信息显示方法、装置、终端及存储介质与流程

文档序号:14685529发布日期:2018-06-13 00:10
信息显示方法、装置、终端及存储介质与流程
本申请实施例涉及终端
技术领域
,特别涉及一种信息显示方法、装置、终端及存储介质。
背景技术
:广告平台是用于将广告主的广告推送给目标用户群的服务平台。目前,当广告主在广告平台上建立广告后,广告平台会基于自身的默认设置或者广告主的自定义设置,确定与广告对应的目标用户群,每隔预定时间间隔向目标用户群投放广告。技术实现要素:本申请实施例提供了一种信息显示方法、装置、终端及存储介质,可以用于解决推荐信息的投放效果较低的问题。所述技术方案如下:根据本申请实施例的第一方面,提供了一种信息显示方法,所述方法包括:获取目标对象的生物特征数据,所述生物特征数据用于指示所述目标对象的生理特征和/或行为特征;将所述生物特征数据输入至情绪预测模型中,得到所述目标对象的目标情绪标识,所述情绪预测模型用于表示基于历史生物特征数据训练得到的情绪规律,所述目标情绪标识用于指示预测的所述目标对象的情绪类型;根据第一对应关系,显示与所述目标情绪标识对应的目标推荐信息,所述第一对应关系包括推荐信息与情绪标识之间的对应关系。根据本申请实施例的第二方面,提供了一种信息显示装置,所述装置包括:获取模块,用于获取目标对象的生物特征数据,所述生物特征数据用于指示所述目标对象的生理特征和/或行为特征;输入模块,用于将所述生物特征数据输入至情绪预测模型中,得到所述目标对象的目标情绪标识,所述情绪预测模型用于表示基于历史生物特征数据训练得到的情绪规律,所述目标情绪标识用于指示预测的所述目标对象的情绪类型;显示模块,用于根据第一对应关系,显示与所述目标情绪标识对应的目标推荐信息,所述第一对应关系包括推荐信息与情绪标识之间的对应关系。根据本申请实施例的第三方面,提供了一种终端,所述终端包括处理器、与所述处理器相连的存储器,以及存储在所述存储器上的程序指令,所述处理器执行所述程序指令时实现如本申请第一方面及其可选实施例任一所述的信息显示方法。根据本申请实施例的第四方面,提供了一种计算机可读存储介质,其上存储有程序指令,所述程序指令被处理器执行时实现如本申请第一方面及其可选实施例任一所述的信息显示方法。本申请实施例提供的技术方案带来的有益效果是:通过获取目标对象的生物特征数据,将生物特征数据输入至情绪预测模型中,得到目标对象的目标情绪标识,根据第一对应关系,显示与目标情绪标识对应的目标推荐信息;使得目标推荐信息是根据用户当前的情绪类型确定的,即终端中显示的目标推荐信息符合用户当前的情绪状态,满足了用户的个性化需求,进而提高了推荐信息的投放效果,节省了信息推荐平台上的计算资源和投放资源。附图说明图1是本申请一个实施例提供的信息推荐系统的结构示意图;图2是本申请一个实施例提供的信息显示方法的流程图;图3是本申请一个实施例提供的信息显示方法涉及的原理示意图;图4是本申请一个实施例提供的信息显示方法涉及的模型训练方法的流程图;图5是本申请另一个实施例提供的信息显示方法的流程图;图6是本申请另一个实施例提供的信息显示方法涉及的原理示意图;图7是本申请另一个实施例提供的信息显示方法涉及的原理示意图;图8是本申请一个实施例提供的信息显示装置的结构示意图;图9是本申请一个示例性实施例提供的终端的结构方框图。具体实施方式为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。在推荐信息投放过程中,与推荐信息对应的目标用户群中用户的情绪状态是实时变化的。投放的推荐信息,并不一定适合用户当前的情绪状态,使得推荐信息的投放效果较差,进而浪费了信息推荐平台上的计算资源和投放资源。为此,本申请实施例提供了根据预测的用户当前的情绪类型来确定推荐信息的方案。请参考图1,其示出了本申请一个实施例提供的信息推荐系统的结构示意图。该信息推荐系统包括投放者终端120、服务器集群140和至少一个用户终端160。投放者终端120中运行有投放者客户端。