CN117351545A - 一种基于大数据挖掘的护肤管理方法及系统 - Google Patents

一种基于大数据挖掘的护肤管理方法及系统 Download PDF

Info

Publication number
CN117351545A
CN117351545A CN202311314197.1A CN202311314197A CN117351545A CN 117351545 A CN117351545 A CN 117351545A CN 202311314197 A CN202311314197 A CN 202311314197A CN 117351545 A CN117351545 A CN 117351545A
Authority
CN
China
Prior art keywords
factor
user
skin care
state
skin
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.)
Granted
Application number
CN202311314197.1A
Other languages
English (en)
Other versions
CN117351545B (zh
Inventor
乔建成
李少铭
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.)
Guangdong Shengqian Technology Co ltd
Original Assignee
Guangdong Shengqian 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 Guangdong Shengqian Technology Co ltd filed Critical Guangdong Shengqian Technology Co ltd
Priority to CN202311314197.1A priority Critical patent/CN117351545B/zh
Publication of CN117351545A publication Critical patent/CN117351545A/zh
Application granted granted Critical
Publication of CN117351545B publication Critical patent/CN117351545B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于大数据挖掘的护肤管理方法及系统，涉及数据处理技术领域，包括：上传用户脸部图像信息，获取用户基本信息，由用户职业信息、用户居住区域和季节特征信息进行环境数据挖掘，获取生活环境特征和职业环境特征，根据用户脸部图像信息获取肤质分类结果，根据肤质分类结果，基于生活环境特征和职业环境特征所设的第一约束条件和现用护肤品型号所设的第二约束条件进行护肤品数据智能挖掘，获取护肤方案推荐结果后发送至用户显示终端，解决现有技术中由单一维度进行护肤品推荐，使得用户与护肤品的匹配率低的技术问题，实现与用户进行智能对话以及后期用户反馈，完成护肤品与用户的合理化精准匹配，提高用户与护肤品的匹配率。

Description

一种基于大数据挖掘的护肤管理方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于大数据挖掘的护肤管理方法及系统。
背景技术
随着人们对面容重视程度的提高，特别是护肤管理的发展，目前护肤品的种类繁多，很多日常使用的护肤品搭配就多达几十种，其中护肤品包括洁面、化妆水、乳液、面霜、精华、隔离、防晒等。而每个人的肤质各不相同，因此所护肤品的功能也存在差别，但只有护肤品的功能与用户肤质匹配，才能起到护肤效果，不然很可能会适得其反，导致过敏，甚至更为严重的皮肤疾病。
目前常规应用的对用户进行护肤品匹配的方法是根据用户历史使用记录以及问答记录确定用户肤质匹配护肤品。
综上所述，现有技术中存在仅由单一维度对用户进行护肤品推荐，导致用户与护肤品的匹配率低的技术问题。
发明内容
本申请提供了一种基于大数据挖掘的护肤管理方法及系统，用于针对解决现有技术中存在的由单一维度对用户进行护肤品推荐，使得用户与护肤品的匹配率低的技术问题。
鉴于上述问题，本申请提供了一种基于大数据挖掘的护肤管理方法及系统。
第一方面，本申请提供了一种基于大数据挖掘的护肤管理方法，所述方法包括：通过客户端人像采集模块上传用户脸部图像信息，以及通过客户端智能问答模块获取用户基本信息，其中，所述用户基本信息包括用户职业信息、用户居住区域和现用护肤品型号；根据所述用户职业信息、用户居住区域和季节特征信息进行环境数据挖掘，获取生活环境特征和职业环境特征；根据所述用户脸部图像信息进行肤质分类，获取肤质分类结果；将所述生活环境特征和所述职业环境特征设为第一约束条件；以及将所述现用护肤品型号设为第二约束条件；根据所述肤质分类结果，基于所述第一约束条件和所述第二约束条件进行护肤品数据智能挖掘，获取护肤方案推荐结果；将所述护肤方案推荐结果通过所述客户端智能问答模块发送至用户显示终端。
第二方面，本申请提供了一种基于大数据挖掘的护肤管理系统，所述系统包括：信息获取模块，所述信息获取模块用于通过客户端人像采集模块上传用户脸部图像信息，以及通过客户端智能问答模块获取用户基本信息，其中，所述用户基本信息包括用户职业信息、用户居住区域和现用护肤品型号；环境数据挖掘模块，所述环境数据挖掘模块用于根据所述用户职业信息、用户居住区域和季节特征信息进行环境数据挖掘，获取生活环境特征和职业环境特征；肤质分类模块，所述肤质分类模块用于根据所述用户脸部图像信息进行肤质分类，获取肤质分类结果；第一约束条件模块，所述第一约束条件模块用于将所述生活环境特征和所述职业环境特征设为第一约束条件；第二约束条件模块，所述第二约束条件模块用于以及将所述现用护肤品型号设为第二约束条件；数据智能挖掘模块，所述数据智能挖掘模块用于根据所述肤质分类结果，基于所述第一约束条件和所述第二约束条件进行护肤品数据智能挖掘，获取护肤方案推荐结果；发送模块，所述发送模块用于将所述护肤方案推荐结果通过所述客户端智能问答模块发送至用户显示终端。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种基于大数据挖掘的护肤管理方法及系统，涉及数据处理技术领域，解决了现有技术中由单一方式对用户进行护肤品推荐，使得用户与护肤品的匹配率低的技术问题，实现了基于与用户进行智能对话以及后期用户反馈，完成用户与护肤品的合理化精准匹配，提高用户与护肤品的匹配率。
