EEG电极)配置为测量对象大脑中的这些电压变化作为EEG信号。由EEG传感器106测量的EEG信号可以被适当地处理，以传输到移动计算设备104进行存储、数据处理和/或分析等。例如，在一些实施方式中，EEG信号在到达发射器130之前由放大器120放大并由A/D转换器122数字化。在一些实施方式中，EEG信号可以在由A/D转换器122转换之前在模拟域中滤波，或者在由A/D转换器122通过一个或多个滤波器124转换之后在数字域中滤波。在一些实施方式中，在通过发射器130传输到移动计算设备104之前将经滤波的(可选)信号发送到多路复用器(MUX)126。

EEG电极106通常由诸如不锈钢、银/氯化银材料(Ag/AgCl)等导电材料形成。EEG电极106可以是湿式的(例如，采用电解凝胶材料作为皮肤和电极之间的导体)或者是干式的(例如，作为皮肤和电极之间的导体的单一金属电极)。在一些实施方式中，诸如盐水之类的非凝胶状材料可以用作皮肤层和电极之间的导电层。

在一些实施方式中，EEG电极106可以是有源的，其中这些电极包括紧接在皮肤和电极之间的导电材料之后的前置放大电路。这允许在负责捕捉、处理或放大EEG信号的系统添加额外的噪声之前放大EEG信号。备选地，在其他实施方式中，EEG电极可以是无源的。无源电极不包括前置放大电路。相反，无源电极只是将连接从电极的导电材料延伸到处理、放大和/或传输信号的系统组件。

当放置在对象的头部时，头戴装置114的EEG电极106通常与大脑的各个区域对齐。在图12中，所示的是根据本公开的各个方面的EEG电极放置图的一个实例。应当理解的是，图中的几个缩写与国际10-20系统相关，包括：“N”表示鼻根，“F”表示额叶(例如，与大脑的额叶相关，额叶是位于每个大脑半球前面的区域)，“A”代表耳垂，“C”表示中枢(例如，与大脑的中枢区域相关)，“T”表示颞叶(例如，与大脑的颞叶相关，颞叶位于每个大脑半球的额叶的下方和后方)，“P”表示顶叶(例如，与大脑的顶叶相关，顶叶位于额叶的后方)，“O”表示枕叶(例如，与大脑的枕叶相关，枕叶位于头部后方)，“I”表示枕骨外隆突，以及下标“z”表示沿大脑的中线获取的读数。图11的图表还包括位于Fp和F之间的AF和位于F和C之间的FC的缩写。

如图12的实例所示，EEG电极在位置上与对象大脑的AF3、AF4、F3、F4、F7、F8、FC5、FC6、T7、T8、P7、P8、O1和O2区域相关联。在所示的实施方式中，参考电极位于P3和P4，但是也可以采用其他位置。在一些实施方式中，仅使用两个电极，即分别与接近(左脑活动)和回避(右脑活动)相关联的左前电极(F7)和右前电极(F8)。当然，左前电极(F7)和右前电极(F8)以及大脑区域的任何其他组合都可以用本公开的实施方式来实践。在一些实施方式中，EEG电极的位置可以由头戴装置固定。在其他实施方式中，EEG电极的位置可以调整。

输出合适的信号供系统100使用的头戴装置114的一个非限制性实例是来自Emotive的EPOC+EEG头戴装置。可以采用的其他头戴装置可以从诸如Brain Products、EGI、Cognionics等公司获得。

图3是示出了根据本公开的一个方面的移动计算设备104的一个非限制性实例的各种组件的框图。移动计算设备104配置为从对象102采集信息，该信息反映了基于例如以连续顺序接触一种或多种香氛的大脑活动。尤其是，移动计算设备104配置为从一个或多个EEG传感器106接收EEG信号，以进行处理、记录、传输(可选)和/或分析(可选)。在一些实施方式中，移动计算设备104配置为从头戴装置114的发射器130接收EEG信号(参见图2)。

在一些实施方式中，移动计算设备104处理EEG信号以用于确定对对象102的产品推荐。在其他实施方式中，如将在下面更详细描述的，经处理过或未经处理过的EEG信号作为EEG数据通过网络110传输给可选的服务器计算系统108，用于处理和/或生成产品推荐等。在任一情况下，移动计算设备104然后可以向对象102或正在协助对象102的美容顾问呈现该产品推荐。在一些实施方式中，产品推荐的生成可以是特定产品(例如，特定的香水/古龙香水)的标识。在其他实施方式中，产品推荐的生成可以是协助选择特定产品或产品系列的信息，比如香氛简档。

