本發(fā)明涉及信息處理技術(shù)，尤指一種信息推薦方法和裝置。
背景技術(shù)：
：移動(dòng)互聯(lián)網(wǎng)時(shí)代，網(wǎng)上購(gòu)物已經(jīng)越來越方便、快捷，成為很多用戶購(gòu)物的首選方式，甚至是購(gòu)買任何東西都先到網(wǎng)上查一查相關(guān)的資料信息，做到胸中有數(shù)，然而在紛繁蕪雜的網(wǎng)上商店中要找到哪一款最讓你稱心如意的商品也必然要耗費(fèi)很多精力和時(shí)間。在現(xiàn)階段，各種網(wǎng)上購(gòu)物商場(chǎng)、系統(tǒng)都有類似的商品推薦系統(tǒng)，推薦系統(tǒng)通?；谟脩艋蛴脩粝嚓P(guān)人群的歷史數(shù)據(jù)來作為源數(shù)據(jù)分析并得出最終的推薦列表，將推薦列表中的產(chǎn)品信息提供給用戶。然而，現(xiàn)有的推薦系統(tǒng)僅根據(jù)用戶的歷史記錄來挖掘用戶感興趣的產(chǎn)品信息顯然不能夠全面地捕捉用戶的興趣意向，也沒有充分地利用各種可用的技術(shù)來獲取用戶的行為和反應(yīng)信息，不能很好地確定用戶的需求意向。技術(shù)實(shí)現(xiàn)要素：為了解決上述技術(shù)問題，本發(fā)明提供了一種信息推薦方法和裝置，能夠基于用戶的情緒狀態(tài)信息為用戶提供推薦數(shù)據(jù)，從而較準(zhǔn)確地捕捉用戶的需求。為了達(dá)到本發(fā)明目的，本發(fā)明提供了一種信息推薦方法，所述方法包括：獲取用戶的情緒狀態(tài)信息；根據(jù)獲取的所述情緒狀態(tài)信息生成第一推薦信息；根據(jù)預(yù)設(shè)推薦方法以及所述用戶的歷史記錄信息生成第二推薦信息；根據(jù)預(yù)設(shè)組合算法對(duì)所述第一推薦信息與所述第二推薦信息進(jìn)行處理得到第三推薦信息；顯示所述第三推薦信息。進(jìn)一步的，所述預(yù)設(shè)推薦方法包括以下至少一種：基于內(nèi)容推薦、協(xié)同過濾推薦、基于規(guī)則推薦、基于效用推薦、基于知識(shí)推薦。進(jìn)一步的，所述預(yù)設(shè)組合算法包括：加權(quán)、變換、混合、特征組合、層疊、特征擴(kuò)充或元級(jí)別。進(jìn)一步的，所述獲取用戶的情緒狀態(tài)信息包括：采集所述用戶當(dāng)前的情緒狀態(tài)參數(shù)；根據(jù)所述用戶當(dāng)前的情緒狀態(tài)參數(shù)以及所述用戶的歷史的情緒狀態(tài)參數(shù)獲取所述用戶的情緒狀態(tài)信息。進(jìn)一步的，所述情緒狀態(tài)參數(shù)包括以下至少一種：心率、脈搏、呼吸頻率、體溫、語音強(qiáng)度、阻抗值、加速度。本發(fā)明提供一種信息推薦裝置，所述裝置包括：獲取單元，用于獲取用戶的情緒狀態(tài)信息；第一生成單元，用于根據(jù)獲取的所述情緒狀態(tài)信息生成第一推薦信息；第二生成單元，用于根據(jù)預(yù)設(shè)推薦方法以及所述用戶的歷史記錄信息生成第二推薦信息；處理單元，用于根據(jù)預(yù)設(shè)組合算法對(duì)所述第一推薦信息與所述第二推薦信息進(jìn)行處理得到第三推薦信息；顯示單元，用于顯示所述第三推薦信息。進(jìn)一步的，所述預(yù)設(shè)推薦方法包括以下至少一種：基于內(nèi)容推薦、協(xié)同過濾推薦、基于規(guī)則推薦、基于效用推薦、基于知 識(shí)推薦。進(jìn)一步的，所述預(yù)設(shè)組合算法包括：加權(quán)、變換、混合、特征組合、層疊、特征擴(kuò)充或元級(jí)別。進(jìn)一步的，所述獲取單元具體用于：采集所述用戶當(dāng)前的情緒狀態(tài)參數(shù)；根據(jù)所述用戶當(dāng)前的情緒狀態(tài)參數(shù)以及所述用戶的歷史的情緒狀態(tài)參數(shù)獲取所述用戶的情緒狀態(tài)信息。進(jìn)一步的，所述情緒狀態(tài)參數(shù)包括以下至少一種：心率、脈搏、呼吸頻率、體溫、語音強(qiáng)度、阻抗值、加速度。