附图说明
图1为本申请提供了一种基于大数据挖掘的护肤管理方法流程示意图；
图2为本申请提供了一种基于大数据挖掘的护肤管理方法中获取生活环境特征流程示意图；
图3为本申请提供了一种基于大数据挖掘的护肤管理方法中获取护肤方案推荐结果流程示意图；
图4为本申请提供了一种基于大数据挖掘的护肤管理系统结构示意图。
附图标记说明：信息获取模块1，环境数据挖掘模块2，肤质分类模块3，第一约束条件模块4，第二约束条件模块5，数据智能挖掘模块6，发送模块7。
具体实施方式
本申请通过提供一种基于大数据挖掘的护肤管理方法及系统，用于解决现有技术中由单一维度对用户进行护肤品推荐，使得用户与护肤品的匹配率低的技术问题。
实施例一
如图1所示，本申请实施例提供了一种基于大数据挖掘的护肤管理方法，该方法包括：
步骤S100：通过客户端人像采集模块上传用户脸部图像信息，以及通过客户端智能问答模块获取用户基本信息，其中，所述用户基本信息包括用户职业信息、用户居住区域和现用护肤品型号；
具体而言，本申请实施例提供的一种基于大数据挖掘的护肤管理方法应用于一种基于大数据挖掘的护肤管理系统，为保证后期在对目标用户进行护肤品推荐时的精准度，首先需要系统中所包含的客户端人像采集模块对目标用户的面部图像进行采集，客户端人像采集模块是基于大数据中人体面部的结构、面部轮廓、面部五官位置、面部凹凸程度、面部颜色等，专门用于对人体面部的图像信息进行采集，同时通过系统中的客户端智能问答模块与目标用户进行智能问答对话获得目标用户的基本信息，且目标用户的基本信息可以包含用户职业信息、用户居住区域和现用护肤品型号，客户端智能问答模块与目标用户进行智能问答对话包括客户端智能问答模块通过询问用户所从事的职业获得用户每日上班期间所处的环境信息、客户端智能问答模块通过询问用户所居住的区域获得用户居住区域的环境信息、客户端智能问答模块通过询问用户当前所使用的护肤品获得用户的大致护肤品使用偏好，为后期实现对目标用户进行护肤推荐作为重要参考依据。
步骤S200：根据所述用户职业信息、用户居住区域和季节特征信息进行环境数据挖掘，获取生活环境特征和职业环境特征；
具体而言，在客户端智能问答模块中所获取的用户职业信息以及用户居住区域的基础上，将其与季节特征信息一同进行环境数据的挖掘，季节特征可以包含夏季炎热易出汗出油、冬季寒冷皮肤干燥等，在对环境数据挖掘的过程中，在季节特征中提取符合实时季节的季节特征，在此基础上首先对用户职业信息中的温度、湿度、紫外线照射量、悬浮物浓度和酸碱度进行特征数据挖掘，从而对目标用户的职业环境特征进行确定，其次对用户居住区域中的温度、湿度、紫外线照射量、悬浮物浓度和酸碱度进行特征数据挖掘，从而对生活环境特征进行确定，进而保障了实现对目标用户进行护肤推荐的效果。
步骤S300：根据所述用户脸部图像信息进行肤质分类，获取肤质分类结果；
具体而言，通过客户端人像采集模块所采集到的目标用户脸部图像信息对目标用户的肤质进行分类，肤质分类可以大数据中人体面部的结构、面部轮廓、面部五官位置、面部凹凸程度、面部颜色等对目标用户的肤质进行确定，目标用户的肤质可以是干性皮肤、油性皮肤、中性皮肤、混合性皮肤以及敏感性皮肤等肤质的任意一种，从而对肤质分类结果进行获取，为后续实现对目标用户进行护肤推荐的准确度夯实基础。
步骤S400：将所述生活环境特征和所述职业环境特征设为第一约束条件；
具体而言，为提高对目标用户推荐护肤品的准确性，因此需要对所推荐的护肤方案进行约束限定，其约束限定可以是基于目标用户的生活环境特征以及目标用户的职业环境特征进行判定，示例性的，若目标用户所生活的环境为北方且在冬季，则视目标用户所生活的环境为干燥环境，同等的，目标用户的皮肤很可能容易起皮，若目标用户的职业环境为室外，则视目标用户的职业环境为易受到紫外线以及悬浮物的影响，同等的，目标用户的皮肤很可能易产生色素沉淀以及毛孔堆积灰尘等问题，在此基础上，将生活环境特征和所述职业环境特征设为第一约束条件进行约束，实现对目标用户进行护肤推荐有着限定的作用。
步骤S500：以及将所述现用护肤品型号设为第二约束条件；
具体而言，为提高对目标用户推荐护肤品的准确性，因此不仅需要在生活环境特征和所述职业环境特征的基础上对所推荐的护肤方案进行约束限定，还需要根据目标用户日常所使用的护肤品对护肤方案进行约束限定，该约束限定是对目标用户当前所用的护肤品的型号进行提取，当前目标用户正在使用的护肤品不一定与目标用户的肤质为精准匹配关系，因此，根据目标用户在使用当前的护肤品的使用感受对所推荐的护肤方案进行参考，示例性的，若目标用户在使用当前护肤品出现皮肤问题，则提取现用护肤品型号，可以根据现用护肤品型号对该型号以及类别的护肤品在护肤方案中进行筛除，从而将现用护肤品型号设为第二约束条件，以便为后期对目标用户进行护肤推荐时作为参照数据
步骤S600：根据所述肤质分类结果，基于所述第一约束条件和所述第二约束条件进行护肤品数据智能挖掘，获取护肤方案推荐结果；
具体而言，在根据用户脸部图像信息进行肤质分类后所获的肤质分类结果的基础上，对护肤品组合方案进行生成，进一步的，在包含生活环境特征和职业环境特征的第一约束条件以及包含现用护肤品型号的第二约束条件对护肤品组合方案进行护肤品数据智能挖掘，首先根据第一约束条件对护肤组合方案中的护肤品对目标用户所处环境适应的程度进行判定，再根据第二约束条件对护肤组合方案中的护肤品对目标用户所使用护肤品型号的适应程度进行判定，最终根据所获护肤品组合方案的环境适应程度以及护肤品型号的适应程度对护肤品组合方案进行筛选，环境适应程度以及护肤品型号的适应程度的适应程度越高，则护肤品组合方案越适合目标用户，并将最优护肤品组合方案记作护肤方案推荐结果进行输出，提高后期实现对目标用户进行护肤推荐方案的准确率。
步骤S700：将所述护肤方案推荐结果通过所述客户端智能问答模块发送至用户显示终端。
具体而言，将基于肤质分类结果，以第一约束条件和第二约束条件进行护肤品数据智能挖掘后所获得的护肤方案推荐结果作为最终推荐给目标用户的护肤方案，将其通过系统中所包含的客户端智能问答模块对目标用户进行回答发送至目标用户的显示终端，回答发送的内容包含与目标用户匹配最优的护肤方案，实现与用户进行智能对话以及后期用户反馈，完成护肤品与用户的合理化精准匹配，提高用户与护肤品的匹配率。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：获取肤质敏感环境因子，其中，所述肤质敏感环境因子包括温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子和酸碱度因子；