在一些实施方式中，移动计算设备104可以是智能手机。在一些实施方式中，移动计算设备104可以是具有所示组件的任何其他类型的计算设备，包括但不限于平板计算设备或膝上型计算设备。在一些实施方式中，移动计算设备104可以不是移动的，而是可以是固定的计算设备，比如台式计算设备或电脑亭。在一些实施方式中，移动计算设备104的所示组件可以在单个外壳里。在一些实施方式中，移动计算设备104的所示组件可以在通过有线或无线连接方式通信耦接的不同外壳里。移动计算设备104还包括图3中未示出的其他组件，包括但不限于一个或多个处理器电路(一般称为处理器)、非暂时性计算机可读介质、电源以及一个或多个网络通信接口。

为了实现本文阐述的部分(或全部)技术和方法，在一些实施方式中，例如，移动计算设备104包括显示设备302、EEG引擎306、用户界面引擎308、可选的问卷分析引擎310、推荐引擎312、用户数据储库314以及产品数据储库316。将依次描述这些组件中的每一个组件。

在一些实施方式中，显示设备302是能够向对象102呈现界面的任何合适类型的显示设备，包括但不限于LED显示器、OLED显示器或者LCD显示器。如下面将更详细描述的，这些界面包括要呈现给对象102的问卷、产品推荐等。在一些实施方式中，显示设备302可以包括接受来自对象102的输入的集成触敏部分。

在一些实施方式中，EEG引擎306配置为从EEG传感器106采集EEG信号、处理这些EEG信号以及以基于时间的方式将这些EEG信号记录为用户数据储库314中的EEG数据。在一些实施方式中，EEG信号处理可以包括但不限于转换、滤波和/或变换等。例如，在一些实施方式中，可以对EEG信号进行带通滤波，以适当地在例如α和/或β频率范围内传递信号。在一些实施方式中，EEG引擎306还配置为处理信号，以便生成诸如图9所示的实例的脑电图和/或诸如图10所示的实例的大脑活动图。

在一些实施方式中，用户界面引擎308配置为在显示设备302上呈现用户界面。在一些实施方式中，用户界面引擎308配置为向用户102呈现产品推荐，比如产品名称或香氛简档。在一些实施方式中，用户界面引擎308可以配置为在显示设备302上呈现EEG数据的可视图，作为脑电图或大脑活动图。

在一些实施方式中，用户界面引擎308可以可选地配置为在显示设备302上向对象102呈现至少一个问卷，用于从对象102采集信息。在一些实施方式中，问卷旨在采集可能与对象已经或将要接触的香氛的特征参数相关的信息。例如，问卷可以通过一系列对/错或多项选择题来提问，这些问题可以得出对某些头调、中调或后调的偏好。例如，在图13中示出的问卷的一个问题可以向对象呈现多副描绘诸如海滩、森林等场景的图片，以得出对哪个描绘的场景与对象偏好的香氛相关联的答案。在问卷的另一个问题中，可以询问对象他们是否偏好女性、男性或中性的香味。在问卷的又一个问题中，可以询问对象他们是偏好可感知的、细微的、较浓的还是强烈的香味。在问卷的又一个问题中，可以要求对象输入其偏好的香氛，包括最近购买的香氛。部分或所有采集的数据可以存储在例如用户数据储库314中。

在一些实施方式中，问卷分析引擎310可以配置为通过用户界面引擎308接收来自对象102的问卷答案，并且可以基于这些答案中的一个或多个答案确定对象102的至少一个偏好，例如香味偏好、香味特征等。例如，如果对象102选择森林场景作为偏好，则问卷分析引擎310可以配置为确定对象102偏好木质调，例如如图8的香氛轮盘中所示。在一些实施方式中，问卷分析引擎310可以配置为将答案与存储在例如产品数据储库316中的数据进行比较。在一个实施方式中，问卷分析引擎310可以配置为基于答案中的一个或多个答案来确定对象102的至少一个个性特征。

在一些实施方式中，推荐引擎312可以配置为至少基于EEG数据为对象102生成至少一个产品推荐。在其他实施方式中，推荐引擎312可以配置为至少基于EEG数据和可选的问卷数据为对象102生成至少一个产品推荐。在一些实施方式中，产品推荐是特定产品的形式，比如Trade Winds牌香水。在其他实施方式中，产品推荐是香氛简档的形式。在这些实施方式中，香氛简档可以呈现为文字描述或者直观地描绘为香调图等。在一些实施方式中，推荐引擎312提供要通过显示设备302呈现给对象102的产品推荐。

