CN116362848B - 基于人工智能的电子商务的推荐方法、系统、设备和介质 - Google Patents
基于人工智能的电子商务的推荐方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN116362848B CN116362848B CN202310650311.1A CN202310650311A CN116362848B CN 116362848 B CN116362848 B CN 116362848B CN 202310650311 A CN202310650311 A CN 202310650311A CN 116362848 B CN116362848 B CN 116362848B
- Authority
- CN
- China
- Prior art keywords
- user
- mobile phone
- storage capacity
- determining
- requirement
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 45
- 239000013598 vector Substances 0.000 claims description 22
- 230000004438 eyesight Effects 0.000 claims description 17
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 230000002354 daily effect Effects 0.000 description 31
- 238000012549 training Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Telephone Function (AREA)
Abstract
本发明提供的一种基于人工智能的电子商务的推荐方法、系统、设备和介质，该方法包括基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量，基于用户手机中的多个应用的使用数据确定用户的处理器性能需求程度，基于用户手机存储数据、用户手机中的多个应用的使用数据、用户平均每天的手机用电量确定用户的机身存储容量需求，基于多个前置摄像头的照片和多个后置摄像头的照片确定前置摄像头的像素需求和后置摄像头的像素需求，基于用户平均每天的手机用电量、用户的处理器性能需求程度、用户的机身存储容量需求、前置摄像头的像素需求、后置摄像头的像素需求确定多个推荐手机，该方法可以准确的推荐适合用户的手机，提高用户体验。
Description
技术领域
本发明涉及电子商务技术领域，具体涉及一种基于人工智能的电子商务的推荐方法、系统、设备和介质。
背景技术
随着互联网的普及和电子商务的发展,电子商务平台应用的越来越广泛。现在我们可以通过电脑或手机等设备在足不出户的情况下购买到自己想要的商品。然而信息时代数据爆炸式增长使得用户在海量商品信息面前无所适从,如何在海量数据中剔除不相干的信息、快捷地获取到有价值的信息成为一项挑战工作。用户在电子商务平台选购手机时，现有的电子商务平台的个性化推荐系统可以基于用户的历史搜索记录等，从而有针对性地进行个性化推荐，但往往推荐的结果还是特别多，且推荐的准确性还是不够，用户还是需要从推荐的结果中再进行选择。而对于年纪较大或对手机功能不熟悉的用户来说，手机种类繁多，各种功能介绍内容复杂，用户往往选择起来还是特别困难，用户还是需要通过去网上查找资料，查询他人购买意见等手段来进行选择。
因此如何在电子商务平台上准确的推荐适合用户的手机，提高用户体验是当前亟待解决的问题。
发明内容
本发明主要解决的技术问题是如何在电子商务平台上准确的推荐适合用户的手机，提高用户体验。
根据第一方面，本发明提供一种基于人工智能的电子商务的推荐方法，包括：基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量；基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度；基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求；对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片；基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求；基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机。
更进一步地，所述方法还包括：获取用户的手部图像和视力信息；基于所述用户的手部图像确定用户的握持能力；基于所述用户的握持能力、所述视力信息确定推荐的手机机身尺寸范围；获取所述多个推荐手机的机身尺寸大小；从所述多个推荐手机的机身尺寸大小中筛选出位于所述推荐的手机机身尺寸范围内的多个手机，并将所述位于所述推荐的手机机身尺寸范围内的多个手机作为多个目标手机进行推荐。
更进一步地，所述方法还包括：获取所述多个目标手机的价格，按照价格从小到大的排列顺序对所述多个目标手机进行展示。
更进一步地，所述照片处理模型为卷积神经网络模型，所述照片处理模型的输入为所述多个前置摄像头的照片和所述多个后置摄像头的照片，所述照片处理模型的输出为所述前置摄像头的像素需求和后置摄像头的像素需求。
