[发明专利]一种基于双重模型的用户情绪预测商品推荐方法及装置

说明书

本发明实施例提供了一种基于双重模型的用户情绪预测商品推荐方法、虚拟装置、计算机可读存储介质及电子装置，涉及共享电车技术的技术领域。其方法包括：获取用户的第一图像信息；通过预设的第一模型，对所述第一图像信息进行情绪信息确定处理，以确定所述用户的情绪标签以及情绪等级；通过预设的第二模型，对所述情绪标签以及情绪等级进行商品匹配处理，以得到目标商品信息；通过预设路径将所述商品信息发送至所述用户。通过本发明，解决了商品推荐不准确的问题，进而达到了提高商品推送精度的效果。

技术领域

本发明实施例涉及通信领域，具体而言，涉及一种基于双重模型的用户情绪预测商品推荐方法及装置。

背景技术

随着基于互联网和大数据的商业的深度发展，各企业单位需要根据用户的行为和兴趣特征构建用户的兴趣标签，以便于构建更适合用户的推送及消费方案。

目前通常是对用户的消费记录，浏览记录等事后行为进行回溯和分析，用以构建所述兴趣标签，但是，这种兴趣标签不仅无法直接反应用户对产品的兴趣倾向(即：用户购买某一产品可能不是因为喜欢，而是因为拼单、搭配等原因)，而且因兴趣标签的构建是基于事后行为的回溯分析，导致兴趣标签无法反映用户当前的情绪特征，最终导致兴趣标签的标准不准确、不及时。

发明内容

本发明实施例提供了一种基于双重模型的用户情绪预测商品推荐方法及装置，以至少解决相关技术中商品推荐不准确的问题。

根据本发明的一个实施例，提供了一种基于双重模型的用户情绪预测商品推荐方法，应用于搭载有车载摄像头的共享电车，包括：

获取用户的第一图像信息，其中，所述第一图像信息用于指示所述用户在第一时间段内浏览的商品图像；

通过预设的第一模型，对所述第一图像信息进行情绪信息确定处理，以确定所述用户的情绪标签以及情绪等级；

通过预设的第二模型，对所述情绪标签以及情绪等级进行商品匹配处理，以得到目标商品信息；

通过预设路径将所述商品信息发送至所述用户。

在一个示例性实施例中，所述通过预设的第一模型，对所述第一图像信息进行情绪信息确定处理，以确定所述用户的情绪标签以及情绪等级包括：

基于所述第一图像信息，确定所述第一图像信息中的商品的属性信息，其中，所述属性信息包括所述商品的颜色信息、类型信息以及第一商品的被浏览频次信息，所述第一商品用于指示所述商品中包括的第一类型商品；

基于所述颜色信息、类型信息以及所述被浏览频次信息，通过所述第一模型，确定所述用户的情绪标签以及情绪等级。

在一个示例性实施例中，所述通过预设的第一模型，对所述第一图像信息进行情绪信息确定处理，以确定所述用户的情绪标签以及情绪等级包括：

通过所述第一模型，确定所述第一图像信息中包括的用户的商品浏览信息，其中，所述商品浏览信息单位时间内的商品类型以及商品数量；

在所述商品数量满足第一条件的情况下，确定目标商品的浏览时长以及浏览频率；

根据所述商品类型、浏览时长以及浏览频率，确定所述用户的情绪标签以及所述情绪等级。

在一个示例性实施例中，所述根据所述商品类型、浏览时长以及浏览频率，确定所述用户的情绪标签包括：

在所述浏览时长小于第一阈值，且所述浏览频率大于第二阈值的情况下，对第一时间段内的第一商品类型与第二时间段内的第二商品类型进行比较，其中，所述单位时间包括所述第一时间段以及所述第二时间段，且所述第一时间段与所述第二时间段相连续；

在所述第一商品类型与所述第二商品类型不一致的情况下，确定所述用户的情绪标签为第一标签。