CN116881560A - 互动操作的推荐方法、装置、电子设备及可读存储介质 - Google Patents

互动操作的推荐方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN116881560A
CN116881560A CN202310871456.4A CN202310871456A CN116881560A CN 116881560 A CN116881560 A CN 116881560A CN 202310871456 A CN202310871456 A CN 202310871456A CN 116881560 A CN116881560 A CN 116881560A
Authority
CN
China
Prior art keywords
target
terminal
information
sensor information
sample
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
Application number
CN202310871456.4A
Other languages
English (en)
Inventor
徐俊
何金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Taoyoutianxia Technology Co ltd
Original Assignee
Beijing Taoyoutianxia Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Taoyoutianxia Technology Co ltd filed Critical Beijing Taoyoutianxia Technology Co ltd
Priority to CN202310871456.4A priority Critical patent/CN116881560A/zh
Publication of CN116881560A publication Critical patent/CN116881560A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请实施例提供了一种互动操作的推荐方法、装置、电子设备及可读存储介质，涉及通信领域。该方法包括：获取至少一个目标终端的传感器信息，传感器信息为通过目标终端中的传感器采集的信息，将至少一个目标终端的传感器信息输入目标推荐模型，获得目标推荐模型输出的至少一个目标终端中的每个目标终端的第一目标互动操作信息；向每个目标终端发送相应的第一操作指示，第一操作指示用于指示相应目标终端与其他终端基于第一目标互动操作信息进行交互操作；目标推荐模型是以样本终端的样本传感器信息为训练样本，以样本终端的样本传感器信息关联的样本互动操作信息为训练标签训练而成的。本申请实施例简化了发起互动操作的流程、提供了趣味性。

Description

互动操作的推荐方法、装置、电子设备及可读存储介质
技术领域
本申请涉及通信技术领域，具体而言，本申请涉及一种互动操作的推荐方法、装置、电子设备及可读存储介质。
背景技术
现有的终端之间的交互操作，大多需要终端的使用者自行通过点击应用程序的特定界面的特定控件来进行触发，导致终端之间互动操作的发起过程较为局限和繁琐，发起形式较为单一，缺乏趣味性。
发明内容
本申请实施例提供了一种互动操作的推荐方法、装置、电子设备及可读存储介质，用于解决发起互动操作流程较繁琐，以及趣味性低的技术问题。
根据本申请实施例的第一方面，提供了一种互动操作的推荐方法，该方法包括：
获取至少一个目标终端的传感器信息，所述传感器信息为通过相应目标终端中的各个传感器采集的信息；
将所述至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，获得所述目标推荐模型输出的所述至少一个目标终端中的每个目标终端的第一目标互动操作信息；
向所述至少一个目标终端中的每个目标终端发送相应的第一操作指示，所述第一操作指示用于指示相应目标终端与其他终端基于所述第一目标互动操作信息进行交互操作；
其中，所述目标推荐模型是以样本终端的样本传感器信息为训练样本，以所述样本终端的样本传感器信息关联的样本互动操作信息为训练标签训练而成的。
在一个可能的实现方式中，目标推荐模型包括分类层和输出层，输入模块包括：
第一输入单元，用于将所述传感器信息输入至所述分类层，获得所述分类层输出的至少一种互动操作信息的概率；
第二输入单元，用于将所述各互动操作信息的概率输入至所述输出层，获得所述输出层输出的第一目标互动操作信息；
其中，所述第一目标互动操作信息为至少一种概率中的最大概率对应的互动操作信息。
在另一个可能的实现方式中；互动操作的推荐装置还包括目标终端确定模块，目标终端确定模块包括：
获取单元，用于获得多个参考终端的传感器信息；
计算单元，用于计算所述多个参考终端中两两参考终端的传感器信息间的相似度，将相似度大于预设相似度阈值的参考终端，作为所述目标终端。
在又一个可能的实现方式中，互动操作的推荐装置还包括：
触发模块，用于若确定所述传感器信息达到预设触发条件，则将所述至少一个目标终端的传感器信息输入至预先训练的目标推荐模型。
在又一个可能的实现方式中，传感器信息还包括场景信息，所述场景信息用于表征所述终端的目标应用程序的页面；互动操作的推荐装置，还包括：
目标推荐模型确定模块，用于根据所述目标应用程序的页面和预先存储的策略信息，确定与所述目标应用程序的页面对应的目标推荐模型；其中，所述策略信息中包括各应用程序的页面与各推荐模型的对应关系。
在又一个可能的实现方式中，所述传感器信息包括以下至少一种：
所述终端的位移；
所述终端的温度；
所述终端与其他物体之间的距离；
声音。
在又一个可能的实现方式中，互动操作的推荐模型还包括：
身份信息获取模块，用于获取所述至少一个目标终端对应使用者的职场身份信息；
身份信息输入模块，用于将所述至少一个目标终端的传感器信息和所述职场身份信息输入至预先训练的目标推荐模型，获得所述目标推荐模型输出的第二目标互动操作信息；
发送模块，用于向所述至少一个目标终端中的每个目标终端发送相应的第二操作指示，所述第二操作指示用于指示相应目标终端与其他终端基于所述第二目标互动操作信息进行交互操作；
其中，所述第二目标互动操作信息用于指示相应目标终端执行展示目标职场经历相关的操作。
在又一个可能的实现方式中，互动操作的推荐模块还包括
训练模块，用于基于所述训练样本和所述训练标签对第一模型进行多轮迭代训练，直至满足第一预设结束条件，将满足第一预设结束条件时的第一模型作为所述目标推荐模型；