步骤S220：根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取所述职业环境特征；以及
步骤S230：根据所述用户居住区域和所述季节特征信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取所述生活环境特征。
具体而言，由于不同环境中包含的多个因素会对肤质产生影响，因此需要对当前环境中会使肤质敏感的环境因子进行获取，且肤质敏感环境因子中包含当前环境中所具有的温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子以及酸碱度因子，并以用户职业信息为基础对目标用户职业环境中的温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子以及酸碱度因子进行依次遍历访问，并将目标用户职业环境中的温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子以及酸碱度因子与环境因子的标准状态进行比较，环境因子的标准状态包含标准温度因子、标准湿度因子、标准紫外线照射量因子、标准悬浮物浓度因子以及标准酸碱度因子，比较后对应获得温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态，进一步的，对目标用户职业环境中的温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态中不属于环境因子标准状态的环境因子关联状态进行对应筛除，将筛除后所剩的关联状态进行汇总记作职业环境特征。
进一步而言，本申请步骤S220包括：
步骤S221：遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子，从客户端存储模块下载环境因子标准状态，其中，所述环境因子标准状态表征预设的对肤质无害的环境因子特征值区间；
步骤S222：根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态；
步骤S223：将所述温度因子关联状态、所述湿度因子关联状态、所述紫外线照射量因子关联状态、所述悬浮物浓度因子关联状态和所述酸碱度因子关联状态不属于所述环境因子标准状态的环境因子关联状态删除，获取所述职业环境特征。
具体而言，为确定当前环境对目标用户肤质的影响，首先对温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子以及酸碱度因子进行依次遍历访问，继而为更好的评判当前环境对目标用户肤质的影响程度，因此在系统中的客户端存储模块对应下载环境因子标准状态，且环境因子标准状态表征预设的对肤质无害的环境因子特征值区间，进一步的，以目标用户的用户职业信息中的环境为基准，对该环境所包含的温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子以及酸碱度因子进行特征数据挖掘，从而对应获取温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态，进一步的，将温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态不属于环境因子标准状态的环境因子关联状态进行删除，即判断该环境所包含的获取温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态是否处于预设的对肤质无害的环境因子特征值区间内，若不属于则执行删除操作，当删除操作完成后对职业环境特征进行获取，达到为后期实现对目标用户进行护肤推荐提供重要依据的技术效果。
进一步而言，本申请步骤S222包括：
步骤S2221：根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子，采集温度因子状态集、湿度因子状态集、紫外线照射量因子状态集、悬浮物浓度因子状态集与酸碱度因子状态集；
步骤S2222：遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子设定温度因子聚类阈值、湿度因子聚类阈值、紫外线照射量因子聚类阈值、悬浮物浓度因子聚类阈值和酸碱度因子聚类阈值；
步骤S2223：根据所述温度因子聚类阈值、所述湿度因子聚类阈值、所述紫外线照射量因子聚类阈值、所述悬浮物浓度因子聚类阈值和所述酸碱度因子聚类阈值，分别对所述温度因子状态集、所述湿度因子状态集、所述紫外线照射量因子状态集、所述悬浮物浓度因子状态集与所述酸碱度因子状态集进行层次聚类分析，获取温度因子状态聚类结果、湿度因子状态聚类结果、紫外线照射量因子状态聚类结果、悬浮物浓度因子状态聚类结果与酸碱度因子状态聚类结果；
步骤S2224：遍历所述温度因子状态聚类结果、所述湿度因子状态聚类结果、所述紫外线照射量因子状态聚类结果、所述悬浮物浓度因子状态聚类结果与所述酸碱度因子状态聚类结果筛选聚类状态数量最大值的聚类结果，确定所述温度因子关联状态、所述湿度因子关联状态、所述紫外线照射量因子关联状态、所述悬浮物浓度因子关联状态和所述酸碱度因子关联状态。
具体而言，将目标用户的用户职业信息作为基础，对目标用户职业环境中所包含的温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子以及酸碱度因子以此进行遍历采集，获得目标用户职业环境中温度因子状态集、湿度因子状态集、紫外线照射量因子状态集、悬浮物浓度因子状态集与酸碱度因子状态集，温度因子状态集是指目标用户的职业环境中温度变化状态的集合，湿度因子状态集是指目标用户的职业环境中湿度变化状态的集合，紫外线照射量因子状态集是指目标用户在职业环境中所受到紫外线的照射量大小的集合，悬浮物浓度因子状态集是指目标用户的职业环境中的空气质量，空气质量与悬浮物浓度成反比，即空气质量越高则悬浮物浓度越低，酸碱度因子状态集是指目标用户的职业环境整体偏向酸度或碱度的程度代销的集合，进一步的，根据温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子以及酸碱度因子对应设定温度因子聚类阈值、湿度因子聚类阈值、紫外线照射量因子聚