CN117278612A - 一种信息推送方法、装置、计算机设备、存储介质 - Google Patents
一种信息推送方法、装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN117278612A CN117278612A CN202311140254.9A CN202311140254A CN117278612A CN 117278612 A CN117278612 A CN 117278612A CN 202311140254 A CN202311140254 A CN 202311140254A CN 117278612 A CN117278612 A CN 117278612A
- Authority
- CN
- China
- Prior art keywords
- face image
- feature points
- target feature
- information
- emotion
- 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 67
- 230000008451 emotion Effects 0.000 claims abstract description 66
- 230000008909 emotion recognition Effects 0.000 claims abstract description 29
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
Abstract
本申请涉及一种信息推送方法、装置、计算机设备、存储介质。所述方法包括：获取用户的人脸图像，所述人脸图像包括用户标识；将所述人脸图像输入情绪识别模型，得到人脸图像对应的情绪标签；获取预设的情绪映射数据表，根据所述情绪标签获取对应的待推送信息；根据所述用户标识获取历史待推送信息中的已点击信息；确定所述已点击信息中与所述情绪标签对应的已点击信息的类型；将与所述类型对应的待推送信息推送至所述用户终端。采用本方法能够有效识别出人脸图像对应的情绪标签，确定待推送信息。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种信息推送方法、装置、计算机设备、存储介质。
背景技术
目前，各行业将客户满意度作为影响客户服务的关键因素之一，在用户使用软件获取服务的同时，软件可以向用户推荐一些社会信息，用于提高客户的满意度。
相关技术中，可以将实时的社会信息推荐至用户页面，以使用户点击获取信息，增加满意度。但是，无法做到信息针对性的推送，用户需要自行对信息进行筛选。
发明内容
基于此，有必要针对上述技术问题，提供了一种信息推送方法、装置、计算机设备、存储介质，可以通过人工智能人脸识别技术识别当前使用手机的用户情绪，并根据情绪变化主动推送不同场景的资讯内容。
第一方面，本申请提供了一种信息推送方法。所述方法包括：
获取用户的人脸图像，所述人脸图像包括用户标识；
将所述人脸图像输入情绪识别模型，得到人脸图像对应的情绪标签；
获取预设的情绪映射数据表，根据所述情绪标签获取对应的待推送信息；
根据所述用户标识获取历史待推送信息中的已点击信息；
确定所述已点击信息中与所述情绪标签对应的已点击信息的类型；
将与所述类型对应的待推送信息推送至所述用户终端。
在其中一个实施例中，所述情绪识别模型的训练过程包括：
对训练样本的人脸图像中预设数量的目标特征点进行标注后，转化为指定格式的标签数据；
根据所述训练样本中人脸图像的标签数据对预设算法进行训练，得到所述情绪识别模型。
在其中一个实施例中，所述训练样本的选取包括：
删除所述训练样本中重复的人脸图像；
获取标注后的所述训练样本中预设数量的目标特征点，所述目标特征点根据预设的位置数据确定；
获取所述目标特征点中不符合预设规则的目标特征点；
将所述不符合预设规则的目标特征点所在的人脸图像删除。
在其中一个实施例中，所述获取用户的人脸图像之后，所述方法还包括：
判断所述人脸图像中的目标特征点是否存在；
若所述目标特征点存在，将所述人脸图像保存于本地数据库中。
在其中一个实施例中，所述将所述人脸图像输入情绪识别模型之前，所述方法包括：
对所述人脸图像进行图像处理，用于突出所述人脸图像中的目标特征点，其中，所述目标特征点是指人脸图像中能够反映情绪特征的具体部位。
第二方面，本申请还提供了一种信息推送装置，所述装置包括：
图像获取模块，用于获取用户的人脸图像，所述人脸图像包括用户标识；
识别模块，用于将所述人脸图像输入情绪识别模型，得到人脸图像对应的情绪标签；
映射模块，用于获取预设的情绪映射数据表，根据所述情绪标签获取对应的待推送信息；
筛选模块，用于根据所述用户标识获取历史待推送信息中的已点击信息；
确定模块，用于确定所述已点击信息中与所述情绪标签对应的已点击信息的类型；
推送模块，用于将与所述类型对应的待推送信息推送至所述用户终端。
在其中一个实施例中，所述情绪识别模型的训练过程包括：
对训练样本的人脸图像中预设数量的目标特征点进行标注后，转化为指定格式的标签数据；
根据所述训练样本中人脸图像的标签数据对预设算法进行训练，得到所述情绪识别模型。