本發(fā)明實(shí)施例提供的一種信息推薦方法和裝置，包括：獲取用戶的情緒狀態(tài)信息；根據(jù)獲取的所述情緒狀態(tài)信息生成第一推薦信息；根據(jù)預(yù)設(shè)推薦方法以及所述用戶的歷史記錄信息生成第二推薦信息；根據(jù)預(yù)設(shè)組合算法對(duì)所述第一推薦信息與所述第二推薦信息進(jìn)行處理得到第三推薦信息；顯示所述第三推薦信息。通過本發(fā)明提供的技術(shù)方案，能夠基于用戶的情緒狀態(tài)信息為用戶提供推薦數(shù)據(jù)，從而較準(zhǔn)確地捕捉用戶的需求。本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。附圖說明附圖用來提供對(duì)本發(fā)明技術(shù)方案的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本申請(qǐng)的實(shí)施例一起用于解釋本發(fā)明的技術(shù)方案，并不構(gòu)成對(duì)本發(fā)明技術(shù)方案的限制。圖1為本發(fā)明實(shí)施例提供的一種信息推薦方法的流程示意圖；圖2為本發(fā)明實(shí)施例提供的一種用于獲取用戶的情緒狀態(tài)信息的裝置系統(tǒng)的結(jié)構(gòu)示意圖；圖3為本發(fā)明實(shí)施例提供的一種信息推薦裝置的結(jié)構(gòu)示意圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下文中將結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行詳細(xì)說明。需要說明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互任意組合。在附圖的流程圖示出的步驟可以在諸如一組計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)系統(tǒng)中執(zhí)行。并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。本發(fā)明實(shí)施例的基本思想是：由于現(xiàn)有的各種推薦方法都有優(yōu)缺點(diǎn)，在本發(fā)明提供的技術(shù)方案中，基于用戶實(shí)時(shí)的情緒、情感變化以及該用戶歷史的情緒狀態(tài)變化曲線，利用現(xiàn)有的推薦方法的一種或多種組合與用戶當(dāng)前實(shí)時(shí)情緒與歷史情緒相結(jié)合，給用戶當(dāng)下推薦展示一個(gè)最適合的推薦結(jié)果。本發(fā)明實(shí)施例提供一種信息推薦方法，如圖1所示，該方法包括：步驟101、獲取用戶的情緒狀態(tài)信息。具體的，步驟101具體可以包括：采集所述用戶當(dāng)前的情緒狀態(tài)參數(shù)；根據(jù)所述用戶當(dāng)前的情緒狀態(tài)參數(shù)以及所述用戶的歷史的情緒狀態(tài)參數(shù)獲取所述用戶的情緒狀態(tài)信息；進(jìn)一步的，所述情緒狀態(tài)參數(shù)包括以下至少一種：心率、脈搏、呼吸頻率、體溫、語音強(qiáng)度、阻抗值、加速度。需要說明的是，對(duì)于步驟101所述的獲取用戶的情緒狀態(tài)信息可以采用現(xiàn)有的技術(shù)手段實(shí)現(xiàn)，本發(fā)明實(shí)施例在此不做贅述，示意性的簡(jiǎn)要介紹如下：如圖2所示的一種用于獲取用戶的情緒狀態(tài)信息的裝置系統(tǒng)中，S101為用戶心率、脈搏、呼吸監(jiān)測(cè)采集單元；S102為用戶體溫監(jiān)測(cè)采集單元；S103為用戶語音、聲波監(jiān)測(cè)采集單元；S104為用戶阻抗監(jiān)測(cè)采集單元；S105為用 戶加速度監(jiān)測(cè)采集單元；S111為用戶終端中央控制器；S121為用戶終端情緒輸出、展示單元。