其中，一轮迭代训练包括：
针对每一个训练样本，将所述训练样本的传感器信息输入所述第一模型，获得所述第一模型输出的互动操作信息预测值；
针对每一个训练样本，根据所述互动操作信息预测值和对应的训练标签间的差异程度，更新所述第一模型的模型参数。
根据本申请实施例的第二方面，提供了一种模型训练方法，包括：
确定训练样本，所述训练样本为样本终端的样本传感器信息；
确定训练标签，所述训练标签为所述样本终端的样本传感器信息关联的样本互动操作信息；
根据所述训练样本和所述训练标签训练得到目标推荐模型。
根据本申请实施例的第三方面，提供了一种互动操作的推荐装置，该装置包括：
获取模块，用于获取至少一个目标终端的传感器信息，所述传感器信息为通过相应目标终端中的各个传感器采集的信息；
输入模块，用于将所述至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，获得所述目标推荐模型输出的所述至少一个目标终端中的每个目标终端的第一目标互动操作信息；
推荐模块，用于向所述至少一个目标终端中的每个目标终端发送相应的第一操作指示，所述第一操作指示用于指示相应目标终端与其他终端基于所述第一目标互动操作信息进行交互操作；
其中，所述目标推荐模型是以样本终端的样本传感器信息为训练样本，以所述样本终端的样本传感器信息关联的样本互动操作信息为训练标签训练而成的。
根据本申请实施例的第四方面，提供了一种模型训练装置，该装置包括：
第一确定模块，用于确定训练样本，所述训练样本为样本终端的样本传感器信息；
第二确定模块，用于确定训练标签，所述训练标签为所述样本终端的样本传感器信息关联的样本互动操作信息；
训练模块，用于根据所述训练样本和所述训练标签训练得到目标推荐模型。
根据本申请实施例的第五方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上的计算机程序，处理器执行程序时实现如第一方面或者第二方面所提供的方法的步骤。
根据本申请实施例的第六方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面或者第二方面所提供的方法的步骤。
根据本申请实施例的第七方面，提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中，当计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行实现如第一方面或者第二方面所提供的方法的步骤。
本申请实施例提供的技术方案带来的有益效果是：
在本申请实施例中，通过向训练好的目标推荐模型输入目标终端的传感器信息，来获取用于指示目标终端与其他终端执行交互操作的第一目标指示信息，实现了通过获取的目标终端的传感器信息，就可以触发服务器向目标终端推荐对应的互动操作，从而目标终端可以无需根据使用者的逐步操作来实现各交互操作的功能，通过目标终端的传感器信息即可实现对互动操作功能的触发，大大简化了发起互动操作的流程，不再使互动操作的触发流程局限于逐步操作，同时利用传感器信息触发的方式，也提高了互动操作触发的趣味性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的实现互动操作的推荐方法的系统架构示意图；
图2为本申请实施例提供的一种互动操作的推荐方法的流程示意图；
图3为本申请实施例提供的一种目标推荐模型的训练方法的流程示意图；
图4为本申请实施例提供的一种服务器为单个终端执行互动操作的推荐方法的流程示意图；
图5为本申请实施例提供的一种服务器为多个终端执行互动操作的推荐方法的流程示意图；
图6为本申请实施例提供的一种模型训练方法的流程示意图；
图7为本申请实施例提供的一种互动操作的推荐装置的结构示意图；
图8为本申请实施例提供的一种模型训练装置的结构示意图；
图9为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件，但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解，当我们称一个元件被“连接”或“耦接”到另一元件时，该一个元件可以直接连接或耦接到另一元件，也可以指该一个元件和另一元件通过中间元件建立连接关系。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个，例如“A和/或B”可以实现为“A”，或者实现为“B”，或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面对本申请涉及的术语及相关技术进行说明：
传感器：是能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求的检测装置。传感器的存在和发展，让物体有了触觉、味觉和嗅觉等感官，让物体变得活了起来，传感器是人类五官的延长。传感器具有微型化、数字化、智能化、多功能化、系统化、网络化等特点，它是实现自动检测和自动控制的首要环节。
下面对相关技术进行说明：以添加好友这一互动操作为例，相关技术的执行流程通常为通过搜索相关联系人或者扫描主页二维码的形式，进入联系人的页面，在联系人的页面点击添加好友，待联系人允许好友申请通过，建立与对方的好友关系；通过上述过程可知，现有的发起互动操作的过程过于繁琐，且在互动操作发起之前，需要用户自主进行选择才能够进行互动操作，导致互动操作发起受限，且发起形式缺乏趣味性。
针对相关技术中所存在的上述至少一个技术问题或需要改善的地方，本申请提出一种互动操作的推荐方法，该方案通过获取至少一个目标终端的传感器信息，传感器信息为通过相应目标终端中的各个传感器采集的信息；将至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，获得目标推荐模型输出的至少一个目标终端中的每个目标终端的第一目标互动操作信息；向至少一个目标终端中的每个目标终端发送相应的第一操作指示，第一操作指示用于指示相应目标终端与其他终端基于第一目标互动操作信息进行交互操作；其中，目标推荐模型是以样本终端的样本传感器信息为训练样本，以样本终端的样本传感器信息关联的样本互动操作信息为训练标签训练而成的，可以实现以简洁的方式向其他终端发起互动操作，且发起的过程具备趣味性。
下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是，下述实施方式之间可以相互参考、借鉴或结合，对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等，不再重复描述。
图1为本申请实施例提供的实现互动操作的推荐方法的系统架构示意图，其中该系统架构包括：终端120和服务器140。