投放者终端120可以是手机、平板电脑、电子书阅读器、MP3播放器(MovingPictureExpertsGroupAudioLayerIII,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。投放者客户端是用于在信息推荐平台上投放推荐信息的软件客户端。信息推荐平台是用于将推荐信息定向投放到目标用户客户端上的平台。可选的,推荐信息是广告信息、多媒体信息或咨询信息等具有推荐价值的信息。投放者是在信息推荐平台上投放推荐信息的用户或组织。当推荐信息是广告信息时,投放者即为广告主。投放者终端120与服务器集群140之间通过通信网络相连。可选的,通信网络是有线网络或无线网络。服务器集群140是一台服务器,或者由若干台服务器,或者是一个虚拟化平台,或者是一个云计算服务中心。可选的,服务器集群140包括用于实现信息推荐平台的服务器。其中,信息推荐平台包括:用于向用户终端160发送推荐信息的服务器。服务器集群140与用户终端160之间通过通信网络相连。可选的,通信网络是有线网络或无线网络。用户终端160中运行有用户客户端,用户客户端中登录有用户帐号。用户终端160也可以是手机、平板电脑、电子书阅读器、MP3播放器(MovingPictureExpertsGroupAudioLayerIII,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。用户客户端可以是社交网络客户端,还可以是其它兼有社交属性的客户端,比如购物客户端、游戏客户端、阅读客户端、专用于发送推荐信息的客户端等等。通常,投放者终端120向服务器集群140投放推荐信息时,投放者终端120可以在服务器集群140上指定定向标签,由服务器集群140根据定向标签确定出目标用户客户端,然后由服务器集群140向目标用户客户端所在的用户终端160发送推荐信息。请参考图2,其示出了本申请一个实施例提供的信息显示方法的流程图。本实施例以该信息显示方法应用于图1所示出的实施环境中的用户终端160中来举例说明。该信息显示方法包括:步骤201,获取目标对象的生物特征数据,生物特征数据用于指示目标对象的生理特征和/或行为特征。用户终端获取目标对象的生物特征数据,目标对象为使用该终端的用户。其中,目标对象的生物特征数据用于指示该目标对象的生物特征,该生物特征包括目标对象的生理特征和/或行为特征,生物特征具有普遍性、独特性、唯一性、稳定性、可采集性等特性。其中,普遍性是指每个人都具备的特征;唯一性是指任何两个人的该特征均是不相同的;稳定性是指该特征不会随时间等条件的变化而变化,至少在一段时间内是不变的;可采集性是指该特征是便于采集和定量测量的。可选的,生理特征包括该目标对象的人脸特征和/或虹膜特征,行为特征包括声纹特征和/或步态特征。用户终端获取目标对象的生物特征数据,包括:用户终端通过采集组件采集目标对象的生物特征,根据采集到的生物特征,采用特征提取算法计算得到特征向量,将计算得到的特征向量确定为生物特征数据。其中,采集组件包括前置摄像头、虹膜扫描器、声纹识别传感器和步态识别传感器中的至少一种。可选的,终端根据采集到的生物特征,采用特征提取算法计算得到特征向量,包括:对采集到的生物特征进行预处理,再对预处理后的生物特征进行特征提取,从而将经过特征提取后的数据确定为生物特征的特征向量。预处理是将采集组件采集到的生物特征进行处理,得到半结构化数据形式的生物特征的过程。其中,预处理包括信息压缩、降噪和数据归一化等步骤。特征提取是从预处理后的生物特征中提取部分特征,并将部分特征转换为结构化数据的过程。步骤202,将生物特征数据输入至情绪预测模型中,得到目标对象的目标情绪标识,情绪预测模型用于表示基于历史生物特征数据训练得到的情绪规律,目标情绪标识用于指示预测的目标对象的情绪类型。用户终端获取预先训练好的情绪预测模型,将生物特征数据输入至情绪预测模型中,得到目标对象的目标情绪标识。由于情绪预测模型的训练过程可以由用户终端完成,也可以由服务器完成,因此用户终端获取情绪预测模型,包括:用户终端获取自身存储的情绪预测模型,或者,用户终端从服务器中获取情绪预测模型。本实施例对此不加以限定。需要说明的是,情绪预测模型的训练过程可参考下面实施例中的相关描述,在此先不介绍。