例如，图11是可以由推荐引擎312生成并呈现给对象102的香调图的一个实例。香调图描绘了对象102偏好的香氛的特征参数。如图11所示，香调图直观地描绘了对象偏爱的前调、核心调或中调以及可选的后调。这些香调以形成轮盘的图案来表示，条带段表示偏好强度。例如，关于前调，芳香馥奇调被描绘为五根(5)条带，这些芳香相比花香调更受对象的偏爱，花香调被描绘为一根(1)条带。类似地，关于中调，果香调被描绘为四根(4)条带，果香调相比辛香调更受对象的偏爱，辛香调被描绘为三根(3)条带。除了条带的数量之外或者作为条带的数量的替代，条带的颜色也可以指示喜欢的强度。在香调图的一些实施方式中，强度值可以是线性的(即，两根条带的偏好强度是一根条带的两倍等)或非线性的，比如对数、指数等。

在图11所示的图表中，对象喜欢的是：前调中的芳香馥奇调，其次是柑橘调；中调中的绿叶调和果香调，其次是辛香调；以及后调中的香脂调，其次是麝香调或木质调。在一些实施方式中，该香调图可以通过用户界面引擎308呈现在显示设备302上。在一些实施方式中，香氛顾问可以利用香调图来推荐对应于香调图的香调简档的产品类型或产品系列。在其他实施方式中，对象102可以利用香调图来与一种或多种香氛产品的香氛图表进行比较。在另外的其他实施方式中，推荐引擎312可以分析例如香调图的图像或用于生成香调图的底层数据，并且基于该分析自动向对象102呈现产品推荐。在后面的这个实施方式中，产品推荐可以基于例如从产品数据储库316访问的产品数据。

在一些实施方式中，推荐引擎312采用一种或多种算法来分析根据生物特征数据生成图像(例如，脑电图、大脑活动图等)。基于该分析，可以确定对象102偏好的香氛的一个或多个特征参数。例如，在一些实施方式中，针对存在的更强刺激，分析脑电图或大脑活动图中与大脑的F7和F8区域相关联的区域。这种更强刺激可以表示对象102是否喜欢所接触的香氛。当然，在各种实施方式中，可以分析大脑区域的其他组合。

在一些实施方式中，基于EEG数据的一个或多个图像来确定香氛的偏好特征参数。例如，在一些实施方式中，针对图像应用图像处理技术，以便确定香氛的偏好特征参数。在一些实施方式中，推荐引擎312可以包括或访问人工神经网络，该人工神经网络被训练来基于图像确定特征参数。当然，可以执行任何其他合适类型的机器学习技术和/或经典图像处理技术，以便确定对象102接触的香氛的偏好特征参数。

例如，在一些实施方式中，推荐引擎312包括用于协助确定产品推荐的机器学习模型。可以采用例如接触已知香氛(具有已知特征参数，比如香调简档)的对象的脑电图、大脑活动图等的图像来训练机器学习模型，这些已知香味受到对象的喜欢。在一些实施方式中，来自已知香氛的图像用于创建一组监督训练数据，并且可以采用任何合适的技术(包括但不限于梯度下降)以训练数据来训练机器学习模型，比如人工神经网络。所得到的机器学习模型将接受来自EEG引擎306的图像作为输入，并且将输出偏好特征参数或者对象102很可能喜欢的产品推荐。在一些实施方式中，偏好特征参数可以用于生成对象102的香氛简档，比如图11的香调图。

因此，在了解到根据EEG数据和/或可选的问卷数据确定的香氛的偏好特征参数之后，推荐引擎312配置为确定存储在产品数据储库316中的合适产品，该产品与系统100确定的偏好特征参数匹配或高度相关。例如，推荐引擎312可以将结果与存储在产品数据储库316中的产品图、查找表等进行比较。该比较可以基于例如潜在的匹配置信水平。

在一些实施方式中，移动计算设备104还可以包括用户数据储库314，该用户数据储库配置为存储使用系统100的每个对象102的记录。这些记录可以包括例如至少一种香氛产品、至少一种香氛简档、问卷答案、至少一种个性特征、至少一个产品推荐和/或由系统100采集或确定的其他信息。在一个实施方式中，在使用了一个或多个推荐产品之后从对象102接收到的反馈也可以存储在用户数据储库322中或者转发到产品数据储库316，以便改进系统100未来的产品推荐。