终端120安装和运行有执行互动操作的推荐方法的应用程序，终端120，用于向服务器传输终端的传感器信息，用于接收传感器信息发送的第一操作指示，用于基于第一目标互动操作信息与其他终端进行交互操作。
终端120通过无线网络或有线网络与服务器140相连。
服务器140包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。示意性的，服务器140包括处理器144和存储器142，存储器142包括显示模块1421、控制模块1422和接收模块1423。服务器140用于为互动操作的推荐方法的应用程序提供后台服务。可选的，服务器140承担主要计算工作，终端120承担次要计算工作；或者，服务器140承担次要计算工作，终端120承担主要计算工作；或者，服务器140、终端120和之间采用分布式计算架构进行协同计算。
可选的，终端的设备类型包括：智能手机、平板电脑、电子书阅读器、动态影像专家压缩标准音频层3(MovingPicture Experts Group Audio Layer III，MP3)播放器、动态影像专家压缩标准音频层面4(Moving Picture Experts Group Audio Layer IV，MP4)播放器、膝上型便携计算机和台式计算机中的至少一种。
本领域技术人员可以知晓，上述终端的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量。本申请实施例对终端的数量和设备类型不加以限定。
本申请实施例中提供了一种互动操作的推荐方法，应用于图1的服务器，如图2所示，该方法包括：
S101，获取至少一个目标终端的传感器信息，传感器信息为通过相应目标终端中的各个传感器采集的信息。
在本申请实施例中，获取的传感器信息为脱敏后的传感器信息，即传感器信息中不会涉及包含个人隐私的信息，如具体的经纬度信息等。
在本申请实施例中，终端上的传感器可以为加速度传感器、陀螺仪传感器、重力传感器、磁力计传感器、光线传感器、距离传感器、温度传感器和GPS等传感器。
在本申请实施例中，传感器信息包括以下至少一种：终端的位移；终端的温度；终端与其他物体之间的距离；声音。
在本申请实施例中，终端的位移是指，终端设备在X方向(即横轴方向)、Y方向(纵轴方向)以及Z方向(竖轴方向)的移动距离，还可以为终端设备在各方向的移动速度，也可以是终端设备在各方向上的运动形态，如终端设备在Z方向做高速的往复运动，如终端设备在X方向做匀速运动等。
在本申请实施例中，终端与其他物体之间的距离可以是由GPS定位系统确定的终端设备与其他终端设备之间的距离，也可以是通过距离传感器获取的终端与周围物品的距离，如终端与人脸的距离，终端与耳朵之间的距离等。
在本申请实施例中，声音可以为终端的使用者主动靠近话筒发声，话筒接收到的声音，也可以是终端的话筒通过检测周围环境接收到的声音。
本申请实施例不对传感器获取的传感器信息进行具体限定，具体使用哪种传感器信息基于实际应用情况决定。
在本申请实施例中，由于传感器信息的种类繁多，且执行方式也多，将传感器信息作为触发推荐互动操作信息的因素，不仅可以使触发流程简洁，还实现了触发过程趣味性强且实现方式多，也不会受互动操作功能的局限。
本申请实施例中提供了一种可能的实现方式，获得多个参考终端的传感器信息；计算多个参考终端中两两参考终端的传感器信息间的相似度，将相似度大于预设相似度阈值的参考终端，作为目标终端。
在本申请实施例中，服务器获取多个参数终端的传感器信息，针对每一个参考终端，计算参考终端与其他参考终端之间的传感器信息的相似度，例如计算参考终端当前所处的位置与其他参考终端当前所处的位置之间的相似度；例如计算在同一时刻内，各参考终端和其他参考终端所执行的运动的相似度。将相似度大于预设阈值的两个参考终端作为目标终端。被认定为传感器信息之间的相似度大于预设阈值的参考终端，则认为是具备关联关系的参考终端，则将其作为目标终端。
基于传感器信息的相似度判断两两参考终端是否为目标终端，可以快速的筛选出有具有想触发同一互动操作信息的终端，从而快速使终端之间建立联系实现互动操作的交互。
在一个例子中，服务器获取参考终端A、参考终端B和参考终端C的传感器信息，获取的传感器信息为八点五十分三十秒至八点五十分四十秒的时刻段内，终端设备所执行的运动，其中，参考终端A执行的运动为在Z方向执行加速度为16m/s2的往复运动，参考终端B执行的运动为在X方向保持运动运动，参考终端C执行的运动为在Z方向执行加速为15m/s2的往复运动，计算得到参考终端A与参考终端C的相似度为92％，通过上述的传感器信息可知，参考终端A和参考终端C的相似度大于预设相似度80％，因此，将参考终端A和参考终端C一同作为目标参考终端。
在本申请实施例中，目标终端还可以为一个终端，即当前服务器获取到一个参考终端的传感器信息时，上述参考终端作为目标终端。
本申请实施例中提供了一种可能的实现方式，若确定传感器信息达到预设触发条件，则将至少一个目标终端的传感器信息输入至预先训练的目标推荐模型。
在本申请实施例中，由于手机上的传感器种类较多，且能够获取的传感器信息也会很多，若将每一种传感器信息都需要输入到目标模型中，则会导致服务器处理压力过大，从而影响有效传感器信息的处理，因此，通过一个预设触发条件，对传感器信息进行筛选，将符合预设触发条件的目标终端的传感器信息输入到目标推荐模型中，从而减少无效的传感器信息的输入，保证能够及时对有效的传感器信息进行处理。
在本申请实施例中，预设触发条件时基于传感器信息设定的，预设触发条件可以为终端设备正在进行有规律的运动，或者终端设备的加速度达到预设速度阈值，还可以为通过麦克风接收到预设语音文字或者声音。
需要说明的是本申请实施例不对预设触发条件进行具体限定，预设触发条件根据实际应用场景进行选择。
在一个例子中，获取到目标终端A、目标终端B和目标终端C的传感器信息，预设的触发条件为终端设备的加速度在15m/s2及以上。目标终端A的加速度为2m/s2、目标终端B的加速度为16m/s2，目标终端C的加速度为10m/s2,，通过上述各目标终端的传感器信息和预设触发条件可知，当目标终端的加速度达到15m/s2及以上，目标终端的传感器信息才能输入到目标推荐模型中，因此，将目标终端B的传感器信息输入到目标终端模型中。
S102，将至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，获得目标推荐模型输出的至少一个目标终端中的每个目标终端的第一目标互动操作信息。
本申请实施例提供了一种可能的实现方式，传感器信息还包括场景信息，场景信息用于表征终端的目标应用程序的页面；将传感器信息输入至预先训练的目标推荐模型，之前还包括：根据目标应用程序的页面和预先存储的策略信息，确定与目标应用程序的页面对应的目标推荐模型；其中，策略信息中包括各应用程序的页面与各推荐模型的对应关系。