根据第二方面，本发明提供一种基于人工智能的电子商务的推荐系统，包括：手机用电量确定模块，用于基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量；性能需求程度确定模块，用于基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度；存储容量需求确定模块，用于基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求；分类模块，用于对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片；像素需求确定模块，用于基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求；推荐手机确定模块，用于基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机。
更进一步地，所述系统还用于：获取用户的手部图像和视力信息；基于所述用户的手部图像确定用户的握持能力；基于所述用户的握持能力、所述视力信息确定推荐的手机机身尺寸范围；获取所述多个推荐手机的机身尺寸大小；从所述多个推荐手机的机身尺寸大小中筛选出位于所述推荐的手机机身尺寸范围内的多个手机，并将所述位于所述推荐的手机机身尺寸范围内的多个手机作为多个目标手机进行推荐。
更进一步地，所述系统还用于：获取所述多个目标手机的价格，按照价格从小到大的排列顺序对所述多个目标手机进行展示。
更进一步地，所述照片处理模型为卷积神经网络模型，所述照片处理模型的输入为所述多个前置摄像头的照片和所述多个后置摄像头的照片，所述照片处理模型的输出为所述前置摄像头的像素需求和后置摄像头的像素需求。
根据第三方面，本发明提供一种电子设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现上述的方法。
根据第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述方面中任一项所述的方法。
本发明提供的一种基于人工智能的电子商务的推荐方法、系统、设备和介质，该方法包括基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量，基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度，基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求，对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片，基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求，基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机，可以准确的推荐适合用户的手机，提高用户体验。
附图说明
图1为本发明实施例提供的一种基于人工智能的电子商务的推荐方法的流程示意图；
图2为本发明实施例提供的一种对多个推荐手机进行筛选确定出多个目标手机的流程示意图；
图3为本发明实施例提供的一种基于人工智能的电子商务的推荐系统的示意图；
图4为本发明实施例提供的一种电子设备的示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本发明能被更好的理解。
本发明实施例中，提供了如图1所示的一种基于人工智能的电子商务的推荐方法，所述基于人工智能的电子商务的推荐方法包括步骤S1~S6：
步骤S1，基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量。
用户手机一段时间内的电量消耗数据可以为前三天的电量消耗数据、前七天的电量消耗数据、半个月的电量消耗数据、一个月的电量消耗数据等。例如用户手机一段时间内的电量消耗数据可以为前三天的电量消耗数据，前三天的电量消耗数据分别为2021/6/1消耗1500毫安电量、2021/6/2消耗1300毫安电量、2021/6/3消耗1800毫安电量，则用户平均每天的手机用电量为（1500毫安+1300毫安+1800毫安）/3=1500毫安。
步骤S2，基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度。
用户手机中的多个应用的使用数据包括用户手机中安装的多个应用名称、多个应用的使用时间、多个应用的耗电量、启动次数、数据流量消耗、用户对应用的操作等数据。例如，微信的使用数据为使用次数100次，总时长10小时，与好友的聊天次数50次，发布朋友圈10次。抖音的使用数据包括使用次数50次，总时长5小时，浏览视频100条，点赞20次，评论10条。某一款游戏的使用数据包括使用次数30次，总时长15小时，参加竞技场比赛10次，组队游戏5次。
性能判断模型为深度神经网络模型。深度神经网络模型包括深度神经网络（DeepNeural Networks，DNN）。深度神经网络模型为人工智能的一种实现方式。深度神经网络可以包括循环神经网络(Recurrent Neural Network，RNN)、卷积神经网络（ConvolutionalNeural Networks，CNN）、生成对抗网络(Generative Adversarial Networks，GAN)等等。