下文提供了关于这些组件中的每一个组件所执行的动作的进一步细节。

“引擎”指的是包含在硬件或软件指令中的逻辑，可以用编程语言(比如C、C++、COBOL、JAVA^TM、PHP、Perl、HTML、CSS、JavaScript、VBScript、ASPX、Microsoft.NET^TM、Go和/或其他编程语言)来编写。引擎可以编译成可执行程序或者用解释编程语言来编写。软件引擎可以从其他引擎或自身调用。通常，本文所述的引擎指的是可以与其他引擎合并或者可以分成子引擎的逻辑模块。引擎可以存储在任何类型的计算机可读介质或计算机存储设备中，并且可以由一个或多个通用计算机存储和执行，从而产生了配置为提供引擎或其功能的专用计算机。在一些实施方式中，引擎可以由一个或多个电路、可编程处理器、专用集成电路(ASIC)、可编程逻辑器件(PLD)和/或现场可编程逻辑器件(FPLD)等来实现。

“数据储库”指的是配置为存储供计算设备访问的数据的任何合适的设备。数据储库的一个实例是在一个或多个计算设备上执行并可通过高速网络访问的高度可靠的高速关系数据库管理系统(DBMS)。数据储库的另一个实例是键值储库。然而，可以采用能够反应于查询而快速且可靠地提供存储数据的任何其他合适的存储技术和/或设备，并且计算设备可以在本地而不是通过网络访问，或者可以作为基于云的服务来提供。数据储库还可以包括以有组织的方式存储在计算机可读存储介质(比如硬盘驱动器、闪存、RAM、ROM或任何其他类型的计算机可读存储介质)上的数据。本领域的普通技术人员将认识到的是，在不脱离本公开的范围的情况下，可以将本文所述的独立数据储库组合成单个数据储库，和/或可以将本文所述的单个数据存储分成多个数据储库。

图4是示出了根据本公开的一个方面的可选服务器计算系统108的一个非限制性实例的各种组件的框图。在这些实施方式中，以上阐述的移动计算设备的一个或多个功能可以附加地或备选地由服务器计算设备108来执行。例如，由移动计算装置104采集的香氛偏好信息(例如，来自对象102的香味接触和/或可选问卷的生物特征数据(例如，大脑活动)的香味偏好)可以在经过或不经过额外的处理(例如，滤波、转换等)和/或存储的情况下通过网络110传输到服务器计算系统108。在这点上，服务器计算系统108可以包括例如EEG引擎306(图3)，用于处理和存储EEG信号，并且可选地生成诸如图9所示的实例的脑电图和/或诸如图10所示的实例的大脑活动图。

在一些实施方式中，服务器计算系统108利用从移动计算装置104接收的信息来确定对象102要采用的产品推荐，并将该推荐传回给移动计算装置104以呈现给对象102。在这点上，服务器计算系统108可以附加地或备选地包括问卷分析引擎310、推荐引擎312和/或产品数据储库316，其功能已在上文中详细描述。在一些实施方式中，服务器计算系统108还可以包括用户数据储库314。

图5是示出了适合用作本公开的计算设备的代表性计算设备400的各方面的框图。尽管以上讨论了多种不同类型的计算设备，但代表性计算设备400描述了许多不同类型的计算设备(比如移动计算设备104和/或服务器计算设备108)所共有的各种元件。尽管图5是结合实现为网络上的设备的计算设备来描述的，但是以下描述适用于服务器、个人计算机、移动电话、智能电话、平板电脑、电脑亭、嵌入式计算设备以及可以用于实现本公开的实施方式的各个部分的其他设备。此外，本领域的普通技术人员和其他人将认识到的是，计算设备400可以是任何数量的当前可用的或有待开发的设备中的任何一种设备。

在其最基本的配置中，计算设备400包括通过通信总线406连接的至少一个处理器402和系统存储器404。取决于设备的确切配置和类型，系统存储器404可以是易失性或非易失性存储器，比如只读存储器(“ROM”)、随机存取存储器(“RAM”)、EEPROM、闪存或类似的存储器技术。本领域的普通技术人员和其他人将认识到的是，系统存储器404通常存储处理器402可立即访问和/或当前正在操作的数据和/或程序模块。在这点上，处理器402可以通过支持指令的执行来充当计算设备400的计算中心。