类阈值、悬浮物浓度因子聚类阈值和酸碱度因子聚类阈值，其中温度因子聚类阈值、湿度因子聚类阈值、紫外线照射量因子聚类阈值、悬浮物浓度因子聚类阈值和酸碱度因子聚类阈值均由相关技术人员根据环境中温度数据、湿度数据、紫外线照射量数据、悬浮物浓度数据以及酸碱度数据进行对应预设，并在此基础上，分别对温度因子状态集、湿度因子状态集、紫外线照射量因子状态集、悬浮物浓度因子状态集与酸碱度因子状态集进行层次聚类分析，层次聚类分析是指任意一个因子状态集中存在任意两个因子状态小于对应因子聚类阈值偏差时，将二者的状态聚集为一类，同时新聚集聚类的状态值为两个状态的均值，以此进行迭代分析，直到任意选取的两个状态之间的偏差都大于或等于所设定阈值时，完成层次聚类分析，从而对温度因子状态聚类结果、湿度因子状态聚类结果、紫外线照射量因子状态聚类结果、悬浮物浓度因子状态聚类结果与酸碱度因子状态聚类结果进行获得，进一步的，对温度因子状态聚类结果、湿度因子状态聚类结果、紫外线照射量因子状态聚类结果、悬浮物浓度因子状态聚类结果与酸碱度因子状态聚类结果进行遍历筛选，即在温度因子状态聚类结果、湿度因子状态聚类结果、紫外线照射量因子状态聚类结果、悬浮物浓度因子状态聚类结果与酸碱度因子状态聚类结果中筛选出聚类状态数量最大的聚类结果，即在层次聚类分析时聚集次数最少的状态集，从而根据聚类结果中所包含的数量对温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态进行确定，聚类结果中所包含的数量与关联度成反比，以此保证后期对目标用户更好的进行护肤推荐。
进一步而言，本申请步骤S300还包括：
步骤S310：根据所述用户基本信息包括的用户人群类别从客户端存储模块下载肤质预设类型的样本图像集，其中，所述样本图像集为所述肤质预设类型的代表图像；
步骤S320：获取相似度评估公式：
其中，为颜色相似度，/>为纹理相似度，w1为颜色相似度预设权重，w2为纹理相似度预设权重，A表征用户脸部图像特征向量矩阵，B表征样本图像特征向量矩阵，ai表征第i个用户脸部图像特征向量颜色分量，bi表征第i个样本图像特征向量颜色分量，aj表征第j个用户脸部图像特征向量纹理分量，bj表征第j个样本图像特征向量纹理分量，n表征选用的图像块的特征向量总数；
步骤S330：基于所述用户脸部图像信息遍历所述样本图像集利用所述相似度评估公式进行相似度评估，获取图像相似度评估结果；
步骤S340：筛选所述图像相似度评估结果大于相似度阈值的基于所述肤质预设类型归类完成的多个近邻样本图像集和多个归类肤质；
步骤S350：将所述多个近邻样本图像集中图像数量最大值对应的所述多个归类肤质中的肤质设为所述肤质分类结果。
具体而言，从客户端存储模块所下载的肤质预设类型的样本图像集与用户基本信息中所包含的用户人群类别进行匹配，且样本图像集为所述肤质预设类型的代表图像，进一步的，在用户脸部图像信息的基础上，对样本图像集进行遍历后通过如下相似度评估公式进行包括纹理相似度、颜色相似度等的相似度评估，相似度评估公式为：
其中，为颜色相似度，/>为纹理相似度，w1为颜色相似度预设权重，w2为纹理相似度预设权重，A表征用户脸部图像特征向量矩阵，B表征样本图像特征向量矩阵，ai表征第i个用户脸部图像特征向量颜色分量，bi表征第i个样本图像特征向量颜色分量，aj表征第j个用户脸部图像特征向量纹理分量，bj表征第j个样本图像特征向量纹理分量，n表征选用的图像块的特征向量总数；
进一步的，对上述公式所获的图像相似度评估结果是否大于相似度阈值进行判断，所获相似度阈值由相关技术人员根据大数据中的图像相似度参数进行预设，将大于相似度阈值的图像相似度评估结果进行筛选，从而再肤质预设类型对图像相似度临近的多个近邻样本图像集与多个归类肤质进行提取，多个近邻样本图像集是指图像的相似度相近的图像集合，多个归类肤质是指对不同肤质进行分人群处理，从而将多个近邻样本图像集中所包含的图像数量最大值对应的多个归类肤质中的肤质设为最终的肤质分类结果，以保证在对目标用户进行护肤推荐时的高效性。
进一步而言，如图3所示，本申请步骤S600还包括：
步骤S610：根据所述肤质分类结果进行护肤品组合方案优化，获取第一组合方案集合；
步骤S620：根据所述第一约束条件遍历所述第一组合方案集合进行环境适应度评估，获取环境适应度；
步骤S630：根据所述第二约束条件遍历所述第一组合方案集合进行护肤品型号适应度评估，获取护肤品型号适应度；
步骤S640：根据所述环境适应度和所述护肤品型号适应度对所述第一组合方案集合进行筛选，获取所述护肤方案推荐结果。
具体而言，以肤质分类结果作为基准，对当前的护肤品组合方案进行优化，即按照目标用户在肤质分类结果中所对应的肤质，初步对护肤品进行多次排列组合，并将其记作第一组合方案集合，进一步的，根据包含生活环境特征和所述职业环境特征的第一约束条件，对第一组合方案集合进行环境适应度评估，即第一组合方案集合在目标用户的职业和生活所处的环境中对目标用户的肤质是否能够起到效果，其效果与环境适应度成正比，效果越好则第一组合方案集合环境适应度越高，根据包含现用护肤品型号的第二约束条件，对第一组合方案集合进行护肤品型号适应度评估，即第一组合方案集合是否符合在现用护肤品型号的基础上完善目标用户对护肤目标的要求，越符合则护肤品型号适应度越高，最终将根据环境适应度和护肤品型号适应度对第一组合方案集合进行筛选，是指将最大适应度对应的组合方案推送给用户，同时依据第一组合方案的价格由低高进行排列，从而对护肤方案推荐结果进行获取。
进一步而言，本申请步骤S600包括：
步骤S650：当所述第一组合方案集合的第m组合方案满足所述第一约束条件中的所述生活环境特征和所述职业环境特征的任意一个时，所述第m组合方案的第m组合方案环境适应度加一；
步骤S660：当所述第一组合方案集合的所述第m组合方案满足所述第二约束条件的所述现用护肤品型号的任意一个时，所述第m组合方案的第m组合方案护肤品型号适应度加一。
具体而言，为保证对目标用户所推荐的护肤方案的精准性，因此对第一组合方案集合进行判断，当第一组合方案集合的第m组合方案满足第一约束条件中的生活环境特征和职业环境特征的任意一个时，第m组合方案的第m组合方案环境适应度加一，第m组合方案为第一组合方案集合中的任意一组合方案，第m组合方案的第m组合方案环境适应度加一是指由于不同环境会诱导皮肤恶化，因此需要检查第m组合方案中所包含的化妆品中是否具有抵抗该类恶化的能力，若具有抵抗该类恶化的能力则对第m组合方案的环境适应度进行对应加一，进一步的，当第一组合方案集合的第m组合方案满足第二约束条件的现用护肤品型号的任意一个时，第m组合方案的第m组合方案护肤品型号适应度加一，是指由于不同护肤品型号在同时使用时可能会产生冲突，因此需要检查第m组合方案中所包含的化妆品中是否会产生冲突，若不会产生冲突则对第m组合方案的护肤品型号适应度进行对应加一，达到对目标用户进行更为精准的护肤推荐的技术效果。
