本說明書實(shí)施例涉及人工智能，尤其涉及一種基于用戶面部表情的產(chǎn)品推薦方法、裝置及設(shè)備。

背景技術(shù)：

1、隨著金融科技的發(fā)展，服務(wù)模式開始從傳統(tǒng)的線下面對(duì)面方式變?yōu)檫h(yuǎn)程屏對(duì)屏方式，通過用戶的面部表情洞察客戶的真實(shí)意圖與喜好能幫助銀行提升服務(wù)能力。但由于千人千面，不同用戶的面部表情之間的差異很大，目前的產(chǎn)品推薦方法的普適性較差，準(zhǔn)確性低。

2、如何提高產(chǎn)品推薦的普適性和準(zhǔn)確性是目前亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中產(chǎn)品推薦方法的普適性較差，準(zhǔn)確性低的問題，本說明書實(shí)施例提供了一種基于用戶面部表情的產(chǎn)品推薦方法、裝置及設(shè)備，訓(xùn)練各用戶的標(biāo)準(zhǔn)微表情-商品集映射庫和用戶的實(shí)際微表情與標(biāo)準(zhǔn)微表情的差異特征模型，根據(jù)待推薦用戶的差異特征模型確定待推薦用戶的實(shí)際微表情對(duì)應(yīng)的標(biāo)準(zhǔn)微表情，從標(biāo)準(zhǔn)微表情-商品集映射庫中確定該標(biāo)準(zhǔn)微表情對(duì)應(yīng)的商品集，并將商品集中的商品推薦給該待推薦用戶。

2、本說明書實(shí)施例的具體技術(shù)方案如下：

3、一方面，本說明書實(shí)施例提供了一種基于用戶面部表情的產(chǎn)品推薦方法，包括：

4、獲取待推薦用戶的面部表情信息；

5、根據(jù)所述面部表情信息計(jì)算所述待推薦用戶的實(shí)際微表情；

6、根據(jù)預(yù)先訓(xùn)練好的差異特征模型確定所述實(shí)際微表情對(duì)應(yīng)的標(biāo)準(zhǔn)微表情；

7、根據(jù)預(yù)先訓(xùn)練好的所述待推薦用戶的標(biāo)準(zhǔn)微表情-商品集映射庫確定所述標(biāo)準(zhǔn)微表情對(duì)應(yīng)的推薦商品集；

8、將所述推薦商品集中的商品推薦給所述待推薦用戶。

9、進(jìn)一步地，訓(xùn)練所述差異特征模型的步驟包括：

10、獲取多個(gè)訓(xùn)練用戶的多個(gè)面部表情信息并分別計(jì)算每個(gè)訓(xùn)練用戶的多個(gè)面部表情信息對(duì)應(yīng)的多個(gè)第一訓(xùn)練微表情以及所述多個(gè)面部表情信息對(duì)應(yīng)的多個(gè)情感信息；

11、根據(jù)預(yù)先構(gòu)建的標(biāo)準(zhǔn)微表情-情感庫分別確定各訓(xùn)練用戶的每一情感信息對(duì)應(yīng)的至少一個(gè)標(biāo)準(zhǔn)微表情，所述標(biāo)準(zhǔn)微表情-情感庫中包括多個(gè)標(biāo)準(zhǔn)微表情與情感信息的對(duì)應(yīng)關(guān)系；

12、分別計(jì)算每個(gè)標(biāo)準(zhǔn)微表情與相應(yīng)的第一訓(xùn)練微表情之間的差異；

13、根據(jù)各訓(xùn)練用戶的多個(gè)差異構(gòu)建所述差異特征模型。

14、進(jìn)一步地，分別計(jì)算每個(gè)標(biāo)準(zhǔn)微表情與相應(yīng)的第一訓(xùn)練微表情之間的差異進(jìn)一步包括：

15、對(duì)所述第一訓(xùn)練微表情進(jìn)行向量化，得到第一特征向量；

16、對(duì)所述標(biāo)準(zhǔn)微表情進(jìn)行向量化，得到第二特征向量；

17、計(jì)算所述第一特征向量和第二特征向量之間的差異特征，得到相應(yīng)的標(biāo)準(zhǔn)微表情與第一訓(xùn)練微表情之間的差異。

18、進(jìn)一步地，計(jì)算所述第一特征向量和第二特征向量之間的差異特征的公式為：

19、

20、其中，df表示所述差異特征，df1表示第一特征向量，df2表示第二特征向量。

21、進(jìn)一步地，根據(jù)各訓(xùn)練用戶的多個(gè)差異構(gòu)建所述差異特征模型進(jìn)一步包括：

22、根據(jù)各訓(xùn)練用戶的多個(gè)差異特征向量計(jì)算各訓(xùn)練用戶的第一訓(xùn)練微表情和標(biāo)準(zhǔn)微表情之間的線性關(guān)系；

