本說明書實施例涉及人工智能，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)的線下面對面方式變?yōu)檫h程屏對屏方式，通過用戶的面部表情洞察客戶的真實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，準確性低。

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

技術(shù)實現(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，準確性低的問題，本說明書實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)準微表情-商品集映射庫和用戶的實際微表情與標(biāo)準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際微表情對應(yīng)的標(biāo)準微表情，從標(biāo)準微表情-商品集映射庫中確定該標(biāo)準微表情對應(yīng)的商品集，并將商品集中的商品推薦給該待推薦用戶。

2、本說明書實施例的具體技術(shù)方案如下：

3、一方面，本說明書實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算所述待推薦用戶的實際微表情；

6、根據(jù)預(yù)先訓(xùn)練好的差異特征模型確定所述實際微表情對應(yīng)的標(biāo)準微表情；

7、根據(jù)預(yù)先訓(xùn)練好的所述待推薦用戶的標(biāo)準微表情-商品集映射庫確定所述標(biāo)準微表情對應(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、進一步地，訓(xùn)練所述差異特征模型的步驟包括：

10、獲取多個訓(xùn)練用戶的多個面部表情信息并分別計算每個訓(xùn)練用戶的多個面部表情信息對應(yīng)的多個第一訓(xùn)練微表情以及所述多個面部表情信息對應(yīng)的多個情感信息；

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

12、分別計算每個標(biāo)準微表情與相應(yīng)的第一訓(xùn)練微表情之間的差異；

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

14、進一步地，分別計算每個標(biāo)準微表情與相應(yīng)的第一訓(xùn)練微表情之間的差異進一步包括：

15、對所述第一訓(xùn)練微表情進行向量化，得到第一特征向量；

16、對所述標(biāo)準微表情進行向量化，得到第二特征向量；

17、計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)準微表情與第一訓(xùn)練微表情之間的差異。

18、進一步地，計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、進一步地，根據(jù)各訓(xùn)練用戶的多個差異構(gòu)建所述差異特征模型進一步包括：

22、根據(jù)各訓(xùn)練用戶的多個差異特征向量計算各訓(xùn)練用戶的第一訓(xùn)練微表情和標(biāo)準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、進一步地，訓(xùn)練所述待推薦用戶標(biāo)準微表情-商品集映射庫進一步包括：

25、構(gòu)建所述待推薦用戶的初始標(biāo)準微表情-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)練微表情對應(yīng)的標(biāo)準微表情；

28、根據(jù)所述初始標(biāo)準微表情-商品集映射庫確定所述待推薦用戶的標(biāo)準微表情對應(yīng)的預(yù)測推薦商品集，并將所述預(yù)測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所述預(yù)測推薦商品集的操作信息，并根據(jù)所述操作信息計算趨向意圖評估值；

30、判斷所述趨向意圖評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)準微表情-商品集映射庫中標(biāo)準微表情與商品集之間的對應(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)準微表情-商品集映射庫。

33、進一步地，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、進一步地，根據(jù)所述操作信息計算趨向意圖評估值進一步包括：

36、對所述商品興趣行為數(shù)據(jù)進行計算，得到第一估值；

37、對所述商品交易轉(zhuǎn)化數(shù)據(jù)進行計算，得到第二估值；

38、對所述第一估值和第二估值進行加權(quán)計算，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)，利用聚類算法對所述預(yù)測推薦商品集進行聚類，根據(jù)聚類結(jié)果計算信息面估值；

40、根據(jù)所述待推薦用戶對所述預(yù)測推薦商品集中各商品的規(guī)律性偏好，通過知識歸納，計算知識面估值；

41、對所述數(shù)據(jù)面估值、信息面估值和知識面估值進行加權(quán)計算，得到所述趨向意圖評估值。

42、進一步地，所述商品興趣行為數(shù)據(jù)至少包括商品點擊次數(shù)和商品瀏覽時長。

43、進一步地，對所述商品興趣行為數(shù)據(jù)進行計算，得到第一估值進一步包括：

44、對所述商品點擊次數(shù)和商品瀏覽時長進行加權(quán)計算，得到所述第一估值。

45、進一步地，所述商品交易轉(zhuǎn)化數(shù)據(jù)至少包括商品交易量、二次交易量和負向評價數(shù)量。

46、進一步地，對所述商品交易轉(zhuǎn)化數(shù)據(jù)進行計算，得到第二估值進一步包括：

47、計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、計算所述商品總交易量與所述負向評價數(shù)量的比值，得到所述第二估值。

49、進一步地，若趨向意圖評估值超過第一閾值，所述方法還包括：

50、判斷所述趨向意圖評估值是否超過第二閾值；

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

52、進一步地，若所述趨向意圖評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估值對應(yīng)的第二訓(xùn)練微表情作為參考微表情；

54、將同一個標(biāo)準微表情對應(yīng)的多個參考微表情根據(jù)相應(yīng)的所述趨向意圖評估值進行加權(quán)計算，得到更新微表情；

55、將該標(biāo)準微表情替換為所述更新微表情。

56、進一步地，根據(jù)預(yù)先訓(xùn)練好的所述待推薦用戶的標(biāo)準微表情-商品集映射庫確定所述標(biāo)準微表情對應(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、實際微表情計算單元，用于根據(jù)所述面部表情信息計算所述待推薦用戶的實際微表情；

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

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)準微表情-商品集映射庫確定所述標(biāo)準微表情對應(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，本說明書實施例還提供了一種計算機設(shè)備，包括存儲器、處理器、以及存儲在存儲器上的計算機程序，處理器執(zhí)行所述計算機程序時實現(xiàn)上述的方法。

67、另一方面，本說明書實施例還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的方法。

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

69、利用本說明書實施例，訓(xùn)練各用戶的標(biāo)準微表情-商品集映射庫和用戶的實際微表情與標(biāo)準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際微表情對應(yīng)的標(biāo)準微表情，從標(biāo)準微表情-商品集映射庫中確定該標(biāo)準微表情對應(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確性。