在其中一个实施例中，所述训练样本的选取包括：
删除所述训练样本中重复的人脸图像；
获取标注后的所述训练样本中预设数量的目标特征点，所述目标特征点根据预设的位置数据确定；
获取所述目标特征点中不符合预设规则的目标特征点；
将所述不符合预设规则的目标特征点所在的人脸图像删除。
在其中一个实施例中，所述获取用户的人脸图像之后，所述装置还包括：
判断所述人脸图像中的目标特征点是否存在；
若所述目标特征点存在，将所述人脸图像保存于本地数据库中。
在其中一个实施例中，所述将所述人脸图像输入情绪识别模型之前，所述装置包括：
对所述人脸图像进行图像处理，用于突出所述人脸图像中的目标特征点，其中，所述目标特征点是指人脸图像中能够反映情绪特征的具体部位。
第三方面，本公开还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现信息推送方法的步骤。
第四方面，本公开还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现信息推送方法的步骤。
第五方面，本公开还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现信息推送方法的步骤。
上述信息推送方法，至少包括以下有益效果：
本公开提供的实施例方案，可以根据人脸图像训练情绪识别模型，得到人脸图像对应的情绪标签，根据预设的情绪映射数据表，获取情绪标签对应的待推送信息。获取情绪标签对应的历史待推送信息中的已点击信息，对已点击信息分析，得到已点击信息的类型，为用户推荐已点击信息的类型的信息。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
为了更清楚地说明本公开实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中信息推送方法的应用环境图；
图2为一个实施例中信息推送方法的流程示意图；
图3为一个实施例中信息推送方法的流程示意图；
图4为一个实施例中信息推送装置的结构框图；
图5为一个实施例中信息推送装置的结构框图；
图6为一个实施例中计算机设备的内部结构图；
图7为一个实施例中一种服务器的内部结构图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开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，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它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、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
本公开实施例提供一种信息推送方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在本公开的一些实施例中，如图2所示，提供了一种信息推送方法，以该方法应用于图1中的服务器对人脸图像进行处理为例进行说明。可以理解的是，该方法可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。具体的一个实施例中，所述方法可以包括以下步骤：
S202：获取用户的人脸图像，所述人脸图像包括用户标识。
可以对音频流数据、视频帧数据和文本流数据分别进行识别，得到反映用户情绪的语音情绪基准值、人脸情绪基准值和基于文本语义表示的情绪基准值。
在本公开的一些实施例中，用户的人脸图像可以是用户在使用人脸识别技术解锁软件时获取的图像，在解锁软件时，用户的识别图像与注册图像一致，软件解锁成功。用户标识可以是用户名称、用户图像等。人脸图像可以包括不同年龄、性别、表情、姿态等多种情况下的人脸图像，通过对人脸图像进行图像预处理之后，可提高后续处理过程的准确率以及效率。
S204：将所述人脸图像输入情绪识别模型，得到人脸图像对应的情绪标签。
可以采集大量的人脸图像对情绪识别模型进行训练，可以包括训练集、验证集等。在训练初期，用户对人脸图像中的特征点进行标注，将特征点与情绪标签相对应，得到训练完成的情绪识别模型。用户将人脸图像输入情绪识别模型，可以得到人脸图像对应的情绪标签，情绪标签可以包括生气、高兴、悲伤等。
S206：获取预设的情绪映射数据表，根据所述情绪标签获取对应的待推送信息。
情绪标签与待推送信息相对应，可以将情绪标签、待推送信息存储至情绪映射数据表中。用户根据人脸图像获取人脸图像对应的情绪标签，再通过情绪映射数据表获取情绪标签获取对应的待推送信息。
S208：根据所述用户标识获取历史待推送信息中的已点击信息。
用户可以在不同的时间段登录软件查询信息，在不同的时间段用户的情绪可能会发生变化。获取用户每次登录后的情绪标签、待推送信息、已点击信息，对已点击信息进行分析，得到更加精确的用户待推荐信息类型。
S210：确定所述已点击信息中与所述情绪标签对应的已点击信息的类型。
S212：将与所述类型对应的待推送信息推送至所述用户终端。