如图5中进一步所示，计算设备400可以包括网络接口410，该网络接口包括用于通过网络与其他设备通信的一个或多个组件。本公开的实施方式可以访问利用网络接口410来通过公共网络协议执行通信的基本服务。网络接口410还可以包括无线网络接口，该无线网络接口配置为通过一个或多个无线通信协议(比如WiFi、2G、3G、LTE、WiMAX、蓝牙、低功耗蓝牙和/或类似协议)进行通信。如本领域的普通技术人员将理解的是，图5中示出的网络接口410可以代表以上关于计算设备400的特定组件而描述和示出的一个或多个无线接口或物理通信接口。

在头戴装置包括用于组合多个信号信道(每个电极有一个信道)的多路复用器的一些实施方式中，计算设备(比如移动计算设备104)的网络接口包括例如以硬件或软件形式实现的多路分解器，以将接收到的EEG信号分配到它们各自的信道中。备选地，EEG引擎306可以包括这种多路分解器。在这些实施方式中，使采集到的(例如，接收到的)EEG信号通过多路分解器，以便移动计算设备104将每个信道的EEG信号作为EEG数据来处理。

在图5所示的示例性实施方式中，计算设备400还包括存储介质408。然而，可以采用不包括用于将数据保存到本地存储介质的装置的计算设备来访问服务。因此，图5所示的存储介质408用虚线来表示，以表示存储介质408是可选的。在任何情况下，存储介质408可以是易失性的或非易失性的和可移动的或不可移动的，并采用能够存储信息的任何技术来实现，比如但不限于硬盘驱动器、固态驱动器、CD ROM、DVD或其他盘式存储器、盒式磁带、磁带、磁盘存储器等。

如本文所使用的，术语“计算机可读介质”包括以能够存储信息(比如计算机可读指令、数据结构、程序模块或其他数据)的以任何方法或技术实现的易失性和非易失性且可移动和不可移动介质。在这点上，图5中描绘的系统存储器404和存储介质408仅仅是计算机可读介质的实例。

包括处理器电路或处理器402、系统存储器404、通信总线406、存储介质408和网络接口410的计算设备的合适实现方式是已知的，并且是市场上可买到的。为了便于说明，并且因为对于理解所要求保护的主题来说不重要，因此图5没有示出许多计算设备的一些典型组件。在这点上，计算设备400可以包括输入设备，比如键盘、小键盘、鼠标、麦克风、触摸输入设备、触摸屏、平板电脑和/或类似设备。这类输入设备可以通过有线或无线连接方式(包括RF(射频)连接、红外连接、串行连接、并行连接、蓝牙连接、低功耗蓝牙连接、USB连接或采用无线或物理连接的其他合适的连接协议)耦接到计算设备400。类似地，计算设备400还可以包括输出设备，比如显示器、扬声器、打印机等。由于这些设备在本领域中是众所周知的，因此在本文中不再进一步说明或描述。

在一些实施方式中，多个传感器和/或一个或多个引擎形成香味反应单元。在一些实施方式中，香味反应单元包括以下其中一个处理电路：配置为检测与嗅觉刺激相关联的实时认知过程的处理电路；配置为检测与对一个或多个香氛调和香的反应相关联的实时事件相关电位的处理电路；配置为基于对嗅觉刺激的反应来检测突触后电位的处理电路；或者配置为检测表示对嗅觉刺激的反应的电压波动的处理电路。

在一些实施方式中，一个或多个引擎形成包括以下其中一个处理电路的香水选择单元：配置为基于与脑电图相关联的至少一个输入来生成香氛子集的一个或多个虚拟实例的处理电路；配置为生成合意性评分或喜好度测量的一个或多个实例的处理电路；配置为生成香味强度的一个或多个实例的处理电路；配置为生成芳香化合物调和的一个或多个实例的处理电路；或者配置为生成香氛组合中的后调、前调或中调的一个或多个实例的处理电路。

图6是示出了根据本公开的一个或多个方面的生成产品推荐和/或将其提供给对象的方法的一个非限制性实例的流程图。将结合图1至图5中描绘的系统100的一个或多个组件来描述通常标为600的代表性方法。

在开始方法600之前，将一个或多个EEG传感器106耦接到对象102的头部。在一些实施方式中，在存在或不存在参考电极的情况，仅有两个EEG传感器106放置在对象大脑的F7和F8区域。在其他实施方式中，由多个EEG传感器106组成的头戴装置114放置在对象102的头部上。在这些实施方式中的一些实施方式中，除了对象大脑的其他区域之外，传感器106还位于F7和F8区域。在一些实施方式中，参考电极可以定位在对象的头部上。