性能判断模型的输入为用户手机中的多个应用的使用数据，性能判断模型的输出为用户的处理器性能需求程度。
用户的处理器性能需求程度是指用户在使用手机时对手机的处理器性能提出的要求程度。处理器性能需求程度越大，则需要的处理器的性能就越好。例如，普通办公用户的处理器性能需求程度为0.3，因为普通办公用户通常只需要使用一些文字处理、幻灯片制作、电子表格等工具，对于处理器性能的需求相对较低。游戏玩家用户的处理器性能需求程度为0.8，对于游戏玩家而言，他们通常会玩一些大型游戏，这些游戏对于 CPU 处理器的需求非常高，需要有更高的运行速度、多任务处理能力和游戏体验，以保证游戏流畅稳定。因此，性能判断模型的可以通过对用户手机中的多个应用的使用数据进行处理判断用户的处理器性能需求程度。
步骤S3，基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求。
用户的机身存储容量需求表示用户在使用手机时，对手机的存储容量的需求大小。例如，用户的机身存储容量需求可以为256GB、512GB等。
用户手机存储数据是指用户在使用手机时存储在手机上的各种数据。用户手机存储数据包括应用程序、图片、音频文件、视频文件、文档等。
用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量都可以反映出用户的机身存储容量需求。例如用户手机存储数据越多，可以反映出用户的机身存储容量需求越大，所述用户手机中的多个应用的使用数据越多，也可以反映出用户的机身存储容量需求越大。所述用户平均每天的手机用电量越多，则说明用户手机使用时长较多，则也可以反映出用户的机身存储容量需求越大。
在一些实施例中，可以将用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量构建为一个待匹配向量，通过计算该待匹配向量与数据库中每个参考向量的距离，将距离小于阈值的参考向量对应的用户的机身存储容量需求确定为当前的用户的机身存储容量需求。数据库是预先构建的，所述数据库中包括参考向量以及与参考向量对应的用户的机身存储容量需求，参考向量基于历史数据中的用户手机存储数据、用户手机中的多个应用的使用数据、用户平均每天的手机用电量构建得到。参考向量对应的用户的机身存储容量需求可以是基于历史数据确定好的合适的用户的机身存储容量需求。
在一些实施例中，还可以通过存储容量需求模型来对用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量进行处理确定用户的机身存储容量需求。存储容量需求模型为深度神经网络模型。
在一些实施例中，存储容量需求模型包括新增存储文件确定子模型和需求确定子模型，新增存储文件确定子模型的输入为用户手机中的多个应用的使用数据，新增存储文件确定子模型的输出为平均每天新增的存储文件大小，所述需求确定子模型的输入为平均每天新增的存储文件大小、用户手机存储数据、所述用户平均每天的手机用电量，所述需求确定子模型的输出为用户的机身存储容量需求。新增存储文件确定子模型和需求确定子模型都为深度神经网络模型。
平均每天新增的存储文件大小表示通过对用户手机中的多个应用的使用数据进行分析确定的用户手机中平均每天会新增多少存储文件，例如，平均每天新增的存储文件大小可以为1GB、2GB等。
步骤S4，对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片。
用户在使用手机拍摄照片时，通常会选择使用前置或后置摄像头。在这个过程中，手机会为每一张照片添加元数据，其中包括照片的拍摄时间、位置、设备信息等。此外，手机还会记录该张照片是由前置摄像头还是后置摄像头所拍摄。
可以通过分析每一张照片的元数据，可以将用户相册内的多张照片进行分类，得到多个前置摄像头的照片和多个后置摄像头的照片。
步骤S5，基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求。
多个前置摄像头的照片可以反映前置摄像头的像素需求，例如，多个前置摄像头的照片显示用户经常自拍，自拍照片较多，则说明前置摄像头的像素需求就高。
多个后置摄像头的照片也可以反映后置摄像头的像素需求，例如多个后置摄像头的照片显示用户经常拍风景照、多个后置摄像头的照片数量越多、用户经常拍风景的细节照片，则说明后置摄像头的像素需求就高。
前置摄像头的像素需求可以为对前置摄像头像素的需求，例如前置摄像头的像素需求可以为700万像素、2000万像素等。
后置摄像头的像素需求可以为对后置摄像头像素的需求，例如后置摄像头的像素需求可以为2000万像素、4800万像素、一亿像素等。
照片处理模型为卷积神经网络模型，卷积神经网络模型包括卷积神经网络。卷积神经网络模型为人工智能的一种实现方式。卷积神经网络(CNN)可以是多层神经网络(例如，包括至少两个层)。照片处理模型可以通过梯度下降法对训练样本进行训练得到。训练样本的输入包括多个前置摄像头的样本照片和多个后置摄像头的样本照片，训练样本的输出标签为前置摄像头的样本性能需求程度和后置摄像头的样本性能需求程度。训练样本的标签可以通过工作人员手动标注得到。
训练完成后的照片处理模型的输入为所述多个前置摄像头的照片和所述多个后置摄像头的照片，训练完成后的照片处理模型的输出为前置摄像头的像素需求和后置摄像头的像素需求。