根据获取的人脸图像确定对应的情绪标签，获取用户针对相同类型的情绪标签的已点击信息类型，根据已点击信息类型将信息推送至用户终端。
上述信息推送方法中，可以根据人脸图像训练情绪识别模型，得到人脸图像对应的情绪标签，根据预设的情绪映射数据表，获取情绪标签对应的待推送信息。获取情绪标签对应的历史待推送信息中的已点击信息，对已点击信息分析，得到已点击信息的类型，为用户推荐已点击信息的类型的信息。
在本公开的一些实施例中，所述情绪识别模型的训练过程包括：
对训练样本的人脸图像中预设数量的目标特征点进行标注后，转化为指定格式的标签数据；
根据所述训练样本中人脸图像的标签数据对预设算法进行训练，得到所述情绪识别模型。
可以从本地或第三方数据库中获取大量的人脸图像，其中，人脸图像可以包括人脸图片和人脸视频以及动态人脸图像等。将获取的大量的人脸图像生成训练集和验证集，其中，训练集中的人脸图像可以是通过人工标注后的图像，验证集中的人脸图像可以是未进行标注的图像。
其中，可以对人脸图像中的目标特征点进行标注，目标特征点可以是指人脸图像中能够反映情绪特征的具体部位，例如眼睛、唇部、眉毛等。对目标特征点进行标注后，可以转化为指定格式的标签数据，例如，眼睛对应的标签为1，唇部对应的标签为2，眉毛对应的标签为3等。
进一步将验证集中的图像输入至模型中进行持续训练，得到每个目标特征点对应每个情绪标签的概率值，获取达到预设的概率阈值的情绪标签。通过利用大量的目标特征点对模型进行训练和验证，从而可以有效地训练出分类准确率较高的情绪识别模型。
在本公开的一些实施例中，所述训练样本的选取包括：
删除所述训练样本中重复的人脸图像；
获取标注后的所述训练样本中预设数量的目标特征点，所述目标特征点根据预设的位置数据确定；
获取所述目标特征点中不符合预设规则的目标特征点；
将所述不符合预设规则的目标特征点所在的人脸图像删除。
对训练样本进行筛选，删除训练样本中重复的人脸图像。目标特征点可以是人脸的面部器官，在标注时，可以通过标注平台对人脸图像中的目标特征点进行标注，提高标注效率。将所述不符合预设规则的目标特征点所在的人脸图像删除，部分目标特征点可能出现错误标注、标注失误等情况，可以将该类目标特征点对应的人脸图像删除，提高人脸图像的质量。
在本公开的一些实施例中，图3为一个实施例中信息推送方法的流程示意图，所述获取用户的人脸图像之后，所述方法还包括：
S302：判断所述人脸图像中的目标特征点是否存在；
若所述目标特征点存在，将所述人脸图像保存于本地数据库中。
部分目标特征点对应的训练样本较少，在获取新的目标特征点时，可以根据新的目标特征点训练人脸识别模型。若目标特征点存在，可以将人脸图像保存于本地数据库中。
在本公开的一些实施例中，所述将所述人脸图像输入情绪识别模型之前，所述方法包括：
对所述人脸图像进行图像处理，用于突出所述人脸图像中的目标特征点，其中，所述目标特征点是指人脸图像中能够反映情绪特征的具体部位。
可以对人脸图片进行分割，提取出人脸图像部分，进一步对提取出的人脸图像进行灰度化处理和归一化处理，用于突出所述人脸图像中的目标特征点。
应该理解的是，虽然如上所述的各实施例所涉及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，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本公开实施例还提供了一种用于实现上述所涉及的针对信息推送方法的信息推送装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的信息推送装置实施例中的具体限定可以参见上文中对于信息推送方法的限定，在此不再赘述。
所述装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本公开实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
在一个实施例中，如图4所示，提供了一种信息推送装置400，所述装置可以为前述服务器，或者集成于所述服务器的模块、组件、器件、单元等。该装置400可以包括：
图像获取模块402，用于获取用户的人脸图像，所述人脸图像包括用户标识；
识别模块404，用于将所述人脸图像输入情绪识别模型，得到人脸图像对应的情绪标签；
映射模块406，用于获取预设的情绪映射数据表，根据所述情绪标签获取对应的待推送信息；
筛选模块408，用于根据所述用户标识获取历史待推送信息中的已点击信息；
确定模块410，用于确定所述已点击信息中与所述情绪标签对应的已点击信息的类型；
推送模块412，用于将与所述类型对应的待推送信息推送至所述用户终端。
在一个实施例中，所述情绪识别模型的训练过程包括：
对训练样本的人脸图像中预设数量的目标特征点进行标注后，转化为指定格式的标签数据；
根据所述训练样本中人脸图像的标签数据对预设算法进行训练，得到所述情绪识别模型。
在一个实施例中，所述训练样本的选取包括：
删除所述训练样本中重复的人脸图像；
获取标注后的所述训练样本中预设数量的目标特征点，所述目标特征点根据预设的位置数据确定；
获取所述目标特征点中不符合预设规则的目标特征点；
将所述不符合预设规则的目标特征点所在的人脸图像删除。