目标情绪标识用于指示预测的目标对象在当前时刻的情绪类型,当前时刻为获取到该目标对象的生物特征数据的时刻。其中,情绪标识与情绪类型存在一一对应的关系,即情绪标识用于在多个情绪类型中唯一标识该情绪类型。多个情绪类型的划分方式包括但不限于以下几种可能的划分方式:在一种可能的划分方式中,情绪类型包括情绪正向类型和情绪负向类型这两种类型。在另一种可能的划分方式中,情绪类型包括高兴、愤怒、悲哀和快乐这四种类型。在另一种可能的划分方式中,情绪类型包括微愠、愤恨、不平、烦躁、忧郁、寂寞、沮丧、绝望、恐惧、平静、快乐、狂喜、惊讶、厌恶中的至少一种类型。本实施例对情绪类型的划分数量和种类不加以限定,为了方便描述,下面仅以情绪类型包括高兴、愤怒、悲哀和快乐这四种类型为例进行说明。步骤203,根据第一对应关系,显示与目标情绪标识对应的目标推荐信息,第一对应关系包括推荐信息与情绪标识之间的对应关系。可选的,用户终端根据第一对应关系,显示与目标情绪标识对应的目标推荐信息,包括但不限于以下几种可能的实现方式:在一种可能的实现方式中,用户终端根据自身存储的第一对应关系,确定与目标情绪标识对应的目标推荐信息,并显示该目标推荐信息。可选的,用户终端中存储有n个推荐信息,以及推荐信息与情绪标识之间的第一对应关系,n为正整数。在另一种可能的实现方式中,用户终端在确定出目标情绪标识后,向服务器发送该目标情绪标识;对应的,服务器接收目标情绪标识。服务器根据存储的第一对应关系,确定与该目标情绪标识对应的目标推荐信息,向用户终端反馈该目标推荐信息。对应的,用户终端接收该目标推荐信息,并显示该目标推荐信息。可选的,服务器中存储有n个推荐信息,以及推荐信息与情绪标识之间的第一对应关系。下面仅以第二种可能的实现方式为例进行说明。可选的,服务器预先为每个推荐信息配置对应的情绪标识,推荐信息与情绪标识之间存在第一对应关系,包括以下三种可能的对应关系:第一种可能的对应关系为:每个推荐信息与情绪标识存在一一对应关系。示意性的,该对应关系如表一所示。推荐信息为“推荐信息S1”时,对应的情绪标识为“情绪标识1”,“情绪标识1”用于指示情绪类型为高兴;推荐信息为“推荐信息S2”时,对应的情绪标识为“情绪标识2”,“情绪标识2”用于指示情绪类型为愤怒;推荐信息为“推荐信息S3”时,对应的情绪标识为“情绪标识3”,“情绪标识3”用于指示情绪类型为悲哀;推荐信息为“推荐信息S4”时,对应的情绪标识为“情绪标识4”,“情绪标识4”用于指示情绪类型为快乐。表一推荐信息情绪标识推荐信息S1情绪标识1推荐信息S2情绪标识2推荐信息S3情绪标识3推荐信息S4情绪标识4第二种可能的对应关系为:每个推荐信息与多个情绪标识存在对应关系。示意性的,该对应关系如表二所示。推荐信息为“推荐信息S1”时,对应的情绪标识包括“情绪标识1”和“情绪标识4”,“情绪标识1”用于指示情绪类型为高兴,“情绪标识4”用于指示情绪类型为快乐;推荐信息为“推荐信息S2”时,对应的情绪标识包括“情绪标识2”和“情绪标识3”,“情绪标识2”用于指示情绪类型为愤怒,“情绪标识3”用于指示情绪类型为悲哀。表二第三种可能的对应关系为:每个情绪标识与多个推荐信息存在对应关系。示意性的,该对应关系如表三所示。情绪标识为“情绪标识1”时,对应的推荐信息包括“推荐信息S1”、“推荐信息S2”和“推荐信息S3”;情绪标识为“情绪标识2”时,对应的推荐信息包括“推荐信息S4”、“推荐信息S5”、“推荐信息S6”和“推荐信息S7”。表三可选的,当第一对应关系为第三种可能的对应关系时,服务器根据第一对应关系,确定与目标情绪标识对应的目标推荐信息,包括:根据第一对应关系,确定与目标情绪标识对应的多个推荐信息,在多个推荐信息中随机将至少一个推荐信息确定为目标推荐信息。目标推荐信息的数量可以是一个或者是至少两个,本实施例对此不加以限定。用户终端在接收到服务器反馈的与目标情绪标识对应的目标推荐信息之后,按照预设显示策略显示该目标推荐信息。预设显示策略可参考下面实施例中的相关描述,在此先不介绍。