步骤S6，基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机。
手机推荐模型为深度神经网络模型，手机推荐模型的输入为所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求，手机推荐模型的输出为多个推荐手机。
手机推荐模型可以基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求进行综合处理，筛选出符合条件的多个推荐手机。
在一些实施例中，还可以对所述多个推荐手机再进行筛选确定出多个目标手机。图2为本发明实施例提供的一种对多个推荐手机进行筛选确定出多个目标手机的流程示意图，图2包括步骤S21~S25：
步骤S21，获取用户的手部图像和视力信息。
用户的手部图像是指通过手机前置或后置摄像头等设备获取到的用户手部的照片或视频图像。用户的手部图像可以用于分析用户的握持能力，进而确定最适合的手机机身尺寸等参数。
视力信息包括用户的眼睛度数、近视程度、散光程度等。视力信息可以用于推荐最适合用户的手机的机身尺寸大小。例如，视力信息越差，则需要推荐大一点的手机机身尺寸，以方便用户的手机使用。
在一些实施例中，用户可以手动输入用户的手部图像和视力信息到手机上。
步骤S22，基于所述用户的手部图像确定用户的握持能力。
用户的握持能力指用户能够稳定握住手机的能力。用户的握持能力可以为0-1之间的数值，数值越大，握持能力越强。例如，用户的手部越小，则用户的握持能力就越差，则不能稳定握住较大尺寸的手机，则需要推荐尺寸较小的手机，用户的手部越大，则用户的握持能力就越强，则可以推荐尺寸较大的手机。
在一些实施例中，可以通过手部图像处理模型和握持能力处理模型确定用户的握持能力。手部图像处理模型的输入为用户的手部图像，手部图像处理模型的输出为用户手指长度、宽度、手部面积，握持能力处理模型的输入为用户手指长度、宽度、手部面积，握持能力处理模型的输出为用户的握持能力。手部图像处理模型和握持能力处理模型都为深度神经网络模型。
步骤S23，基于所述用户的握持能力、所述视力信息确定推荐的手机机身尺寸范围。
推荐的手机机身尺寸范围为推荐的手机机身的尺寸范围。例如，推荐的手机机身尺寸范围可以为5.4英寸-6.5英寸等。
在一些实施例中，可以通过用户的握持能力、视力信息与推荐的手机机身尺寸范围的预设关系确定推荐的手机机身尺寸。用户的握持能力、视力信息与手机机身尺寸范围的预设的关系可以为提前确定好的预设关系。
在一些实施例中，还可以将所述用户的握持能力、所述视力信息构建为向量，并通过与数据库进行向量匹配的方式确定出推荐的手机机身尺寸范围，关于具体详细描述可以参见S3，此处不再赘述。
步骤S24，获取所述多个推荐手机的机身尺寸大小。
在一些实施例中，可以从所述多个推荐手机的官方介绍中获取所述多个推荐手机的机身尺寸大小。
步骤S25，从所述多个推荐手机的机身尺寸大小中筛选出位于所述推荐的手机机身尺寸范围内的多个手机，并将所述位于所述推荐的手机机身尺寸范围内的多个手机作为多个目标手机进行推荐。
在一些实施例中，可以对多个推荐手机的尺寸大小进行筛选和比较，选出符合推荐的手机尺寸范围的目标手机，并将其推荐给用户。
基于同一发明构思，图3为本发明的实施例提供的一种基于人工智能的电子商务的推荐系统示意图，所述基于人工智能的电子商务的推荐系统包括：
手机用电量确定模块31，用于基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量；
性能需求程度确定模块32，用于基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度；
存储容量需求确定模块33，用于基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求；
分类模块34，用于对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片；
像素需求确定模块35，用于基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求；
推荐手机确定模块36，用于基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机。
基于同一发明构思，本发明的实施例提供了一种电子设备，如图4所示，包括：
包括：处理器41；存储器42；以及计算机程序；其中，所述计算机程序存储在所述存储器42中，并配置为由所述处理器41执行以实现如前述提供的基于人工智能的电子商务的推荐方法，所述方法包括：基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量；基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度；基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求；对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片；基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求；基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机。