在一个实施例中，图5为一个实施例中信息推送装置的结构框图，所述获取用户的人脸图像之后，所述装置还包括：
判断模块502，用于判断所述人脸图像中的目标特征点是否存在；
若所述目标特征点存在，将所述人脸图像保存于本地数据库中。
在一个实施例中，所述将所述人脸图像输入情绪识别模型之前，所述装置包括：
对所述人脸图像进行图像处理，用于突出所述人脸图像中的目标特征点，其中，所述目标特征点是指人脸图像中能够反映情绪特征的具体部位。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
上述针对信息推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储人脸图像。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信息推送方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现信息推送方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6、图7中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本公开任一实施例所述的方法。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例所述的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本公开所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本公开所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例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，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本公开专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。因此，本公开的保护范围应以所附权利要求为准。
Claims (13)
1.一种信息推送方法，其特征在于，所述方法包括：
获取用户的人脸图像，所述人脸图像包括用户标识；
将所述人脸图像输入情绪识别模型，得到人脸图像对应的情绪标签；
获取预设的情绪映射数据表，根据所述情绪标签获取对应的待推送信息；
根据所述用户标识获取历史待推送信息中的已点击信息；
确定所述已点击信息中与所述情绪标签对应的已点击信息的类型；
将与所述类型对应的待推送信息推送至所述用户的终端。
2.根据权利要求1所述的方法，其特征在于，所述情绪识别模型的训练过程包括：
对训练样本的人脸图像中预设数量的目标特征点进行标注后，转化为指定格式的标签数据；
根据所述训练样本中人脸图像的标签数据对预设算法进行训练，得到所述情绪识别模型。
3.根据权利要求2所述的方法，其特征在于，所述训练样本的选取包括：
删除所述训练样本中重复的人脸图像；
获取标注后的所述训练样本中预设数量的目标特征点，所述目标特征点根据预设的位置数据确定；
获取所述目标特征点中不符合预设规则的目标特征点；
将所述不符合预设规则的目标特征点所在的人脸图像删除。
4.根据权利要求1所述的方法，其特征在于，所述获取用户的人脸图像之后，所述方法还包括：
判断所述人脸图像中的目标特征点是否存在；
若所述目标特征点存在，将所述人脸图像保存于本地数据库中。
5.根据权利要求2所述的方法，其特征在于，所述将所述人脸图像输入情绪识别模型之前，所述方法包括：
对所述人脸图像进行图像处理，用于突出所述人脸图像中的目标特征点，其中，所述目标特征点是指人脸图像中能够反映情绪特征的具体部位。
6.一种信息推送装置，其特征在于，所述装置包括：
图像获取模块，用于获取用户的人脸图像，所述人脸图像包括用户标识；
识别模块，用于将所述人脸图像输入情绪识别模型，得到人脸图像对应的情绪标签；
映射模块，用于获取预设的情绪映射数据表，根据所述情绪标签获取对应的待推送信息；
筛选模块，用于根据所述用户标识获取历史待推送信息中的已点击信息；
确定模块，用于确定所述已点击信息中与所述情绪标签对应的已点击信息的类型；
推送模块，用于将与所述类型对应的待推送信息推送至所述用户终端。
7.根据权利要求6所述的装置，其特征在于，所述情绪识别模型的训练过程包括：
对训练样本的人脸图像中预设数量的目标特征点进行标注后，转化为指定格式的标签数据；
根据所述训练样本中人脸图像的标签数据对预设算法进行训练，得到所述情绪识别模型。
8.根据权利要求7所述的装置，其特征在于，所述训练样本的选取包括：
删除所述训练样本中重复的人脸图像；
获取标注后的所述训练样本中预设数量的目标特征点，所述目标特征点根据预设的位置数据确定；
获取所述目标特征点中不符合预设规则的目标特征点；
将所述不符合预设规则的目标特征点所在的人脸图像删除。
9.根据权利要求6所述的装置，其特征在于，所述获取用户的人脸图像之后，所述装置还包括：
判断模块，用于判断所述人脸图像中的目标特征点是否存在；