23、將所述線性關(guān)系作為所述差異特征模型。

24、進(jìn)一步地，訓(xùn)練所述待推薦用戶標(biāo)準(zhǔn)微表情-商品集映射庫進(jìn)一步包括：

25、構(gòu)建所述待推薦用戶的初始標(biāo)準(zhǔn)微表情-商品集映射庫；

26、獲取所述待推薦用戶的面部表情信息，并計(jì)算所述待推薦用戶的第二訓(xùn)練微表情；

27、根據(jù)預(yù)先訓(xùn)練好的差異特征模型確定所述待推薦用戶的第二訓(xùn)練微表情對(duì)應(yīng)的標(biāo)準(zhǔn)微表情；

28、根據(jù)所述初始標(biāo)準(zhǔn)微表情-商品集映射庫確定所述待推薦用戶的標(biāo)準(zhǔn)微表情對(duì)應(yīng)的預(yù)測(cè)推薦商品集，并將所述預(yù)測(cè)推薦商品集推薦給所述待推薦用戶；

29、獲取所述待推薦用戶對(duì)所述預(yù)測(cè)推薦商品集的操作信息，并根據(jù)所述操作信息計(jì)算趨向意圖評(píng)估值；

30、判斷所述趨向意圖評(píng)估值是否超過第一閾值；

31、若否，則調(diào)整所述待推薦用戶的初始標(biāo)準(zhǔn)微表情-商品集映射庫中標(biāo)準(zhǔn)微表情與商品集之間的對(duì)應(yīng)關(guān)系，并重復(fù)執(zhí)行獲取所述第二訓(xùn)練用戶的面部表情信息，并計(jì)算所述第二訓(xùn)練用戶的第二訓(xùn)練微表情的步驟；

32、若是，則得到訓(xùn)練好的標(biāo)準(zhǔn)微表情-商品集映射庫。

33、進(jìn)一步地，所述操作信息至少包括：

34、商品興趣行為數(shù)據(jù)和商品交易轉(zhuǎn)化數(shù)據(jù)。

35、進(jìn)一步地，根據(jù)所述操作信息計(jì)算趨向意圖評(píng)估值進(jìn)一步包括：

36、對(duì)所述商品興趣行為數(shù)據(jù)進(jìn)行計(jì)算，得到第一估值；

37、對(duì)所述商品交易轉(zhuǎn)化數(shù)據(jù)進(jìn)行計(jì)算，得到第二估值；

38、對(duì)所述第一估值和第二估值進(jìn)行加權(quán)計(jì)算，得到數(shù)據(jù)面估值；

39、基于所述商品興趣行為數(shù)據(jù)和商品交易轉(zhuǎn)化數(shù)據(jù)，利用聚類算法對(duì)所述預(yù)測(cè)推薦商品集進(jìn)行聚類，根據(jù)聚類結(jié)果計(jì)算信息面估值；

40、根據(jù)所述待推薦用戶對(duì)所述預(yù)測(cè)推薦商品集中各商品的規(guī)律性偏好，通過知識(shí)歸納，計(jì)算知識(shí)面估值；

41、對(duì)所述數(shù)據(jù)面估值、信息面估值和知識(shí)面估值進(jìn)行加權(quán)計(jì)算，得到所述趨向意圖評(píng)估值。

42、進(jìn)一步地，所述商品興趣行為數(shù)據(jù)至少包括商品點(diǎn)擊次數(shù)和商品瀏覽時(shí)長(zhǎng)。

43、進(jìn)一步地，對(duì)所述商品興趣行為數(shù)據(jù)進(jìn)行計(jì)算，得到第一估值進(jìn)一步包括：

44、對(duì)所述商品點(diǎn)擊次數(shù)和商品瀏覽時(shí)長(zhǎng)進(jìn)行加權(quán)計(jì)算，得到所述第一估值。

45、進(jìn)一步地，所述商品交易轉(zhuǎn)化數(shù)據(jù)至少包括商品交易量、二次交易量和負(fù)向評(píng)價(jià)數(shù)量。