基于同一发明构思，本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器41执行时实现前述提供的基于人工智能的电子商务的推荐方法，所述方法包括: 基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量；基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度；基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求；对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片；基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求；基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (4)
1.一种基于人工智能的电子商务的推荐方法，其特征在于，包括：
基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量；
基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度，用户手机中的多个应用的使用数据包括用户手机中安装的多个应用名称、多个应用的使用时间、多个应用的耗电量、启动次数、数据流量消耗、用户对应用的操作数据，性能判断模型为深度神经网络模型；
基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求，所述用户的机身存储容量需求通过向量匹配确定或者存储容量需求模型确定，其中通过向量匹配确定所述用户的机身存储容量需求包括：将用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量构建为一个待匹配向量，通过计算该待匹配向量与数据库中每个参考向量的距离，将距离小于阈值的参考向量对应的用户的机身存储容量需求确定为当前的用户的机身存储容量需求，其中通过存储容量需求模型确定所述用户的机身存储容量需求包括：通过存储容量需求模型来对用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量进行处理确定用户的机身存储容量需求，存储容量需求模型为深度神经网络模型；
对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片；
基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求，所述照片处理模型为卷积神经网络模型，所述照片处理模型的输入为所述多个前置摄像头的照片和所述多个后置摄像头的照片，所述照片处理模型的输出为所述前置摄像头的像素需求和后置摄像头的像素需求；
基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机；
所述方法还包括：
获取用户的手部图像和视力信息；
基于所述用户的手部图像确定用户的握持能力；
基于所述用户的握持能力、所述视力信息确定推荐的手机机身尺寸范围；
获取所述多个推荐手机的机身尺寸大小；
从所述多个推荐手机的机身尺寸大小中筛选出位于所述推荐的手机机身尺寸范围内的多个手机，并将所述位于所述推荐的手机机身尺寸范围内的多个手机作为多个目标手机进行推荐；
所述方法还包括：获取所述多个目标手机的价格，按照价格从小到大的排列顺序对所述多个目标手机进行展示。
2.一种基于人工智能的电子商务的推荐系统，其特征在于，包括：
手机用电量确定模块，用于基于用户手机一段时间内的电量消耗数据确定用户平均每天的手机用电量；
性能需求程度确定模块，用于基于用户手机中的多个应用的使用数据使用性能判断模型确定用户的处理器性能需求程度，用户手机中的多个应用的使用数据包括用户手机中安装的多个应用名称、多个应用的使用时间、多个应用的耗电量、启动次数、数据流量消耗、用户对应用的操作数据，性能判断模型为深度神经网络模型；
存储容量需求确定模块，用于基于用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量确定用户的机身存储容量需求，所述用户的机身存储容量需求通过向量匹配确定或者存储容量需求模型确定，其中通过向量匹配确定所述用户的机身存储容量需求包括：将用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量构建为一个待匹配向量，通过计算该待匹配向量与数据库中每个参考向量的距离，将距离小于阈值的参考向量对应的用户的机身存储容量需求确定为当前的用户的机身存储容量需求，其中通过存储容量需求模型确定所述用户的机身存储容量需求包括：通过存储容量需求模型来对用户手机存储数据、所述用户手机中的多个应用的使用数据、所述用户平均每天的手机用电量进行处理确定用户的机身存储容量需求，存储容量需求模型为深度神经网络模型；
分类模块，用于对用户相册内的多张照片进行分类得到多个前置摄像头的照片和多个后置摄像头的照片；