综上所述，本申请实施例提供的一种基于大数据挖掘的护肤管理方法，至少包括如下技术效果：
解决了现有技术中由单一方式对用户进行护肤品推荐，使得用户与护肤品的匹配率低的技术问题，实现了基于与用户进行智能对话以及后期用户反馈，完成用户与护肤品的合理化精准匹配，提高用户与护肤品的匹配率的技术效果。
实施例二
基于与前述实施例中一种基于大数据挖掘的护肤管理方法相同的发明构思，如图4所示，本申请提供了一种基于大数据挖掘的护肤管理系统，系统包括：
信息获取模块1，所述信息获取模块1用于通过客户端人像采集模块上传用户脸部图像信息，以及通过客户端智能问答模块获取用户基本信息，其中，所述用户基本信息包括用户职业信息、用户居住区域和现用护肤品型号；
环境数据挖掘模块2，所述环境数据挖掘模块2用于根据所述用户职业信息、用户居住区域和季节特征信息进行环境数据挖掘，获取生活环境特征和职业环境特征；
肤质分类模块3，所述肤质分类模块3用于根据所述用户脸部图像信息进行肤质分类，获取肤质分类结果；
第一约束条件模块4，所述第一约束条件模块4用于将所述生活环境特征和所述职业环境特征设为第一约束条件；
第二约束条件模块5，所述第二约束条件模块5用于以及将所述现用护肤品型号设为第二约束条件；
数据智能挖掘模块6，所述数据智能挖掘模块6用于根据所述肤质分类结果，基于所述第一约束条件和所述第二约束条件进行护肤品数据智能挖掘，获取护肤方案推荐结果；
发送模块7，所述发送模块7用于将所述护肤方案推荐结果通过所述客户端智能问答模块发送至用户显示终端。
进一步而言，系统还包括：
因子获取模块，所述因子获取模块用于获取肤质敏感环境因子，其中，所述肤质敏感环境因子包括温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子和酸碱度因子；
第一特征数据挖掘模块，所述第一特征数据挖掘模块用于根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取所述职业环境特征；以及
第二特征数据挖掘模块，所述第二特征数据挖掘模块用于根据所述用户居住区域和所述季节特征信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取所述生活环境特征。
进一步而言，系统还包括：
第一遍历模块，所述第一遍历模块用于遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子，从客户端存储模块下载环境因子标准状态，其中，所述环境因子标准状态表征预设的对肤质无害的环境因子特征值区间；
第三特征数据挖掘模块，所述第三特征数据挖掘模块用于根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态；
删除模块，所述删除模块用于将所述温度因子关联状态、所述湿度因子关联状态、所述紫外线照射量因子关联状态、所述悬浮物浓度因子关联状态和所述酸碱度因子关联状态不属于所述环境因子标准状态的环境因子关联状态删除，获取所述职业环境特征。
进一步而言，系统还包括：
第二遍历模块，所述第二遍历模块用于根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子，采集温度因子状态集、湿度因子状态集、紫外线照射量因子状态集、悬浮物浓度因子状态集与酸碱度因子状态集；
第三遍历模块，所述第三遍历模块用于遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子设定温度因子聚类阈值、湿度因子聚类阈值、紫外线照射量因子聚类阈值、悬浮物浓度因子聚类阈值和酸碱度因子聚类阈值；
层次聚类分析模块，所述层次聚类分析模块用于根据所述温度因子聚类阈值、所述湿度因子聚类阈值、所述紫外线照射量因子聚类阈值、所述悬浮物浓度因子聚类阈值和所述酸碱度因子聚类阈值，分别对所述温度因子状态集、所述湿度因子状态集、所述紫外线照射量因子状态集、所述悬浮物浓度因子状态集与所述酸碱度因子状态集进行层次聚类分析，获取温度因子状态聚类结果、湿度因子状态聚类结果、紫外线照射量因子状态聚类结果、悬浮物浓度因子状态聚类结果与酸碱度因子状态聚类结果；
第四遍历模块，所述第四遍历模块用于遍历所述温度因子状态聚类结果、所述湿度因子状态聚类结果、所述紫外线照射量因子状态聚类结果、所述悬浮物浓度因子状态聚类结果与所述酸碱度因子状态聚类结果筛选聚类状态数量最大值的聚类结果，确定所述温度因子关联状态、所述湿度因子关联状态、所述紫外线照射量因子关联状态、所述悬浮物浓度因子关联状态和所述酸碱度因子关联状态。
进一步而言，系统还包括：
基本信息模块，所述基本信息模块用于根据所述用户基本信息包括的用户人群类别从客户端存储模块下载肤质预设类型的样本图像集，其中，所述样本图像集为所述肤质预设类型的代表图像；
公式模块，所述公式模块用于获取相似度评估公式：
其中，为颜色相似度，/>为纹理相似度，w1为颜色相似度预设权重，w2为纹理相似度预设权重，A表征用户脸部图像特征向量矩阵，B表征样本图像特征向量矩阵，ai表征第i个用户脸部图像特征向量颜色分量，bi表征第i个样本图像特征向量颜色分量，aj表征第j个用户脸部图像特征向量纹理分量，bj表征第j个样本图像特征向量纹理分量，n表征选用的图像块的特征向量总数；
相似度评估模块，所述相似度评估模块用于基于所述用户脸部图像信息遍历所述样本图像集利用所述相似度评估公式进行相似度评估，获取图像相似度评估结果；
第一筛选模块，所述第一筛选模块用于筛选所述图像相似度评估结果大于相似度阈值的基于所述肤质预设类型归类完成的多个近邻样本图像集和多个归类肤质；
分类结果获取模块，所述分类结果获取模块用于将所述多个近邻样本图像集中图像数量最大值对应的所述多个归类肤质中的肤质设为所述肤质分类结果。
进一步而言，系统还包括：
优化模块，所述优化模块用于根据所述肤质分类结果进行护肤品组合方案优化，获取第一组合方案集合；
环境适应度评估模块，所述环境适应度评估模块用于根据所述第一约束条件遍历所述第一组合方案集合进行环境适应度评估，获取环境适应度；
型号适应度评估模块，所述型号适应度评估模块用于根据所述第二约束条件遍历所述第一组合方案集合进行护肤品型号适应度评估，获取护肤品型号适应度；