其中，用戶阻抗監(jiān)測(cè)采集單元S104通過采集人體的生物電流來測(cè)算人體阻抗值，用戶的阻抗值一定程度上可以反映用戶的情緒，例如在情緒狀態(tài)良好時(shí)用戶的阻抗值較低，情緒狀態(tài)差時(shí)用戶的阻抗值較高；用戶加速度監(jiān)測(cè)采集單元S105可以獲取用戶的加速度值，用戶的加速度值一定程度上也可以反映用戶的情緒，例如，情緒狀態(tài)良好時(shí)用戶運(yùn)動(dòng)量較大對(duì)應(yīng)加速度值較大，情緒狀態(tài)差時(shí)用戶對(duì)運(yùn)動(dòng)比較消極對(duì)應(yīng)加速度值較??；值得一提的是，上述5個(gè)采集單元采集到的結(jié)果可以由用戶終端中央控制器S111來匯總分析得到更加全面、準(zhǔn)確的用戶情緒狀態(tài)信息。步驟102、根據(jù)獲取的所述情緒狀態(tài)信息生成第一推薦信息。具體的，首先將從上述用戶終端情緒輸出、展示單元S121實(shí)時(shí)獲取的一組或多組用戶實(shí)時(shí)情緒信息(前述情緒狀態(tài)信息的一種或多種)存儲(chǔ)到存儲(chǔ)介質(zhì)中，為后續(xù)處理操作提供原始數(shù)據(jù)；然后，對(duì)抓取到的源數(shù)據(jù)進(jìn)行異常數(shù)據(jù)清洗，情緒波動(dòng)較大的數(shù)據(jù)進(jìn)行過濾并處理，使得處理過后的數(shù)據(jù)能更有效的在后面的操作中使用；然后，將前述處理后得到的用戶情緒信息按照自定義情緒轉(zhuǎn)換表轉(zhuǎn)換為統(tǒng)一單位的情緒分值；因各業(yè)務(wù)各系統(tǒng)對(duì)情緒的范圍定義會(huì)存在偏差，因此該情緒轉(zhuǎn)換表一般由各業(yè)務(wù)系統(tǒng)自定義；示例性的，一個(gè)自定義情緒轉(zhuǎn)換表的實(shí)施范例如下：心率40次/分60次/分80次/分100次/分120次/分情緒分值60100120160200然后，利用前述轉(zhuǎn)換得到的一組或多組用戶情緒分值，并結(jié)合該情緒所對(duì)應(yīng)的權(quán)重比值，最后計(jì)算出所有情緒值的加權(quán)平均數(shù)即為用戶當(dāng)前實(shí)時(shí)情緒分值；最后，將上述得到的情緒分值與“商品情緒”分值進(jìn)行比較對(duì)比，最后 按照優(yōu)先順序給出一個(gè)推薦列表。示例性的，如下所示為一個(gè)推薦實(shí)施范例。例如，當(dāng)用戶當(dāng)前實(shí)時(shí)情緒分值為20時(shí)，生成的第一推薦信息可以是：輕音樂、勵(lì)志電影、味蕾刺激強(qiáng)的食物、瑜伽。需要說明的是，為了提高根據(jù)用戶情緒狀態(tài)信息為用戶推薦信息的準(zhǔn)確性，步驟101中可以在獲取用戶當(dāng)前的情緒狀態(tài)信息后與系統(tǒng)中存儲(chǔ)的用戶的歷史情緒狀態(tài)信息進(jìn)行綜合分析后將結(jié)果提供給步驟102，步驟102中則可以根據(jù)步驟101綜合分析后得到的用戶的情緒狀態(tài)信息為用戶生成更為準(zhǔn)確的推薦信息。步驟103、根據(jù)預(yù)設(shè)推薦方法以及所述用戶的歷史記錄信息生成第二推薦信息。具體的，所述預(yù)設(shè)推薦方法包括以下至少一種：基于內(nèi)容推薦、協(xié)同過濾推薦、基于規(guī)則推薦、基于效用推薦、基于知識(shí)推薦。需要說明的是，上述五種推薦方法均屬于現(xiàn)有技術(shù)方案中的推薦方法，本發(fā)明對(duì)各個(gè)推薦方法的具體方案不做詳細(xì)闡述，在本發(fā)明實(shí)施例中僅需要利用上述的推薦方法獲得第二推薦信息。步驟104、根據(jù)預(yù)設(shè)組合算法對(duì)所述第一推薦信息與所述第二推薦信息進(jìn)行處理得到第三推薦信息。具體的，所述預(yù)設(shè)組合算法包括：加權(quán)、變換、混合、特征組合、層疊、特征擴(kuò)充或元級(jí)別。上述7種組合算法屬于現(xiàn)有推薦系統(tǒng)中的算法，簡(jiǎn)單介紹如下：1)加權(quán)(Weight)：加權(quán)多種推薦技術(shù)結(jié)果。2)變換(Switch)：根據(jù)問題背景和實(shí)際情況或要求決定變換采用不同的推薦技術(shù)。