像素需求确定模块，用于基于所述多个前置摄像头的照片和所述多个后置摄像头的照片使用照片处理模型进行处理得到前置摄像头的像素需求和后置摄像头的像素需求，所述照片处理模型为卷积神经网络模型，所述照片处理模型的输入为所述多个前置摄像头的照片和所述多个后置摄像头的照片，所述照片处理模型的输出为所述前置摄像头的像素需求和后置摄像头的像素需求；
推荐手机确定模块，用于基于所述用户平均每天的手机用电量、所述用户的处理器性能需求程度、所述用户的机身存储容量需求、所述前置摄像头的像素需求、所述后置摄像头的像素需求使用手机推荐模型确定多个推荐手机；
所述系统还用于：
获取用户的手部图像和视力信息；
基于所述用户的手部图像确定用户的握持能力；
基于所述用户的握持能力、所述视力信息确定推荐的手机机身尺寸范围；
获取所述多个推荐手机的机身尺寸大小；
从所述多个推荐手机的机身尺寸大小中筛选出位于所述推荐的手机机身尺寸范围内的多个手机，并将所述位于所述推荐的手机机身尺寸范围内的多个手机作为多个目标手机进行推荐；
所述系统还用于：获取所述多个目标手机的价格，按照价格从小到大的排列顺序对所述多个目标手机进行展示。
3.一种电子设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如权利要求1所述的基于人工智能的电子商务的推荐方法。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1所述的基于人工智能的电子商务的推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310650311.1A CN116362848B (zh) | 2023-06-03 | 2023-06-03 | 基于人工智能的电子商务的推荐方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310650311.1A CN116362848B (zh) | 2023-06-03 | 2023-06-03 | 基于人工智能的电子商务的推荐方法、系统、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116362848A CN116362848A (zh) | 2023-06-30 |
| CN116362848B true CN116362848B (zh) | 2023-10-27 |
Family
ID=86905535
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310650311.1A Active CN116362848B (zh) | 2023-06-03 | 2023-06-03 | 基于人工智能的电子商务的推荐方法、系统、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116362848B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009079928A1 (fr) * | 2007-12-18 | 2009-07-02 | Xiwei Tang | Procédé et système d'application de gestion électronique |
| WO2018233480A1 (zh) * | 2017-06-20 | 2018-12-27 | Oppo广东移动通信有限公司 | 照片推荐方法及相关产品 |
| WO2018232645A1 (zh) * | 2017-06-21 | 2018-12-27 | 深圳支点电子智能科技有限公司 | 具有拍照功能的移动终端和相关产品 |
| CN109934664A (zh) * | 2019-01-17 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 基于鞋交易的智能推荐方法、装置、设备及存储介质 |
| WO2019227560A1 (zh) * | 2018-05-29 | 2019-12-05 | 科大讯飞股份有限公司 | 信息推荐方法、装置、系统、设备及可读存储介质 |
| CN111709816A (zh) * | 2020-06-23 | 2020-09-25 | 中国平安财产保险股份有限公司 | 基于图像识别的服务推荐方法、装置、设备及存储介质 |
| CN111901636A (zh) * | 2020-07-09 | 2020-11-06 | 深圳康佳电子科技有限公司 | 一种电视游戏的推荐方法、智能电视及存储介质 |
| KR102280223B1 (ko) * | 2020-03-06 | 2021-07-21 | 주식회사 해든앰앤씨 | 빅데이터 기반의 상품구매 의사결정 지원 서비스 제공 방법 및 이를 위한 시스템 |
| WO2021159448A1 (zh) * | 2020-02-14 | 2021-08-19 | 中国科学院深圳先进技术研究院 | 一种基于序列推荐系统的通用网络压缩框架和压缩方法 |
| CN113674037A (zh) * | 2021-10-21 | 2021-11-19 | 西安超嗨网络科技有限公司 | 一种基于购物行为的数据采集和推荐方法 |
| CN113689266A (zh) * | 2021-08-27 | 2021-11-23 | 重庆锐云科技有限公司 | 手机选购推荐方法、装置、服务器及计算机可读存储介质 |