第二筛选模块，所述第二筛选模块用于根据所述环境适应度和所述护肤品型号适应度对所述第一组合方案集合进行筛选，获取所述护肤方案推荐结果。
进一步而言，系统还包括：
第一判断模块，所述第一判断模块用于当所述第一组合方案集合的第m组合方案满足所述第一约束条件中的所述生活环境特征和所述职业环境特征的任意一个时，所述第m组合方案的第m组合方案环境适应度加一；
第二判断模块，所述第二判断模块用于当所述第一组合方案集合的所述第m组合方案满足所述第二约束条件的所述现用护肤品型号的任意一个时，所述第m组合方案的第m组合方案护肤品型号适应度加一。
本说明书通过前述对一种基于大数据挖掘的护肤管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于大数据挖掘的护肤管理系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于大数据挖掘的护肤管理方法，其特征在于，包括：
通过客户端人像采集模块上传用户脸部图像信息，以及通过客户端智能问答模块获取用户基本信息，其中，所述用户基本信息包括用户职业信息、用户居住区域和现用护肤品型号；
根据所述用户职业信息、用户居住区域和季节特征信息进行环境数据挖掘，获取生活环境特征和职业环境特征；
根据所述用户脸部图像信息进行肤质分类，获取肤质分类结果；
将所述生活环境特征和所述职业环境特征设为第一约束条件；
以及将所述现用护肤品型号设为第二约束条件；
根据所述肤质分类结果，基于所述第一约束条件和所述第二约束条件进行护肤品数据智能挖掘，获取护肤方案推荐结果；
将所述护肤方案推荐结果通过所述客户端智能问答模块发送至用户显示终端。
2.如权利要求1所述的方法，其特征在于，根据所述用户职业信息、用户居住区域和季节特征信息进行环境数据挖掘，获取生活环境特征和职业环境特征，包括：
获取肤质敏感环境因子，其中，所述肤质敏感环境因子包括温度因子、湿度因子、紫外线照射量因子、悬浮物浓度因子和酸碱度因子；
根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取所述职业环境特征；以及
根据所述用户居住区域和所述季节特征信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取所述生活环境特征。
3.如权利要求2所述的方法，其特征在于，根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取所述职业环境特征，包括：
遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子，从客户端存储模块下载环境因子标准状态，其中，所述环境因子标准状态表征预设的对肤质无害的环境因子特征值区间；
根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态；
将所述温度因子关联状态、所述湿度因子关联状态、所述紫外线照射量因子关联状态、所述悬浮物浓度因子关联状态和所述酸碱度因子关联状态不属于所述环境因子标准状态的环境因子关联状态删除，获取所述职业环境特征。
4.如权利要求3所述的方法，其特征在于，根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子进行特征数据挖掘，获取温度因子关联状态、湿度因子关联状态、紫外线照射量因子关联状态、悬浮物浓度因子关联状态和酸碱度因子关联状态，包括：
根据所述用户职业信息遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子，采集温度因子状态集、湿度因子状态集、紫外线照射量因子状态集、悬浮物浓度因子状态集与酸碱度因子状态集；
遍历所述温度因子、所述湿度因子、所述紫外线照射量因子、所述悬浮物浓度因子和所述酸碱度因子设定温度因子聚类阈值、湿度因子聚类阈值、紫外线照射量因子聚类阈值、悬浮物浓度因子聚类阈值和酸碱度因子聚类阈值；
根据所述温度因子聚类阈值、所述湿度因子聚类阈值、所述紫外线照射量因子聚类阈值、所述悬浮物浓度因子聚类阈值和所述酸碱度因子聚类阈值，分别对所述温度因子状态集、所述湿度因子状态集、所述紫外线照射量因子状态集、所述悬浮物浓度因子状态集与所述酸碱度因子状态集进行层次聚类分析，获取温度因子状态聚类结果、湿度因子状态聚类结果、紫外线照射量因子状态聚类结果、悬浮物浓度因子状态聚类结果与酸碱度因子状态聚类结果；
遍历所述温度因子状态聚类结果、所述湿度因子状态聚类结果、所述紫外线照射量因子状态聚类结果、所述悬浮物浓度因子状态聚类结果与所述酸碱度因子状态聚类结果筛选聚类状态数量最大值的聚类结果，确定所述温度因子关联状态、所述湿度因子关联状态、所述紫外线照射量因子关联状态、所述悬浮物浓度因子关联状态和所述酸碱度因子关联状态。
5.如权利要求1所述的方法，其特征在于，根据所述用户脸部图像信息进行肤质分类，获取肤质分类结果，包括：
根据所述用户基本信息包括的用户人群类别从客户端存储模块下载肤质预设类型的样本图像集，其中，所述样本图像集为所述肤质预设类型的代表图像；
获取相似度评估公式：
其中，为颜色相似度，/>为纹理相似度，w1为颜色相似度预设权重，w2为纹理相似度预设权重，A表征用户脸部图像特征向量矩阵，B表征样本图像特征向量矩阵，ai表征第i个用户脸部图像特征向量颜色分量，bi表征第i个样本图像特征向量颜色分量，aj表征第j个用户脸部图像特征向量纹理分量，bj表征第j个样本图像特征向量纹理分量，n表征选用的图像块的特征向量总数；
基于所述用户脸部图像信息遍历所述样本图像集利用所述相似度评估公式进行相似度评估，获取图像相似度评估结果；
筛选所述图像相似度评估结果大于相似度阈值的基于所述肤质预设类型归类完成的多个近邻样本图像集和多个归类肤质；
将所述多个近邻样本图像集中图像数量最大值对应的所述多个归类肤质中的肤质设为所述肤质分类结果。
6.如权利要求1所述的方法，其特征在于，根据所述肤质分类结果，基于所述第一约束条件和所述第二约束条件进行护肤品数据智能挖掘，获取护肤方案推荐结果，包括：
根据所述肤质分类结果进行护肤品组合方案优化，获取第一组合方案集合；
根据所述第一约束条件遍历所述第一组合方案集合进行环境适应度评估，获取环境适应度；
根据所述第二约束条件遍历所述第一组合方案集合进行护肤品型号适应度评估，获取护肤品型号适应度；
根据所述环境适应度和所述护肤品型号适应度对所述第一组合方案集合进行筛选，获取所述护肤方案推荐结果。