在本申请实施例中，传感器信息中还包括终端的显示界面的当前所处的目标应用程序的页面，其中，目标应用程序可以为职场类应用，也可以为社交类应用。
在本申请实施例中，由于各应用程序有各自的特点，因此，为了更好的根据目标终端的传感器信息进行互动操作的推荐，根据各应用程序的页面的特点选择不同的目标推荐模型进行互动操作的推荐，因此，为了便于快速获取符合当前应用程序的页面的目标推荐模型，预先将应用程序的页面与推荐模型建立关联关系，并将关联关系存储到策略信息中。当服务器获取到应用程序的页面后，根据预先存储的策略信息和应用程序的页面的对应关系，从众多推荐模型中选择与当前应用程序的页面对应的推荐模型作为目标推荐模型执行后续操作。
在本申请实施例中，将传感器信息的特征向量输入到预先训练的目标推荐模型中，输入目标推荐模型中的传感器信息包括：用户编号、终端设备执行的动作、当前时间、终端设备当前所处的位置等信息。
本申请实施例中提供了一种可能的实现方式，目标推荐模型包括分类层和输出层；将传感器信息输入至分类层，获得分类层输出的至少一种互动操作信息的概率；将各互动操作信息的概率输入至输出层，获得输出层输出的第一目标互动操作信息；其中，第一目标互动操作信息为至少一种概率中的最大概率对应的互动操作信息。
在本申请实施例中，目标推荐模型的分类层用于根据传感器信息推荐至少一种互动操作的概率，即推荐各互动操作的概率；目标推荐模型的输出层用于根据推荐的各互动操作的概率，选择最大概率对应的互动操作信息作为第一目标互动操作信息，输出最终推荐的第一目标互动操作信息。
在一个例子中，将传感器信息的特征向量输入到目标推荐模型的分类层中，分类层输出的推荐互动操作A的概率为0.2、输出的推荐互动操作B的概率为0.85、输出的推荐互动操作C的概率为0.3；将分类层输出的上述概率输入到输出层中，得到输出层输出的最大概率值对应的第一目标互动操作信息，即输出层输出互动操作B的信息。
根据目标推荐模型的分类层输出推荐各互动操作的概率，并将推荐各互动操作的概率输入至输出层进行排序，将最大概率互动操作作为推荐的第一目标互动操作，得到更符合目标终端传感器信息的互动推荐操作，推荐更准确。
S103，向至少一个目标终端中的每个目标终端发送相应的第一操作指示，第一操作指示用于指示相应目标终端与其他终端基于第一目标互动操作信息进行交互操作。
在本申请实施例中，服务器根据获取的目标终端的传感器信息和目标推荐模型得到推荐的第一目标互动操作信息后，向目标终端发送操作指示，服务器根据目标终端的传感器信息得到推荐的第一目标互动操作信息，说明服务器确定了目标终端确定了此时指示目标终端进行哪些操作，因此，服务器向目标终端发起了第一操作指示，用于目标终端与其他终端基于第一目标互动操作信息进行交互操作。
在一个例子中，第一目标互动操作信息为发送问候的互动操作信息，服务器向目标终端A发送第一操作指示信息后，目标终端A的页面显示是否执行向终端B发起问候操作，在目标终端A确定向终端B发起问候操作后，目标终端A自动执行向终端B发起问候操作的流程。
本申请实施例中提供了一种可能的实现方式，获取至少一个目标终端对应使用者的职场身份信息；将至少一个目标终端的传感器信息和职场身份信息输入至预先训练的目标推荐模型，获得目标推荐模型输出的第二目标互动操作信息；向至少一个目标终端中的每个目标终端发送相应的第二操作指示，第二操作指示用于指示相应目标终端与其他终端基于第二目标互动操作信息进行交互操作；其中，第二目标互动操作信息用于指示相应目标终端执行展示目标职场经历相关的操作。
在本申请实施例中，在目标应用程序为职场类应用程序时，获取到目标终端的传感器信息之后，还可以从职场类应用程序中获取目标终端的使用者的职场身份信息，其中职场身份信息如职位、职责、所属部门等职场相关的内容。
在本申请实施例中，第二目标互动操作信息是基于终端的职场身份信息和传感器信息得到的，因此，第二目标互动操作信息用于进行职场类的交互操作，如目标终端向其他终端发送工作名片，目标终端向其他终端展示过往职场经历等互动操作。
通过获取职场类应用程序中用户终端的职场信息，能够在基于传感器信息的基础上进一步根据职场人的自身情况来推荐相应的互动操作信息，从而实现与其他终端更有效的互动。
在一个例子中，从目标终端的目标应用程序获取到目标终端使用者的职场身份信息为提供产品服务的业务人员，传感器信息为通过压力传感器获取到的终端设备预设区域受到的叩击，将目标终端的传感器信息和职场身份信息输入到目标推荐模型中，通过目标推荐模型输出进行发送名片的互动操作信息(第二目标互动操作信息)，服务器向目标终端传输第二操作指示，终端接收到第二操作指示后，确定是否执行发送名片的互动操作，在确定执行发送名片的互动操作的情况下，目标终端在目标应用程序中向正在进行沟通的其他终端发送名片，实现与其他终端的交互操作。
在本申请实施例中，目标推荐模型是以样本终端的样本传感器信息为训练样本，以样本终端的样本传感器信息关联的样本互动操作信息为训练标签训练而成的。
本申请实施例中提供了一种可能的实现方式，基于训练样本和训练标签对第一模型进行多轮迭代训练，直至满足第一预设结束条件，将满足第一预设结束条件时的第一模型作为目标推荐模型；其中，一轮迭代训练包括：针对每一个训练样本，将训练样本的传感器信息输入第一模型，获得第一模型输出的互动操作信息预测值；
针对每一个训练样本，根据互动操作信息预测值和对应的训练标签间的差异程度，更新第一模型的模型参数。
在本申请实施例中，首先获取用于训练样本和训练标签，训练样本为样本终端的样本传感器信息，训练标签为传感器信息关联的样本互动操作信息。
在本申请实施例中，预设结束条件为达到预设迭代次数，或者直至模型收敛，即互动操作信息预测值和对应的训练标签间的差异程度不再显著减小。
在本申请实施例中，互动操作信息的预测值是指输入训练样本后第一模型输出的预测值为输出结果为训练标签的概率值。如果概率值越大，说明预测结果与训练标签越接近。
在本申请实施例中，互动操作信息预测值和对应的训练标签间的差异程度就是指的损失函数的损失值，损失值越小，说明互动操作信息与训练标签之越接近。使用差异程度对第一模型的模型参数进行更新，使下一次训练过程中互动操作信息预测值和对应的训练标签间的差异程度越小，模型输出的准确率越高。
在本申请实施例中，可以采用LR模型训练框架对目标推荐模型进行建立，也可以采用贝叶斯模型来对目标推荐模型进行建立。
通过互动操作信息预测值和对应的训练标签间的差异程度不断的迭代更新第一模型的模型参数，提高了模型的预测准确率。
请参考图3，其示例性的示出了互动操作的推荐方法中模型训练方法的流程图，具体流程如下：