若所述目标特征点存在，将所述人脸图像保存于本地数据库中。
10.根据权利要求7所述的装置，其特征在于，所述将所述人脸图像输入情绪识别模型之前，所述装置包括：
对所述人脸图像进行图像处理，用于突出所述人脸图像中的目标特征点，其中，所述目标特征点是指人脸图像中能够反映情绪特征的具体部位。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
12.一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至5中任一项所述的方法的步骤。
13.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311140254.9A CN117278612A (zh) | 2023-09-05 | 2023-09-05 | 一种信息推送方法、装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311140254.9A CN117278612A (zh) | 2023-09-05 | 2023-09-05 | 一种信息推送方法、装置、计算机设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117278612A true CN117278612A (zh) | 2023-12-22 |
Family
ID=89203562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311140254.9A Pending CN117278612A (zh) | 2023-09-05 | 2023-09-05 | 一种信息推送方法、装置、计算机设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117278612A (zh) |
-
2023
- 2023-09-05 CN CN202311140254.9A patent/CN117278612A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107590224B (zh) | 基于大数据的用户偏好分析方法与装置 | |
| CN106649890B (zh) | 数据存储方法和装置 | |
| CN109492772B (zh) | 生成信息的方法和装置 | |
| CN110377740B (zh) | 情感极性分析方法、装置、电子设备及存储介质 | |
| CN112364204B (zh) | 视频搜索方法、装置、计算机设备及存储介质 | |
| WO2020211392A1 (zh) | 视频信息数据处理方法、装置、计算机设备和存储介质 | |
| CN114860892B (zh) | 层次类目预测方法、装置、设备和介质 | |
| CN111506733B (zh) | 对象画像的生成方法、装置、计算机设备和存储介质 | |
| CN114282019A (zh) | 目标多媒体数据查找方法、装置、计算机设备、存储介质 | |
| CN112995414A (zh) | 基于语音通话的行为质检方法、装置、设备及存储介质 | |
| CN116451074A (zh) | 目标对象的画像生成方法、装置、计算机设备、存储介质 | |
| CN117278612A (zh) | 一种信息推送方法、装置、计算机设备、存储介质 | |
| CN116757216B (zh) | 基于聚类描述的小样本实体识别方法、装置和计算机设备 | |
| CN116881544A (zh) | 金融产品信息推送方法、装置、计算机设备和存储介质 | |
| CN110019905B (zh) | 信息输出方法和装置 | |
| CN117194791A (zh) | 用于推荐算法的采样方法、装置、计算机设备和存储介质 | |
| CN117648579A (zh) | 数据信息与事件信息的匹配方法、装置和计算机设备 | |
| CN116597293A (zh) | 多模态场景识别方法、装置、计算机设备和存储介质 | |
| CN116861071A (zh) | 资讯推送方法、装置、计算机设备、存储介质和程序产品 | |
| CN117196801A (zh) | 银行活动数据的分析方法、装置、计算机设备和存储介质 | |
| CN117391713A (zh) | 信息推送方法及装置、电子设备和存储介质 | |
| CN117612181A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
| CN117407504A (zh) | 运维处理方法、装置、设备、存储介质和程序产品 | |
| CN114168787A (zh) | 音乐推荐方法、装置、计算机设备和存储介质 | |
| CN117912470A (zh) | 声纹识别方法、装置、计算机设备和存储介质 |
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 |