7.如权利要求6所述的方法，其特征在于，包括：
当所述第一组合方案集合的第m组合方案满足所述第一约束条件中的所述生活环境特征和所述职业环境特征的任意一个时，所述第m组合方案的第m组合方案环境适应度加一；
当所述第一组合方案集合的所述第m组合方案满足所述第二约束条件的所述现用护肤品型号的任意一个时，所述第m组合方案的第m组合方案护肤品型号适应度加一。
8.一种基于大数据挖掘的护肤管理系统，其特征在于，包括：
信息获取模块，所述信息获取模块用于通过客户端人像采集模块上传用户脸部图像信息，以及通过客户端智能问答模块获取用户基本信息，其中，所述用户基本信息包括用户职业信息、用户居住区域和现用护肤品型号；
环境数据挖掘模块，所述环境数据挖掘模块用于根据所述用户职业信息、用户居住区域和季节特征信息进行环境数据挖掘，获取生活环境特征和职业环境特征；
肤质分类模块，所述肤质分类模块用于根据所述用户脸部图像信息进行肤质分类，获取肤质分类结果；
第一约束条件模块，所述第一约束条件模块用于将所述生活环境特征和所述职业环境特征设为第一约束条件；
第二约束条件模块，所述第二约束条件模块用于以及将所述现用护肤品型号设为第二约束条件；
数据智能挖掘模块，所述数据智能挖掘模块用于根据所述肤质分类结果，基于所述第一约束条件和所述第二约束条件进行护肤品数据智能挖掘，获取护肤方案推荐结果；
发送模块，所述发送模块用于将所述护肤方案推荐结果通过所述客户端智能问答模块发送至用户显示终端。
CN202311314197.1A 2023-10-11 2023-10-11 一种基于大数据挖掘的护肤管理方法及系统 Active CN117351545B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311314197.1A CN117351545B (zh) 2023-10-11 2023-10-11 一种基于大数据挖掘的护肤管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311314197.1A CN117351545B (zh) 2023-10-11 2023-10-11 一种基于大数据挖掘的护肤管理方法及系统

Publications (2)

Publication Number Publication Date
CN117351545A true CN117351545A (zh) 2024-01-05
CN117351545B CN117351545B (zh) 2024-03-15

Family

ID=89370518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311314197.1A Active CN117351545B (zh) 2023-10-11 2023-10-11 一种基于大数据挖掘的护肤管理方法及系统

Country Status (1)

Country Link
CN (1) CN117351545B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170155631A1 (en) * 2015-12-01 2017-06-01 Integem, Inc. Methods and systems for personalized, interactive and intelligent searches
CN108364207A (zh) * 2018-01-29 2018-08-03 杭州美界科技有限公司 一种脸部护肤品及护肤方案推荐方法
CN110264253A (zh) * 2019-06-03 2019-09-20 杭州小伊智能科技有限公司 一种护肤产品购买咨询的方法及装置
CN111161007A (zh) * 2019-01-31 2020-05-15 深圳碳云智能数字生命健康管理有限公司 产品信息处理方法、装置、计算机设备和存储介质
CN111625632A (zh) * 2020-04-17 2020-09-04 北京捷通华声科技股份有限公司 一种问答对推荐方法、装置、设备及存储介质
CN112465606A (zh) * 2020-12-27 2021-03-09 乐活自然(北京)科技有限公司 一种化妆品定制系统
CN113795835A (zh) * 2021-08-08 2021-12-14 曹庆恒 一种化妆品智能推荐的方法、系统和计算机存储介质
CN114358820A (zh) * 2021-12-23 2022-04-15 北京小样化妆品有限公司 一种化妆品个性化产品匹配方法、装置及计算机
CN114691968A (zh) * 2020-12-30 2022-07-01 北京本真工坊生物科技有限公司 一种护肤推荐方法和系统
CN115049426A (zh) * 2022-06-07 2022-09-13 蓝橙(天津)生物科技有限公司 一种个性化护肤推荐的人工智能算法模型
CN115935049A (zh) * 2021-08-30 2023-04-07 腾讯科技（深圳）有限公司 基于人工智能的推荐处理方法、装置及电子设备
CN116644124A (zh) * 2023-04-06 2023-08-25 广东圣千科技有限公司 一种基于数据挖掘的护肤产品智能筛选方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170155631A1 (en) * 2015-12-01 2017-06-01 Integem, Inc. Methods and systems for personalized, interactive and intelligent searches
CN108364207A (zh) * 2018-01-29 2018-08-03 杭州美界科技有限公司 一种脸部护肤品及护肤方案推荐方法
CN111161007A (zh) * 2019-01-31 2020-05-15 深圳碳云智能数字生命健康管理有限公司 产品信息处理方法、装置、计算机设备和存储介质
CN110264253A (zh) * 2019-06-03 2019-09-20 杭州小伊智能科技有限公司 一种护肤产品购买咨询的方法及装置
CN111625632A (zh) * 2020-04-17 2020-09-04 北京捷通华声科技股份有限公司 一种问答对推荐方法、装置、设备及存储介质