一旦传感器已经与对象102的头部适当关联，该方法就可以开始。方法600从开始步骤前进到步骤602，在步骤602中，对象102接触一种或多种香氛。例如，对象接触一系列香氛。对象102接触每种香氛一段时间。在一个实施方式中，该时间段约为45秒。当然，可以采用更短或更长的时间段。在其他实施方式中，该时间段大约为五(5)分钟或更长。在一些实施方式中，对象接触的香氛包括至少两种香调，比如前调和中调。

对象对一种或多种香氛的反应被EEG传感器106捕捉，并作为EEG信号传输给移动计算设备104。在这点上，在步骤604中，移动设备104与EEG传感器106通信耦接，并接收对象102的EEG(例如，生物特征)信号。

然后，在步骤606中，EEG信号可以由EEG引擎306处理以产生例如EEG数据。在一些实施方式中，EEG信号由驻留在移动计算设备104上的EEG引擎306处理。在其他实施方式中，EEG信号由驻留在服务器计算设备108上的EEG引擎306处理。在这些实施方式或其他实施方式中，EEG数据存储在用户数据储库314中，或者本地存储在移动计算设备104上，或者远程存储在服务器计算系统108上。

在一些实施方式中，针对对象102要接触的每种香氛，重复在步骤602、604、606中执行的动作。在其他实施方式中，可以在步骤606执行的动作之前针对每种香氛执行在步骤602和步骤604执行的动作。在一个实施方式中，对象接触四种香氛。当然，在本发明的实施方式中可以使用四种以上或以下的香氛。

在一个实施方式中，使对象102接触预先选择的一组香氛。例如，预先选择的一组香氛可以是某个公司的香氛系列中最畅销的四种香氛。在其他实施方式中，如将结合图7更详细描述的，系统100可以利用对象102对上述的香氛的反应来影响对象102要接触的一种或多种后续香氛的选择。例如，可以将由EEG引擎306根据香味接触而产生的EEG数据例如作为脑电图或大脑活动图呈现在显示设备302上。在香氛顾问的协助下，可以选择下一种香氛来接触对象102。备选地，该系统可以配置为根据对象对先前的一种或多种香氛的反应来自动选择要呈现给对象的下一种香氛。

在一些实施方式中，对象102接触的每种香氛包括至少两种香调(例如，前调和中调、两种中调、前调和后调等)。在一些实施方式中，对象102接触的每种香氛包括至少三种香调(例如，前调、中调和后调(纵向调和香)、三种中调(横向调和香)等)。在任何情况下，对象102接触的香氛的特征参数(例如，前调、中调和/或后调)是已知的，并存储在产品数据储库316中。在一些实施方式中，特征参数存储为例如香调图。

在一些实施方式中，在步骤608中，移动计算设备104的用户界面引擎308可选地向对象102呈现问卷。在一些实施方式中，问卷可以包括直接表示针对对象102的值的问题。例如，问卷可以明确地要求对象102输入香氛偏好，包括具体的产品名称、偏好的香调或其他香氛特征(比如对象是喜欢男性、女性还是中性香氛等)。在其他实施方式中，用户界面引擎308向对象102提出一个或多个问题，其答案可以用于推断上述或其他对象偏好。

在步骤610中，用户界面引擎308接收问卷答案，并将这些答案应发送给问卷分析引擎310进行处理。在步骤612中，问卷分析引擎310根据问卷答案确定一个或多个香氛偏好。在一些实施方式中，这些答案由驻留在移动计算设备104上的问卷分析引擎310处理。在一些实施方式中，这些答案由驻留在服务器计算设备108上的问卷分析引擎310处理。用户界面引擎308可以通过在显示设备302上呈现的用户界面上的输入来接收反应。问卷的答案和答案处理后的结果可以存储在用户数据储库314中。应当理解的是，在步骤610和步骤612中执行的动作也是可选的。

在步骤614中，推荐引擎312至少基于EEG数据以及可选地基于由问卷分析引擎310确定的对象偏好来确定产品推荐。为此，推荐引擎312可以访问产品数据储库316中的数据。在一些实施方式中，产品推荐是特定的产品。在其他实施方式中，产品推荐是香氛简档。在一些实施方式中，由驻留在移动计算设备104上的推荐引擎312来确定产品推荐。在其他实施方式中，由驻留在服务器计算设备108上的推荐引擎312来确定产品推荐。