S201，初始化第一模型的模型参数，并将多组传感器信息的特征向量输入到第一模型中。
在本申请实施例中，第一模型的模型参数为W＝(w0，w1，w2，w3，w4)，将采集到的传感器信息，如目标终端的ID和其他终端的ID、时间、地点、应用程序的页面、终端设备的运动状态、当前环境的问题以及麦克风检测到的音量等数据的特征值组合成一个向量，得到传感器信息的特征向量，定义特征向量为(t时间,t地点,t场景,t运动)。
S202，针对每一组特征向量，使用传感器信息的特征向量和第一模型的模型参数计算互动操作信息预测值。
在本申请实施例中，首先计算第一模型的模型参数与特征向量的点积z＝w0+w1t时间+w2t地点+w3t场景+w4t运动，然后将，点积的结果通过Sigmoid函数，将其转化为[0,1]区间的概率值P，即互动操作信息预测值，其中，p＝sigmoid(z)＝1/(1+e^-z)。
S203，针对每一个互动操作信息预测值，通过预设的损失函数，计算实际标签和互动操作信息预测值之间的损失值。
在本申请实施例中，互动操作信息预测值为P，实际标签为y(其值为0或1)，那么损失函数可以定义为L(y,p)＝-[y*log(p)+(1-y)*log(1-p)]。
S204，计算所有损失值的平均值，得到目标损失值，根据目标损失值对第一模型参数进行更新。
S205，计算目标损失值对第一模型的每一个模型参数的梯度，根据计算得到的梯度和预设的学习率对第一模型的模型参数进行更新。
在本申请实施例中，为批量梯度下降训练过程，在目标推荐模型的实际训练过程中，还可以使用更加复杂的优化算法，例如随机梯度下降等，同时也可以在训练过程中添加如学习率衰减、早停和正则化等训练技巧。
S206，判断是否达到预设迭代次数或者模型收敛，在达到上述条件的情况下，执行步骤S207，否则，返回步骤S202，继续对第一模型进行训练。
S207，将此时的第一模型作为目标推荐模型。
在本申请实施例中，交互操作可以是单方的交互操作，也可以是双方的交互操作。接下来通过两个具体的例子，具体描述本申请实施例中的互动操作的推荐方向的流程示意图。
如图4所示，其示例性的示出了，服务器为单个终端执行互动操作的推荐方法的具体流程。
S301,接收目标终端传输的手机位移、目标终端所在的目标应用程序的界面、位置等传感器信息。
S302,判断传感器信息是否符合预设触发条件，符合的情况下，执行步骤S303，否则结束流程。
S303，根据目标终端所在目标应用程序的界面，确定目标推荐模型。
S304，将传感器信息的特征向量输入到目标推荐模型，得到第一目标互动操作信息。
S305，将第一目标互动操作信息发送至目标终端，供目标终端根据第一目标互动操作信息在目标应用程序中与其他终端进行交互操作。
在上述过程中，当目标终端的使用者的终端设备在目标应用程序的特定界面(如社交软件的私聊页面)，当手机传感器获取到手机位移(如手机轻微碰撞)目标终端提示使用者是否执行第一目标互动操作，在使用者同一的情况下，目标终端根据第一目标互动操作信息在目标应用程序中与其他终端进行交互操作，如向对方发送一句问候。
如图5所示，其示例性的示出了，服务器为多个终端执行互动操作的推荐方法的具体流程。
S401，接收目标终端A和目标终端B发送的手机摇晃、目标终端所在的目标应用程序的界面、位置等传感器信息。
S402,判断传感器信息是否符合预设触发条件，且目标终端A和目标终端B的传感器信息的相似度大于预设阈值，符合的情况下，执行步骤S03，否则结束流程。
S403，根据目标终端所在目标应用程序的界面，确定目标推荐模型。
S404，将目标终端A和目标终端B的传感器信息的特征向量一同输入到目标推荐模型，得到添加好友的互动操作信息。
S405，将添加好友的互动操作信息分别发送至目标终端A和目标终端B，供目标终端A和目标终端B根据添加好友的互动操作信息在目标应用程序中互相交互操作。
在上述过程中，在双方同时同地发起手机摇晃的过程中，由于目标终端A和目标终端B的传感器信息的相似度大于预设阈值，因此，服务器认为目标终端A和目标终端B是想要进行交互操作的关联终端，根据目标推荐模型可以得到通过摇晃操作可以触发添加好友的互动操作，那么在双发完成手机的摇晃操作后，在各自终端确定可添加好友，即可迅速的完成目标终端A和目标终端B的添加好友的互动操作，极大的简化了互动操作中添加好友的执行流程。
本申请实施例提供的互动操作的推荐方法，通过一个预设触发条件，对传感器信息进行筛选，将符合预设触发条件的目标终端的传感器信息输入到目标推荐模型中，从而减少无效的传感器信息的输入，保证能够及时对有效的传感器信息进行处理；并在接收到多终端的传感器信息时，基于各终端传感器信息间的相似度，可以快速的筛选出有具有想触发同一互动操作信息的终端，从而快速使终端之间建立联系实现互动操作的交互；通过提前将目标应用程序的界面与推荐模型的关联关系存储在策略信息中，在获取到传感器信息时，能够及时根据传感器信息中的目标应用程序的页面确定符合目标应用程序的目标推荐模型，从而提高推荐的准确率；另外，由于传感器信息的种类繁多，且执行方式也多，将传感器信息作为触发推荐互动操作信息的因素，不仅可以使触发流程简洁，还实现了触发过程趣味性强且实现方式多，也不会受互动操作功能的局限；根据目标推荐模型的分类层输出推荐各互动操作的概率，并将推荐各互动操作的概率输入至输出层进行排序，将最大概率互动操作作为推荐的第一目标互动操作，得到更符合目标终端传感器信息的互动推荐操作，推荐更准确，进一步地，通过获取职场类应用程序中用户终端的职场信息，能够在基于传感器信息的基础上进一步根据职场人的自身情况来推荐相应的互动操作信息，从而实现与其他终端更有效的互动。
本申请实施例中还提供了一种模型训练方法，应用于图1的服务器，如图6所示，该方法包括：
S501，确定训练样本，训练样本为样本终端的样本传感器信息。
在本申请实施例中，
S502，确定训练标签，训练标签为样本终端的样本传感器信息关联的样本互动操作信息。
在本申请实施例中，通过采集样本终端的历史传感器信息，即样本传感器信息，确定用于训练的训练样本，数据采集是基于过往用户使用应用程序的各种操作上报的日志和人工标注进行提取的。
在本申请实施例中，通过人工标注的方式将传感器信息中的手机位移、温度、声音等信息与最合适的互动操作信息进行关联，得到训练标签。
S503，根据训练样本和训练标签训练得到目标推荐模型。
在本申请实施例中，通过传感器信息和传感器关联的互动操作信息对模型进行迭代训练，在达到预设迭代次数或模型收敛时，训练结束，得到训练好的目标推荐模型。
在一个例子中，初始化模型的模型参数，使用传感器信息的特征向量和当前模型的模型参数计算得到互动操作信息预测值，计算互动操作信息预测值和实际标签的差异程度，根据差异程度对模型的模型参数进行更新，重复上述步骤，直至互动操作信息预测值和实际标签的差异程度不再显著减小，或者迭代达到预设的最大迭代次数。