3)混合(Mixed)：同時(shí)采用多種推薦技術(shù)給出多種推薦結(jié)果為用戶提供參考。4)特征組合(Featurecombination)：組合來自不同推薦數(shù)據(jù)源的特征被另一種推薦算法所采用。5)層疊(Cascade)：先用一種推薦技術(shù)產(chǎn)生一種粗糙的推薦結(jié)果，第二種推薦技術(shù)在此推薦結(jié)果的基礎(chǔ)上進(jìn)一步作出更精確的推薦。6)特征擴(kuò)充(Featureaugmentation)：一種技術(shù)產(chǎn)生附加的特征信息嵌入到另一種推薦技術(shù)的特征輸入中。7)元級(jí)別(Meta-level)：用一種推薦方法產(chǎn)生的模型作為另一種推薦方法的輸入。需要特別說明的是，由于本發(fā)明實(shí)施例中利用預(yù)設(shè)組合算法生成第三推薦信息時(shí)使用了根據(jù)用戶情緒狀態(tài)信息生成的第一推薦信息，因此，本發(fā)明實(shí)施例相對(duì)于現(xiàn)有的推薦方案是有更好的推薦效果，由于額外增加了用戶情緒這一維度，使最終的推薦結(jié)果更加符合用戶預(yù)期。主要體現(xiàn)在以下三個(gè)方面：一、改善當(dāng)前心理、情緒狀態(tài)的推薦，如：推薦最適合當(dāng)下心理狀態(tài)的音樂、電影、美食；二、培養(yǎng)行為習(xí)慣、興趣愛好、塑造個(gè)性性格：結(jié)合長(zhǎng)期的情緒狀態(tài)與當(dāng)前的情緒推薦適合書籍、運(yùn)動(dòng)、顏色、社交圈子等；三、結(jié)合長(zhǎng)期的情緒狀態(tài)與當(dāng)下的情緒狀態(tài)，給出反差極大的推薦，突破自我，達(dá)到改善長(zhǎng)期或短期的負(fù)面心理狀態(tài)。步驟105、顯示所述第三推薦信息。具體的，向用戶顯示最終生成的第三推薦信息。另外，值得一提的是，如果用戶對(duì)推薦的信息不滿意,向系統(tǒng)反饋后，系統(tǒng)則返回步驟103重新為用戶生成新的推薦信息。本發(fā)明實(shí)施例提供的一種信息推薦方法，獲取用戶的情緒狀態(tài)信息；根據(jù)獲取的所述情緒狀態(tài)信息生成第一推薦信息；根據(jù)預(yù)設(shè)推薦方法以及所述用戶的歷史記錄信息生成第二推薦信息；根據(jù)預(yù)設(shè)組合算法對(duì)所述第一推薦信息與所述第二推薦信息進(jìn)行處理得到第三推薦信息；顯示所述第三推薦信息。通過本發(fā)明提供的技術(shù)方案，能夠基于用戶的情緒狀態(tài)信息為用戶提供推薦數(shù)據(jù)，從而較準(zhǔn)確地捕捉用戶的需求。本發(fā)明實(shí)施例提供一種信息推薦裝置10，如圖3所示，該裝置10包括：獲取單元11，用于獲取用戶的情緒狀態(tài)信息；第一生成單元12，用于根據(jù)獲取的所述情緒狀態(tài)信息生成第一推薦信息；第二生成單元13，用于根據(jù)預(yù)設(shè)推薦方法以及所述用戶的歷史記錄信息生成第二推薦信息；處理單元14，用于根據(jù)預(yù)設(shè)組合算法對(duì)所述第一推薦信息與所述第二推薦信息進(jìn)行處理得到第三推薦信息；顯示單元15，用于顯示所述第三推薦信息。進(jìn)一步的，所述預(yù)設(shè)推薦方法包括以下至少一種：基于內(nèi)容推薦、協(xié)同過濾推薦、基于規(guī)則推薦、基于效用推薦、基于知識(shí)推薦。進(jìn)一步的，所述預(yù)設(shè)組合算法包括：加權(quán)、變換、混合、特征組合、層疊、特征擴(kuò)充或元級(jí)別。進(jìn)一步的，所述獲取單元11具體用于：采集所述用戶當(dāng)前的情緒狀態(tài)參數(shù)；根據(jù)所述用戶當(dāng)前的情緒狀態(tài)參數(shù)以及所述用戶的歷史的情緒狀態(tài)參數(shù)獲取所述用戶的情緒狀態(tài)信息。進(jìn)一步的，所述情緒狀態(tài)參數(shù)包括以下至少一種：心率、脈搏、呼吸頻率、體溫、語音強(qiáng)度、阻抗值、加速度。