| WO2022156530A1 (zh) * | 2021-01-21 | 2022-07-28 | 北京电解智科技有限公司 | 商品推荐方法和装置 |
| CN115293859A (zh) * | 2022-09-28 | 2022-11-04 | 江苏火焰云数据技术有限公司 | 一种基于人工智能的电子商务平台商品智能推荐管理系统 |
| CN115907926A (zh) * | 2022-12-29 | 2023-04-04 | 达观数据(苏州)有限公司 | 商品的推荐方法、装置、电子设备及存储介质 |
| CN116156048A (zh) * | 2023-04-23 | 2023-05-23 | 成都苏扶软件开发有限公司 | 基于人工智能的音量调整方法、系统、设备和介质 |
-
2023
- 2023-06-03 CN CN202310650311.1A patent/CN116362848B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009079928A1 (fr) * | 2007-12-18 | 2009-07-02 | Xiwei Tang | Procédé et système d'application de gestion électronique |
| WO2018233480A1 (zh) * | 2017-06-20 | 2018-12-27 | Oppo广东移动通信有限公司 | 照片推荐方法及相关产品 |
| WO2018232645A1 (zh) * | 2017-06-21 | 2018-12-27 | 深圳支点电子智能科技有限公司 | 具有拍照功能的移动终端和相关产品 |
| WO2019227560A1 (zh) * | 2018-05-29 | 2019-12-05 | 科大讯飞股份有限公司 | 信息推荐方法、装置、系统、设备及可读存储介质 |
| CN109934664A (zh) * | 2019-01-17 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 基于鞋交易的智能推荐方法、装置、设备及存储介质 |
| WO2021159448A1 (zh) * | 2020-02-14 | 2021-08-19 | 中国科学院深圳先进技术研究院 | 一种基于序列推荐系统的通用网络压缩框架和压缩方法 |
| KR102280223B1 (ko) * | 2020-03-06 | 2021-07-21 | 주식회사 해든앰앤씨 | 빅데이터 기반의 상품구매 의사결정 지원 서비스 제공 방법 및 이를 위한 시스템 |
| CN111709816A (zh) * | 2020-06-23 | 2020-09-25 | 中国平安财产保险股份有限公司 | 基于图像识别的服务推荐方法、装置、设备及存储介质 |
| CN111901636A (zh) * | 2020-07-09 | 2020-11-06 | 深圳康佳电子科技有限公司 | 一种电视游戏的推荐方法、智能电视及存储介质 |
| WO2022156530A1 (zh) * | 2021-01-21 | 2022-07-28 | 北京电解智科技有限公司 | 商品推荐方法和装置 |
| CN113689266A (zh) * | 2021-08-27 | 2021-11-23 | 重庆锐云科技有限公司 | 手机选购推荐方法、装置、服务器及计算机可读存储介质 |
| CN113674037A (zh) * | 2021-10-21 | 2021-11-19 | 西安超嗨网络科技有限公司 | 一种基于购物行为的数据采集和推荐方法 |
| CN115293859A (zh) * | 2022-09-28 | 2022-11-04 | 江苏火焰云数据技术有限公司 | 一种基于人工智能的电子商务平台商品智能推荐管理系统 |
| CN115907926A (zh) * | 2022-12-29 | 2023-04-04 | 达观数据(苏州)有限公司 | 商品的推荐方法、装置、电子设备及存储介质 |
| CN116156048A (zh) * | 2023-04-23 | 2023-05-23 | 成都苏扶软件开发有限公司 | 基于人工智能的音量调整方法、系统、设备和介质 |
Non-Patent Citations (6)
| Title |
|---|
| Artificial intelligence in E-Commerce: a bibliometric study and literature review;Ransome Epie Bawack，Samuel Fosso Wamba, Kevin Daniel André Carillo & Shahriar Akter;《Electronic Markets》;第32卷(第2022期);第297-338页 * |
| E-Commerce Intelligent Recommendation System Based on Deep Learning;Gang Huang;《2022 IEEE Asia-Pacific Conference on Image Processing, Electronics and Computers (IPEC)》;第1154-1157页 * |