46、進(jìn)一步地，對(duì)所述商品交易轉(zhuǎn)化數(shù)據(jù)進(jìn)行計(jì)算，得到第二估值進(jìn)一步包括：

47、計(jì)算所述商品交易量與所述二次交易量之和，得到商品總交易量；

48、計(jì)算所述商品總交易量與所述負(fù)向評(píng)價(jià)數(shù)量的比值，得到所述第二估值。

49、進(jìn)一步地，若趨向意圖評(píng)估值超過第一閾值，所述方法還包括：

50、判斷所述趨向意圖評(píng)估值是否超過第二閾值；

51、若是，則將所述初始標(biāo)準(zhǔn)微表情-商品集映射庫中所述預(yù)測(cè)推薦商品集對(duì)應(yīng)的標(biāo)準(zhǔn)微表情替換為所述第二訓(xùn)練微表情。

52、進(jìn)一步地，若所述趨向意圖評(píng)估值超過所述第二閾值，所述方法還包括：

53、將超過所述第二閾值的所述趨向意圖評(píng)估值對(duì)應(yīng)的第二訓(xùn)練微表情作為參考微表情；

54、將同一個(gè)標(biāo)準(zhǔn)微表情對(duì)應(yīng)的多個(gè)參考微表情根據(jù)相應(yīng)的所述趨向意圖評(píng)估值進(jìn)行加權(quán)計(jì)算，得到更新微表情；

55、將該標(biāo)準(zhǔn)微表情替換為所述更新微表情。

56、進(jìn)一步地，根據(jù)預(yù)先訓(xùn)練好的所述待推薦用戶的標(biāo)準(zhǔn)微表情-商品集映射庫確定所述標(biāo)準(zhǔn)微表情對(duì)應(yīng)的推薦商品集之后，所述方法還包括：

57、從所述推薦商品集中剔除與所述待推薦用戶的用戶信息不匹配的商品；

58、將所述推薦商品集中的商品推薦給所述待推薦用戶進(jìn)一步包括：

59、將所述推薦商品集中的剩余的商品推薦給所述待推薦用戶。

60、另一方面，本說明書實(shí)施例還提供了一種基于用戶面部表情的產(chǎn)品推薦裝置，所述裝置包括：

61、面部表情信息獲取單元，用于獲取待推薦用戶的面部表情信息；

62、實(shí)際微表情計(jì)算單元，用于根據(jù)所述面部表情信息計(jì)算所述待推薦用戶的實(shí)際微表情；

63、標(biāo)準(zhǔn)微表情確定單元，用于根據(jù)預(yù)先訓(xùn)練好的差異特征模型確定所述實(shí)際微表情對(duì)應(yīng)的標(biāo)準(zhǔn)微表情；

64、推薦商品集確定單元，用于根據(jù)預(yù)先訓(xùn)練好的所述待推薦用戶的標(biāo)準(zhǔn)微表情-商品集映射庫確定所述標(biāo)準(zhǔn)微表情對(duì)應(yīng)的推薦商品集；

65、商品推薦單元，用于將所述推薦商品集中的商品推薦給所述待推薦用戶。

66、另一方面，本說明書實(shí)施例還提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器、以及存儲(chǔ)在存儲(chǔ)器上的計(jì)算機(jī)程序，處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的方法。

67、另一方面，本說明書實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的方法。

68、最后，本說明書實(shí)施例還提供了一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的方法。

69、利用本說明書實(shí)施例，訓(xùn)練各用戶的標(biāo)準(zhǔn)微表情-商品集映射庫和用戶的實(shí)際微表情與標(biāo)準(zhǔn)微表情的差異特征模型，根據(jù)待推薦用戶的差異特征模型確定待推薦用戶的實(shí)際微表情對(duì)應(yīng)的標(biāo)準(zhǔn)微表情，從標(biāo)準(zhǔn)微表情-商品集映射庫中確定該標(biāo)準(zhǔn)微表情對(duì)應(yīng)的商品集，并將商品集中的商品推薦給該待推薦用戶，適應(yīng)了不同用戶的面部表情之間的差異，提高了產(chǎn)品推薦的普適性和準(zhǔn)確性。