進(jìn)一步的，所述第一生成單元12可以包括：源數(shù)據(jù)實(shí)時(shí)抓取存儲(chǔ)單元120、源數(shù)據(jù)清洗、過濾及處理單元121、數(shù)據(jù)轉(zhuǎn)換單元122、用戶畫像單元123以及匹配推薦單元124；源數(shù)據(jù)實(shí)時(shí)抓取存儲(chǔ)單元120，用于從上述S121用戶終端情緒輸出、展示單元實(shí)時(shí)獲取的一組或多組用戶實(shí)時(shí)情緒信息(前述情緒狀態(tài)信息的一種或多種)并存儲(chǔ)到到存儲(chǔ)介質(zhì)中；源數(shù)據(jù)清洗、過濾及處理單元121，用于對(duì)源數(shù)據(jù)實(shí)時(shí)抓取存儲(chǔ)單元120中存儲(chǔ)的源數(shù)據(jù)進(jìn)行異常數(shù)據(jù)清洗，對(duì)情緒波動(dòng)較大的數(shù)據(jù)進(jìn)行過濾并處理；數(shù)據(jù)轉(zhuǎn)換單元122，用于將源數(shù)據(jù)清洗、過濾及處理單元121處理后得到的用戶情緒信息按照自定義情緒轉(zhuǎn)換表轉(zhuǎn)換為統(tǒng)一單位的情緒分值；用戶畫像單元123，用于利用數(shù)據(jù)轉(zhuǎn)換單元122轉(zhuǎn)換得到的用戶情緒分值，并結(jié)合該情緒所對(duì)應(yīng)的權(quán)重比值，最后計(jì)算出所有情緒值的加權(quán)平均數(shù)即為用戶當(dāng)前實(shí)時(shí)情緒分值；最后，匹配推薦單元124，用于將上述得到的情緒分值與“商品情緒”分值進(jìn)行比較對(duì)比，最后按照優(yōu)先順序給出一個(gè)推薦列表。本實(shí)施例用于實(shí)現(xiàn)上述各方法實(shí)施例，本實(shí)施例中各個(gè)單元的工作流程和工作原理參見上述各方法實(shí)施例中的描述，在此不再贅述。本發(fā)明實(shí)施例提供的一種信息推薦裝置，獲取用戶的情緒狀態(tài)信息；根據(jù)獲取的所述情緒狀態(tài)信息生成第一推薦信息；根據(jù)預(yù)設(shè)推薦方法以及所述用戶的歷史記錄信息生成第二推薦信息；根據(jù)預(yù)設(shè)組合算法對(duì)所述第一推薦信息與所述第二推薦信息進(jìn)行處理得到第三推薦信息；顯示所述第三推薦信息。通過本發(fā)明提供的技術(shù)方案，能夠基于用戶的情緒狀態(tài)信息為用戶提供推薦數(shù)據(jù)，從而較準(zhǔn)確地捕捉用戶的需求。以上所描述的裝置實(shí)施例僅僅是示意性的，例如，模塊的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式。另一點(diǎn)，所顯示或討論的模塊相互之間的連接可以是通過一些接口，可以是電性，機(jī)械或其它的形式。所述各個(gè)模塊可以是或者也可以不是物理上分開的，可以是或者也可以不是物理單元?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí) 現(xiàn)本實(shí)施例方案的目的。另外，在本發(fā)明各個(gè)實(shí)施例中的各功能模塊可以集成在一個(gè)處理模塊中，也可以是各個(gè)模塊單獨(dú)物理包括，也可以兩個(gè)或兩個(gè)以上模塊集成在一個(gè)模塊中。上述集成的模塊既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能模塊的形式實(shí)現(xiàn)。上述以軟件功能單元的形式實(shí)現(xiàn)的集成的模塊，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能模塊存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(Read-OnlyMemory，ROM)、隨機(jī)存取存儲(chǔ)器(RandomAccessMemory，RAM)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。當(dāng)前第1頁1 2 3