| e-Commerce Personalized Recommendation Based on Machine Learning Technology;Liping Liu;《Mobile Information Systems》(第2022期);第1-11页 * |
| 基于个性化导购的商品智能动态推荐系统;姚剑; 余炎; 黄诗盛; 赵培;《价值工程》;第36卷(第35期);第199-201页 * |
| 基于深度学习推荐系统的研究;刘春阳; 申莹; 赵永翼;《数字通信世界》(第1期);第103、120页 * |
| 层次分析法在大学生选购手机中的研究;屈正庚;《计算机系统应用》;第24卷(第3期);第166-170页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116362848A (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11637797B2 (en) | Automated image processing and content curation | |
| US11250487B2 (en) | Computer vision and image characteristic search | |
| US10223454B2 (en) | Image directed search | |
| WO2017181612A1 (zh) | 个性化视频推荐方法及装置 | |
| US10402917B2 (en) | Color-related social networking recommendations using affiliated colors | |
| CN110321422A (zh) | 在线训练模型的方法、推送方法、装置以及设备 | |
| US9875258B1 (en) | Generating search strings and refinements from an image | |
| CN110737783A (zh) | 一种推荐多媒体内容的方法、装置及计算设备 | |
| WO2015116971A1 (en) | Determination of aesthetic preferences based on user history | |
| US11601391B2 (en) | Automated image processing and insight presentation | |
| US20170329840A1 (en) | Computerized system and method for performing a feature-based search and displaying an interactive dynamically updatable, multidimensional user interface therefrom | |
| JP2015141530A (ja) | 情報処理装置、スコア算出方法、プログラム、およびシステム | |
| CN108595493A (zh) | 媒体内容的推送方法和装置、存储介质、电子装置 | |
| CN110209810A (zh) | 相似文本识别方法以及装置 | |
| CN112528164B (zh) | 一种用户协同过滤召回方法及装置 | |
| CN107506441B (zh) | 一种数据排列方法、装置、电子设备以及存储介质 | |
| CN112464106B (zh) | 对象推荐方法及装置 | |
| CN111191065B (zh) | 一种同源图像确定方法及装置 | |
| CN116362848B (zh) | 基于人工智能的电子商务的推荐方法、系统、设备和介质 | |
| CN111324733A (zh) | 内容推荐方法、装置、设备及存储介质 | |
| CN115408611A (zh) | 菜单推荐方法、装置、计算机设备和存储介质 | |
| CN112825076B (zh) | 一种信息推荐方法、装置和电子设备 | |
| CN114677190A (zh) | 视觉素材的处理方法、装置和系统、计算机终端 | |
| CN108416261B (zh) | 一种任务处理方法和系统 | |
| CN108431806A (zh) | 辅助搜索查询 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231007 Address after: Room 1303, No. 64 Huadi Avenue Middle, Liwan District, Guangzhou City, Guangdong Province, 510000 Applicant after: GUANGZHOU AITE ANWEI TECHNOLOGY Co.,Ltd. Address before: No. 3001A, Floor 4, Building 1-2, No. 69, Junlong Street, Jinjiang District, Chengdu, Sichuan 610000 (self number) Applicant before: Chengdu Haojie Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |