[发明专利]一种电视内容推荐方法、系统、存储介质和智能电视

权利要求书

1.一种电视内容推荐方法，其特征在于，包括：

获取用户信息，所述用户信息包括语音特征信息和人脸特征信息；

将所述用户信息输入已训练的深度学习模型，确定用户的用户类型；所述深度学习模型包括语音识别网络模型与人脸识别网络模型，所述将所述用户信息输入已训练的深度学习模型，确定用户的用户类型，包括：将所述语音特征信息输入已训练的语音识别网络模型，确定所述用户的第一用户类型概率；将所述人脸特征信息输入已训练的人脸识别网络模型，确定所述用户的第二用户类型概率；根据所述第一用户类型概率和所述第二用户类型概率，确定所述用户的用户类型，具体地，分别预设所述第一用户类型概率与所述第二用户类型概率的权重，根据所述第一用户类型概率及其权重与所述第二用户类型概率及其权重，融合所述第一用户类型概率与所述第二用户类型概率，得到融合分类概率，根据所述融合分类概率确定所述用户的用户类型；

根据所述用户类型进入对应的电视模式，以基于所述用户类型对应的电视模式，推荐与所述用户类型对应的电视内容。

2.根据权利要求1所述的电视内容推荐方法，其特征在于，所述电视内容推荐方法还包括对所述语音识别网络模型的训练，具体包括：

构建语音识别网络模型，所述语音识别网络模型包括编码层、前馈型序列记忆网络层以及全连接层；

获取样本语音信息，所述样本语音信息具有用户类型标签；

在所述编码层中，将所述样本语音信息进行编码，得到样本语音向量，并将所述样本语音向量传递至所述前馈型序列记忆网络层；

在所述前馈型序列记忆网络层中，对所述样本语音向量进行特征提取，得到样本语音特征向量，并将所述样本语音特征向量传递至所述全连接层；

在所述全连接层中，根据所述样本语音特征向量，对所述样本语音信息进用户类型概率计算，得到所述样本语音信息的第一用户类型概率；

根据预设参数调整算法对所述语音识别网络模型的模型参数进行调整，直至所述样本语音信息的第一用户类型概率对应的用户类型与所述样本语音信息的用户类型标签一致。

3.根据权利要求1所述的电视内容推荐方法，其特征在于，所述电视内容推荐方法还包括对所述人脸识别网络模型的训练，具体包括：

构建人脸识别网络模型，所述人脸识别网络模型包括卷积层、池化层以及全连接层；

获取样本人脸信息，所述样本人脸信息具有用户类型标签；

在所述卷积层中，根据所述样本人脸信息进行人脸特征提取，得到所述样本人脸信息的样本人脸特征；

在所述全连接层中，根据所述样本人脸特征，对所述样本人脸信息进行用户类型概率计算，得到所述样本人脸信息的第二用户类型概率；

根据预设参数调整算法对所述人脸识别网络模型的模型参数进行优化调整，直至所述样本人脸信息的第二用户类型概率对应的用户类型与所述样本人脸信息的类型标签一致。

4.根据权利要求1所述的电视内容推荐方法，其特征在于，所述基于所述用户类型对应的电视模式，推荐与所述用户类型对应的电视内容，包括：

获取所述用户选择的兴趣标签；

获取所述用户的历史行为信息；

基于所述用户选择的兴趣标签与所述历史行为信息，生成所述用户的兴趣特征向量；

根据所述兴趣特征向量与预设的特征资源对照表，从候选电视内容集合中选择与所述兴趣特征向量对应的电视内容，生成电视内容推荐表；

基于所述电视内容推荐表向所述用户进行电视内容推荐。

5.根据权利要求4所述的电视内容推荐方法，其特征在于，所述基于所述电视内容推荐表向所述用户进行电视内容推荐，包括：

将所述电视内容推荐表中的电视内容，按预设排序规则进行排序；

根据排序后的电视内容推荐表向所述用户进行电视内容推荐。

6.根据权利要求1至5任一项所述的电视内容推荐方法，其特征在于，所述电视模式包括儿童电视模式和普通电视模式，所述用户类型包括儿童和非儿童，所述根据所述用户类型进入对应的电视模式，包括：

若所述用户为儿童，进入儿童电视模式；

若所述用户为非儿童，进入普通电视模式。