本申请实施例提供的模型训练方法，通过使用传感器信息和传感器信息关联的互动操作信息作为训练样本和标签样本，实现向目标推荐模型中输入传感器信息后，即可得到第一互动操作信息。
本申请实施例提供了一种互动操作的推荐装置，如图7所示，该互动操作的推荐装置70可以包括：获取模块701、输入模块702以及推荐模块703。
获取模块701，用于获取至少一个目标终端的传感器信息，传感器信息为通过相应目标终端中的各个传感器采集的信息；
输入模块702，用于将至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，获得目标推荐模型输出的至少一个目标终端中的每个目标终端的第一目标互动操作信息；
推荐模块703，用于向至少一个目标终端中的每个目标终端发送相应的第一操作指示，第一操作指示用于指示相应目标终端与其他终端基于第一目标互动操作信息进行交互操作；
其中，目标推荐模型是以样本终端的样本传感器信息为训练样本，以样本终端的样本传感器信息关联的样本互动操作信息为训练标签训练而成的。
在本申请实施例中，通过向训练好的目标推荐模型输入目标终端的传感器信息，来获取用于指示目标终端与其他终端执行交互操作的第一目标指示信息，实现了通过获取的目标终端的传感器信息，就可以触发服务器向目标终端推荐对应的互动操作，从而目标终端可以无需根据使用者的逐步操作来实现各交互操作的功能，通过目标终端的传感器信息即可实现对互动操作功能的触发，大大简化了发起互动操作的流程，不再使互动操作的触发流程局限于逐步操作，同时利用传感器信息触发的方式，也提高了互动操作触发的趣味性。
本申请实施例的装置可执行本申请实施例所提供的互动操作的推荐方法，其实现原理相类似，本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的，对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。
进一步地，在一个可能的实现方式中，目标推荐模型包括分类层和输出层，输入模块包括：
第一输入单元，用于将传感器信息输入至分类层，获得分类层输出的至少一种互动操作信息的概率；
第二输入单元，用于将各互动操作信息的概率输入至输出层，获得输出层输出的第一目标互动操作信息；
其中，所述第一目标互动操作信息为至少一种概率中的最大概率对应的互动操作信息。
在另一个可能的实现方式中；互动操作的推荐装置还包括目标终端确定模块，目标终端确定模块包括：
获取单元，用于获得多个参考终端的传感器信息；
计算单元，用于计算多个参考终端中两两参考终端的传感器信息间的相似度，将相似度大于预设相似度阈值的参考终端，作为目标终端。
在又一个可能的实现方式中，互动操作的推荐装置还包括：
触发模块，用于若确定传感器信息达到预设触发条件，则将至少一个目标终端的传感器信息输入至预先训练的目标推荐模型。
在又一个可能的实现方式中，传感器信息还包括场景信息，场景信息用于表征终端的目标应用程序的页面；互动操作的推荐装置，还包括：
目标推荐模型确定模块，用于根据目标应用程序的页面和预先存储的策略信息，确定与目标应用程序的页面对应的目标推荐模型；其中，策略信息中包括各应用程序的页面与各推荐模型的对应关系。
在又一个可能的实现方式中，所述传感器信息包括以下至少一种：
终端的位移；
终端的温度；
终端与其他物体之间的距离；
声音。
在又一个可能的实现方式中，互动操作的推荐模型还包括：
身份信息获取模块，用于获取至少一个目标终端对应使用者的职场身份信息；
身份信息输入模块，用于将至少一个目标终端的传感器信息和职场身份信息输入至预先训练的目标推荐模型，获得目标推荐模型输出的第二目标互动操作信息；
发送模块，用于向至少一个目标终端中的每个目标终端发送相应的第二操作指示，第二操作指示用于指示相应目标终端与其他终端基于第二目标互动操作信息进行交互操作；
其中，第二目标互动操作信息用于指示相应目标终端执行展示目标职场经历相关的操作。
在又一个可能的实现方式中，互动操作的推荐模块还包括
训练模块，用于基于训练样本和训练标签对第一模型进行多轮迭代训练，直至满足第一预设结束条件，将满足第一预设结束条件时的第一模型作为目标推荐模型；
其中，一轮迭代训练包括：
针对每一个训练样本，将训练样本的传感器信息输入第一模型，获得第一模型输出的互动操作信息预测值；
针对每一个训练样本，根据互动操作信息预测值和对应的训练标签间的差异程度，更新第一模型的模型参数。
本申请实施例还提供了一种模型训练装置，如图8所示，该模型训练装置80可以包括：第一确定模块801、第二确定模块802以及训练模块803。
第一确定模块801，用于确定训练样本，训练样本为样本终端的样本传感器信息；
第二确定模块802，用于确定训练标签，训练标签为样本终端的样本传感器信息关联的样本互动操作信息；
训练模块803，用于根据训练样本和训练标签训练得到目标推荐模型。
本申请实施例的装置可执行本申请实施例所提供模型训练方法，其实现原理相类似，本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的，对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。
本申请实施例中提供了一种电子设备(计算机装置/设备/系统)，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以实现互动操作的推荐方法的步骤，与相关技术相比可实现：在本申请实施例中，通过向训练好的目标推荐模型输入目标终端的传感器信息，来获取用于指示目标终端与其他终端执行交互操作的第一目标指示信息，实现了通过获取的目标终端的传感器信息，就可以触发服务器向目标终端推荐对应的互动操作，从而目标终端可以无需根据使用者的逐步操作来实现各交互操作的功能，通过目标终端的传感器信息即可实现对互动操作功能的触发，大大简化了发起互动操作的流程，不再使互动操作的触发流程局限于逐步操作，同时利用传感器信息触发的方式，也提高了互动操作触发的趣味性。
在一个可选实施例中提供了一种电子设备，如图9所示，图9所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。
存储器4003用于存储执行本申请实施例的计算机程序，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的计算机程序，以实现前述方法实施例所示的步骤。
其中，电子设备包可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图9所示的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。与现有技术相比可实现：