在步骤616中，向对象呈现产品推荐。例如，在呈现特定产品的一个实施方式中，产品推荐可以与例如产品描述(例如，香调简档)、产品价格、何处可以购买产品等一起显示在显示设备302上。在产品推荐是香氛简档形式的其他实施方式中，可以通过显示设备302将香氛简档显示给香氛顾问。在香氛顾问的协助下，可以基于香氛简档向对象呈现一种或多种产品。

接着，本方法600前进到结束步骤并终止。

图7是示出了根据本公开的一个或多个方面的生成产品推荐和/或将其提供给对象的方法的另一个非限制性实例的流程图。将结合图1至图5中描绘的系统100的一个或多个组件来描述通常标为700的代表性方法。方法700基本上类似于以上结合图6所述的方法600，除了现在将要描述的不同之处。

在图7的实施方式中，针对对象要接触的每种香氛，依次执行步骤702、步骤704和步骤706的动作。在该实施方式中，推荐引擎312或系统的其他引擎基于上述香氛接触而产生的生物特征数据来确定要呈现给对象102的下一种香氛，而不是预先选择香氛。在一些实施方式中，推荐引擎312基于上述香氛接触而产生的生物特征数据和步骤708中的问卷的一个或多个答案来确定要呈现给对象102的下一种香氛。一旦所有的香氛都已经呈现给了对象102，方法700接着就前进到步骤716，在步骤716中，推荐引擎312确定产品推荐。

在一些实施方式中，基于问卷的一个或多个答案来确定要选择的第一香氛。因此，可以在接触任何香氛之前将问卷呈现给对象。

以上结合附图(其中相同的附图标记指代相同的元件)进行的详细描述旨在作为对本公开的各种实施方式的描述，而并非旨在代表仅有的实施方式。本公开中所述的每个实施方式是仅作为实例或说明而提供的，并且不应被解释为是优选的或优于其他实施方式。本文提供的说明性实例并非是详尽无遗的或将本公开限制于所公开的确切形式。类似地，本文所述的任何步骤可以与其他步骤或步骤组合互换，以便实现相同或基本相似的结果。此外，一些方法步骤可以依次、同时或者以任何顺序执行，除非在其他方法步骤的上下文中有特别的说明或理解。

在以上描述中，阐述了具体细节以提供对本公开的示例性实施方式的全面理解。然而，对于本领域的技术人员来说显而易见的是，可以在不包含所有这些具体细节的情况下实践本文公开的实施方式。在一些情况下，没有详细描述众所周知的过程步骤，以免不必要地使本公开的各个方面变得晦涩难懂。此外，应当理解的是，本公开的实施方式可以采用本文所述的特征的任何组合。

本申请还可以引用数量和数目。除非特别说明，否则这些数量和数目不应被认为是限制性的，而是与本申请相关的可能数量或数目的示例。同样在这点上，本申请可以使用术语“多个”来指代数量或数目。在这点上，术语“多个”是指多于一个的任何数目，例如两个、三个、四个或五个等。术语“大约”、“近似”等表示规定值的正负5％。

在整个说明书中，可以使用技术术语。这些术语将采用它们在所属技术中的普通含义，除非在本文中特别定义或者使用它们的上下文中另有其他明确的暗示。

在以上描述中已经描述了本公开的原理、代表性实施方式和操作模式。然而，本公开的旨在被保护的方面不应被解释为限于所公开的特定实施方式。此外，本文所述的实施方式应被认为是说明性的而不是限制性的。应当理解的是，在不脱离本公开的精神的情况下，其他人可以做出变更和改动，并且可以采用等效物。因此，所有这些变更、改动和等效物都明确地旨在落入本公开的所要求保护的精神和范围内。

Claims (20)