CN112465606A (zh) * 2020-12-27 2021-03-09 乐活自然(北京)科技有限公司 一种化妆品定制系统
CN114691968A (zh) * 2020-12-30 2022-07-01 北京本真工坊生物科技有限公司 一种护肤推荐方法和系统
CN113795835A (zh) * 2021-08-08 2021-12-14 曹庆恒 一种化妆品智能推荐的方法、系统和计算机存储介质
CN115935049A (zh) * 2021-08-30 2023-04-07 腾讯科技（深圳）有限公司 基于人工智能的推荐处理方法、装置及电子设备
CN114358820A (zh) * 2021-12-23 2022-04-15 北京小样化妆品有限公司 一种化妆品个性化产品匹配方法、装置及计算机
CN115049426A (zh) * 2022-06-07 2022-09-13 蓝橙(天津)生物科技有限公司 一种个性化护肤推荐的人工智能算法模型
CN116644124A (zh) * 2023-04-06 2023-08-25 广东圣千科技有限公司 一种基于数据挖掘的护肤产品智能筛选方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YOUNG SUNG CHO等: "Clustering method using item preference based on RFM for recommendation system in u-commerce", UBIQUITOUS INFORMATION TECHNOLOGIES AND APPLICATIONS, 20 November 2012 (2012-11-20), pages 353 *
史宏爽: "基于用户体验的AR试妆交互设计应用", 中国优秀硕士学位论文全文数据库 信息科技辑, 15 April 2022 (2022-04-15), pages 138 - 1271 *
未来AI时代: "智慧美肤：如何通过人工智能技术实现个性化护肤方案？", Retrieved from the Internet <URL:https://baijiahao.baidu.com/s?id=1770094295634661881&wfr=spider&for=pc> *

Also Published As

Publication number Publication date
CN117351545B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
Machado et al. Computerized measures of visual complexity
Hull IV et al. Cross-cultural comparison of landscape scenic beauty evaluations: A case study in Bali
CN107247971B (zh) 一种超声甲状腺结节风险指标的智能分析方法及系统
Aoki Trends in the study of the psychological evaluation of landscape
CN107679183A (zh) 分类器用训练数据获取方法和装置、服务器及存储介质
CN103578098B (zh) 在商品图片中提取商品主体的方法和装置
CN108921092A (zh) 一种基于卷积神经网络模型二次集成的黑色素瘤分类方法
CN109063643B (zh) 一种用于脸部信息部分隐藏条件下的面部表情痛苦度识别方法
CN110264407B (zh) 图像超分辨模型训练及重建方法、装置、设备及存储介质
CN106897669A (zh) 一种基于一致迭代多视角迁移学习的行人再辨识方法
CN109829924A (zh) 一种基于主体特征分析的图像质量评价方法
Rani et al. Reconstruction of simple and complex three dimensional images using pattern recognition algorithm
Demirci Similarity relation matrix-based color edge detection
Kweon et al. Large-scale environmental knowledge: Investigating the relationship between self-reported and objectively measured physical environments
CN113205017A (zh) 跨年龄人脸识别方法及设备
CN112883801A (zh) Cad配电系统图中住户配电箱系统图子图的精准识别方法
CN114119803A (zh) 一种基于因果图谱的场景图像生成方法
Cooper et al. Fractal analysis and perception of visual quality in everyday street vistas
CN114283285A (zh) 交叉一致性自训练遥感图像语义分割网络训练方法及装置
CN115810149A (zh) 基于超像素与图卷积的高分辨率遥感图像建筑物提取方法
CN117351545B (zh) 一种基于大数据挖掘的护肤管理方法及系统
JP2003157439A (ja) 画像のカテゴリー化による画像特徴量の相関抽出方法とその相関抽出装置
Ma et al. Developing an urban streetscape indexing based on visual complexity and self-organizing map
Takizawa et al. Deep learning model to reconstruct 3D cityscapes by generating depth maps from omnidirectional images and its application to visual preference prediction
CN111709278B (zh) 一种识别猕猴面部表情的方法

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
GR01 Patent grant
GR01 Patent grant