在本申请实施例中，通过向训练好的目标推荐模型输入目标终端的传感器信息，来获取用于指示目标终端与其他终端执行交互操作的第一目标指示信息，实现了通过获取的目标终端的传感器信息，就可以触发服务器向目标终端推荐对应的互动操作，从而目标终端可以无需根据使用者的逐步操作来实现各交互操作的功能，通过目标终端的传感器信息即可实现对互动操作功能的触发，大大简化了发起互动操作的流程，不再使互动操作的触发流程局限于逐步操作，同时利用传感器信息触发的方式，也提高了互动操作触发的趣味性。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。与现有技术相比可实现：
在本申请实施例中，通过向训练好的目标推荐模型输入目标终端的传感器信息，来获取用于指示目标终端与其他终端执行交互操作的第一目标指示信息，实现了通过获取的目标终端的传感器信息，就可以触发服务器向目标终端推荐对应的互动操作，从而目标终端可以无需根据使用者的逐步操作来实现各交互操作的功能，通过目标终端的传感器信息即可实现对互动操作功能的触发，大大简化了发起互动操作的流程，不再使互动操作的触发流程局限于逐步操作，同时利用传感器信息触发的方式，也提高了互动操作触发的趣味性。
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”、“第三”、“第四”、“1”、“2”等(如果存在)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能够以除图示或文字描述以外的顺序实施。
应该理解的是，虽然本申请实施例的流程图中通过箭头指示各个操作步骤，但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明，否则在本申请实施例的一些实施场景中，各流程图中的实施步骤可以按照需求以其他的顺序执行。此外，各流程图中的部分或全部步骤基于实际的实施场景，可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行，这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下，这些子步骤或者阶段的执行顺序可以根据需求灵活配置，本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的方案技术构思的前提下，采用基于本申请技术思想的其他类似实施手段，同样属于本申请实施例的保护范畴。

Claims (14)

1.一种互动操作的推荐方法，其特征在于，所述方法包括：
获取至少一个目标终端的传感器信息，所述传感器信息为通过相应目标终端中的各个传感器采集的信息；
将所述至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，获得所述目标推荐模型输出的所述至少一个目标终端中的每个目标终端的第一目标互动操作信息；
向所述至少一个目标终端中的每个目标终端发送相应的第一操作指示，所述第一操作指示用于指示相应目标终端与其他终端基于所述第一目标互动操作信息进行交互操作；
其中，所述目标推荐模型是以样本终端的样本传感器信息为训练样本，以所述样本终端的样本传感器信息关联的样本互动操作信息为训练标签训练而成的。
2.根据权利要求1所述的互动操作的推荐方法，其特征在于，所述目标推荐模型包括分类层和输出层；
所述将所述至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，获得所述目标推荐模型输出的第一目标互动操作信息，包括：
将所述传感器信息输入至所述分类层，获得所述分类层输出的至少一种互动操作信息的概率；
将所述各互动操作信息的概率输入至所述输出层，获得所述输出层输出的第一目标互动操作信息；
其中，所述第一目标互动操作信息为至少一种概率中的最大概率对应的互动操作信息。
3.根据权利要求1所述的互动操作的推荐方法，其特征在于，所述将所述至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，包括：
若确定所述传感器信息达到预设触发条件，则将所述至少一个目标终端的传感器信息输入至预先训练的目标推荐模型。
4.根据权利要求1所述的互动操作的推荐方法，其特征在于，所述获取至少一个目标终端的传感器信息，之前还包括确定所述至少一个目标终端的步骤：
获得多个参考终端的传感器信息；
计算所述多个参考终端中两两参考终端的传感器信息间的相似度，将相似度大于预设相似度阈值的参考终端，作为所述目标终端。
5.根据权利要求1所述的互动操作的推荐方法，其特征在于，所述传感器信息还包括场景信息，所述场景信息用于表征所述终端的目标应用程序的页面；
所述将所述传感器信息输入至预先训练的目标推荐模型，之前还包括：
根据所述目标应用程序的页面和预先存储的策略信息，确定与所述目标应用程序的页面对应的目标推荐模型；其中，所述策略信息中包括各应用程序的页面与各推荐模型的对应关系。
6.根据权利要求1所述的互动操作的推荐方法，其特征在于，所述传感器信息包括以下至少一种：
所述终端的位移；
所述终端的温度；
所述终端与其他物体之间的距离；
声音。
7.根据权利要求1所述的互动操作的推荐方法，其特征在于，还包括：
获取所述至少一个目标终端对应使用者的职场身份信息；
将所述至少一个目标终端的传感器信息和所述职场身份信息输入至预先训练的目标推荐模型，获得所述目标推荐模型输出的第二目标互动操作信息；
向所述至少一个目标终端中的每个目标终端发送相应的第二操作指示，所述第二操作指示用于指示相应目标终端与其他终端基于所述第二目标互动操作信息进行交互操作；
其中，所述第二目标互动操作信息用于指示相应目标终端执行展示目标职场经历相关的操作。
8.根据权利要求1所述的互动操作的推荐方法，其特征在于，所述目标推荐模型通过以下方式训练：
基于所述训练样本和所述训练标签对第一模型进行多轮迭代训练，直至满足第一预设结束条件，将满足第一预设结束条件时的第一模型作为所述目标推荐模型；
其中，一轮迭代训练包括：
针对每一个训练样本，将所述训练样本的传感器信息输入所述第一模型，获得所述第一模型输出的互动操作信息预测值；
针对每一个训练样本，根据所述互动操作信息预测值和对应的训练标签间的差异程度，更新所述第一模型的模型参数。
9.一种模型训练方法，其特征在于，包括：
确定训练样本，所述训练样本为样本终端的样本传感器信息；
确定训练标签，所述训练标签为所述样本终端的样本传感器信息关联的样本互动操作信息；
根据所述训练样本和所述训练标签训练得到目标推荐模型。