1.一种系统，包括：

多个传感器，配置为基于对嗅觉刺激的反应来感测对象的事件相关电位；和

一个或多个引擎，配置为：

接收所述对象的所述事件相关电位作为EEG信号；

处理所述EEG信号以产生EEG数据；以及

至少基于所述EEG数据生成产品推荐。

2.根据权利要求1所述的系统，其中所述一个或多个引擎容纳在移动计算设备中。

3.根据权利要求1所述的系统，其中将所产生的EEG数据表示为图像。

4.根据权利要求3所述的系统，其中所述图像包括脑电图(EEG)图像或大脑活动图。

5.根据权利要求1所述的系统，其中所述一个或多个引擎进一步配置为基于所述EEG数据生成所述嗅觉刺激的偏好特征参数，并基于所述偏好特征参数生成所述产品推荐。

6.根据权利要求5所述的系统，其中所述一个或多个引擎配置为：通过将表示生成的所述偏好特征参数的数据与所述一个或多个引擎可访问的产品数据进行比较，来确定产品推荐。

7.根据权利要求5所述的系统，其中所述嗅觉刺激是一种香氛，并且其中表示生成的所述偏好特征参数的数据包括香氛简档。

8.根据权利要求7所述的系统，其中所述香氛简档作为所述产品推荐呈现给所述对象。

9.根据权利要求7所述的系统，其中生成的所述偏好特征参数代表香氛的各种香调，并且其中通过将所述香氛简档与分别代表一组香氛的一组香氛简档进行比较来生成所述产品推荐，所述一组香氛简档可由所述一个或多个引擎访问。

10.根据权利要求1所述的系统，其中所述一个或多个引擎配置为基于所述对嗅觉刺激的反应来检测所述事件相关电位，所述一个或多个引擎包括处理电路，所述处理电路配置为：

检测与嗅觉刺激相关联的实时认知过程；

检测与对一种或多种香氛调和香的反应相关联的实时事件相关电位；

检测表示对嗅觉刺激的反应的电压波动；或者

基于对嗅觉刺激的反应来检测突触后电位。

11.一种系统，包括：

香味反应单元，包括处理电路，所述处理电路配置为基于对嗅觉刺激的反应来检测事件相关电位；以及

香水选择单元，包括处理电路，所述处理电路配置为基于与所述事件相关电位相关联的至少一个输入来生成香氛子集的一个或多个虚拟实例。

12.根据权利要求11所述的系统，其中包括配置为基于对嗅觉刺激的反应来检测所述事件相关电位的处理电路的所述香味反应单元包括以下处理电路中的一个处理电路：

配置为检测与嗅觉刺激相关联的实时认知过程的处理电路；

配置为检测与对一种或多种香氛调和香的反应相关联的实时事件相关电位的处理电路；

配置为基于对嗅觉刺激的反应来检测突触后电位的处理电路；或者

配置为检测表示对嗅觉刺激的反应的电压波动的处理电路。

13.根据权利要求11所述的系统，其中所述香水选择单元进一步包括以下处理电路中的一个处理电路：

配置为基于与脑电图相关联的至少一个输入来生成香氛子集的一个或多个虚拟实例的处理电路；

配置为生成合意性评分或喜好度测量的程度的一个或多个实例的处理电路；

配置为生成香味强度的一个或多个实例的处理电路；

配置为生成芳香化合物调和的一个或多个实例的处理电路；或者

配置为生成香氛组合中的后调、前调或中调的一个或多个实例的处理电路。

14.一种用于向对象推荐产品的方法，包括：

基于对嗅觉刺激的接触从而获得对象的生物特征数据；

分析所述生物特征数据；以及

至少基于分析后的所述生物特征数据向所述对象推荐产品。

15.根据权利要求14所述的方法，其中基于分析后的所述生物特征数据向所述对象推荐产品包括：

向所述对象呈现香氛名称；或者

向所述对象呈现香氛简档。

16.根据权利要求15所述的方法，进一步包括：

获得所述对象的问卷数据，所述问卷数据表示对产品的特征参数的偏好，

其中所述向所述对象推荐产品是基于分析后的所述生物特征数据和所述问卷数据。

17.根据权利要求15所述的方法，其中所述嗅觉刺激是一种香味，其中所述产品是香水，并且所述生物特征数据表示EEG数据。

18.根据权利要求17所述的方法，其中产品推荐包括：基于所述EEG数据生成香氛简档；以及将所述香氛简档呈现给所述对象。

19.根据权利要求17所述的方法，其中产品推荐包括：基于所述EEG数据产生香氛简档；将所述香氛简档与分别代表一组香氛的一组香氛简档进行比较，以从所述一组香氛中选择具有与所述生成的香氛简档最相似的香氛简档的一种香氛；以及将所述选择的香氛呈现给所述对象。

20.根据权利要求15所述的方法，其中基于对刺激的接触从而获得对象的生物特征数据包括：从与所述对象的左前(F7)脑叶和右前(F8)脑叶相关联的至少两个EEG电极获得生物特征数据。

Images