10.一种互动操作的推荐装置，其特征在于，包括：
获取模块，用于获取至少一个目标终端的传感器信息，所述传感器信息为通过相应目标终端中的各个传感器采集的信息；
输入模块，用于将所述至少一个目标终端的传感器信息输入至预先训练的目标推荐模型，获得所述目标推荐模型输出的所述至少一个目标终端中的每个目标终端的第一目标互动操作信息；
推荐模块，用于向所述至少一个目标终端中的每个目标终端发送相应的第一操作指示，所述第一操作指示用于指示相应目标终端与其他终端基于所述第一目标互动操作信息进行交互操作；
其中，所述目标推荐模型是以样本终端的样本传感器信息为训练样本，以所述样本终端的样本传感器信息关联的样本互动操作信息为训练标签训练而成的。
11.一种模型训练装置，其特征在于，包括：
第一确定模块，用于确定训练样本，所述训练样本为样本终端的样本传感器信息；
第二确定模块，用于确定训练标签，所述训练标签为所述样本终端的样本传感器信息关联的样本互动操作信息；
训练模块，用于根据所述训练样本和所述训练标签训练得到目标推荐模型。
12.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-8任一项所述方法的步骤，或者，权利要求9所述方法的步骤。
13.一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，所述计算机程序被处理器执行时实现权利要求1-8任一项所述方法的步骤，或者，权利要求9所述方法的步骤。
14.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述方法的步骤，或者，权利要求9所述方法的步骤。
CN202310871456.4A 2023-07-14 2023-07-14 互动操作的推荐方法、装置、电子设备及可读存储介质 Pending CN116881560A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310871456.4A CN116881560A (zh) 2023-07-14 2023-07-14 互动操作的推荐方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310871456.4A CN116881560A (zh) 2023-07-14 2023-07-14 互动操作的推荐方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116881560A true CN116881560A (zh) 2023-10-13

Family

ID=88254508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310871456.4A Pending CN116881560A (zh) 2023-07-14 2023-07-14 互动操作的推荐方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116881560A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117473138A (zh) * 2023-12-26 2024-01-30 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) 一种基于虚拟现实的产品展示方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117473138A (zh) * 2023-12-26 2024-01-30 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) 一种基于虚拟现实的产品展示方法及系统
CN117473138B (zh) * 2023-12-26 2024-03-29 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) 一种基于虚拟现实的产品展示方法及系统

Similar Documents

Publication Publication Date Title
CN110288049B (zh) 用于生成图像识别模型的方法和装置
US11048983B2 (en) Method, terminal, and computer storage medium for image classification
CN109858445B (zh) 用于生成模型的方法和装置
CN109800732B (zh) 用于生成漫画头像生成模型的方法和装置
CN109145828B (zh) 用于生成视频类别检测模型的方法和装置
CN109308490B (zh) 用于生成信息的方法和装置
JP6572269B2 (ja) 学習装置、学習方法、およびプログラム
CN109961032B (zh) 用于生成分类模型的方法和装置
CN108764051B (zh) 图像处理方法、装置及移动终端
CN112149699B (zh) 用于生成模型的方法、装置和用于识别图像的方法、装置
CN110059623B (zh) 用于生成信息的方法和装置
CN110084317B (zh) 用于识别图像的方法和装置
CN112883966B (zh) 图像字符识别方法、装置、介质及电子设备
CN109873756B (zh) 用于发送信息的方法和装置
JP2020509444A (ja) データ記憶及び呼出の方法及び装置
CN116881560A (zh) 互动操作的推荐方法、装置、电子设备及可读存储介质
CN112632380A (zh) 兴趣点推荐模型的训练方法和推荐兴趣点的方法
CN112214677A (zh) 一种兴趣点推荐方法、装置、电子设备及存储介质
CN111915086A (zh) 异常用户预测方法和设备
CN110008926B (zh) 用于识别年龄的方法和装置
EP4044044A1 (en) Method and apparatus for processing information
CN112307243B (zh) 用于检索图像的方法和装置
EP4083860A1 (en) Method and apparatus for training item coding model
CN114679680A (zh) 基于ip地址的定位方法、装置、可读介质和电子设备
CN110276404A (zh) 模型训练方法、装置及存储介质

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