在一个示意性的例子中,如图3所示,当用户终端采集到的人脸图像为人脸图像31时,从人脸图像31中提取人脸特征数据1,并将人脸特征数据1输入至情绪预测模型中,得到目标对象的目标情绪标识为“情绪标识1”,该“情绪标识1”用于指示的情感类型为“高兴”,根据第一对应关系显示与“情绪标识1”对应的“推荐信息S1”;当用户终端采集到的人脸图像为人脸图像32时,从人脸图像32中提取人脸特征数据2,并将人脸特征数据2输入至情绪预测模型中,得到目标对象的目标情绪标识为“情绪标识2”,该“情绪标识2”用于指示的情感类型为“愤怒”,根据第一对应关系显示与“情绪标识2”对应的“推荐信息S2”;当用户终端采集到的人脸图像为人脸图像33时,从人脸图像33中提取人脸特征数据3,并将人脸特征数据3输入至情绪预测模型中,得到目标对象的目标情绪标识为“情绪标识3”,该“情绪标识3”用于指示的情感类型为“悲哀”,根据第一对应关系显示与“情绪标识3”对应的“推荐信息S3”;当用户终端采集到的人脸图像为人脸图像34时,从人脸图像34中提取人脸特征数据4,并将人脸特征数据4输入至情绪预测模型中,得到目标对象的目标情绪标识为“情绪标识4”,该“情绪标识4”用于指示的情感类型为“快乐”,根据第一对应关系显示与“情绪标识4”对应的“推荐信息S4”。综上所述,本申请实施例通过获取目标对象的生物特征数据,将生物特征数据输入至情绪预测模型中,得到目标对象的目标情绪标识,根据第一对应关系,显示与目标情绪标识对应的目标推荐信息;使得目标推荐信息是根据用户当前的情绪类型确定的,即终端中显示的目标推荐信息符合用户当前的情绪状态,满足了用户的个性化需求,进而提高了推荐信息的投放效果,节省了信息推荐平台上的计算资源和投放资源。在本申请实施例中,还通过将生物特征数据输入至情绪预测模型中,得到目标对象的目标情绪标识,使得目标情绪标识能够根据用户的生物特征数据确定,进而使得基于目标情绪标识所显示的推荐信息更加符合用户的个性化需求。需要说明的是,在用户终端获取情绪预测模型之前,用户终端需要对情绪预测模型进行训练。可选的,情绪预测模型的训练过程包括:获取训练样本集,训练样本集包括至少一组历史生物特征数据组;对至少一组历史生物特征数据组采用误差反向传播算法进行训练,得到情绪预测模型。每组历史生物特征数据组包括:历史生物特征数据和历史情绪标识。其中,历史情绪标识是用户实际上的情绪类型对应的情绪标识。用户终端对至少一组历史生物特征数据组采用误差反向传播算法进行训练,得到情绪预测模型,包括但不限于以下几个步骤,请参考图4:步骤401,对于至少一组历史生物特征数据中的每组历史生物特征数据,将历史生物特征数据输入原始参数模型,得到训练结果。可选的,原始参数模型是根据神经网络模型建立的,比如:原始参数模型是根据DNN模型或者RNN模型建立的。示意性的,对于每组历史生物特征数据组,用户终端创建该组历史生物特征数据组对应的输入输出对,输入输出对的输入参数为该组历史生物特征数据组中的历史生物特征数据,输出参数为该组历史生物特征数据组中的历史情绪标识;用户终端将输入参数输入预测模型,得到训练结果。比如,历史生物特征数据组包括历史生物特征数据A和历史情绪标识“情绪标识1”,用户终端创建的输入输出对为:(历史生物特征数据A)->(情绪标识1);其中,(历史生物特征数据A)为输入参数,(情绪标识1)为输出参数。可选的,输入输出对通过特征向量表示。步骤402,对于每组历史生物特征数据,将训练结果与历史情绪标识进行比较,得到计算损失,计算损失用于指示训练结果与历史情绪标识之间的误差。可选地,计算损失通过交叉熵(cross-entropy)来表示,可选地,用户终端通过下述公式计算得到计算损失H(p,q):其中,p(x)和q(x)是长度相等的离散分布向量,p(x)表示表示训练结果;q(x)表示输出参数;x为训练结果或输出参数中的一个向量。步骤403,根据至少一组历史生物特征数据组各自对应的计算损失,采用误差反向传播算法训练得到情绪预测模型。可选地,用户终端通过反向传播算法根据计算损失确定情绪预测模型的梯度方向,从情绪预测模型的输出层逐层向前更新情绪预测模型中的模型参数。示意性的,如图5所示,用户终端训练得到情绪预测模型的过程包括:用户终端获取训练样本集,该训练样本集包括至少一组历史生物特征数据组,每组历史生物特征数据组包括:历史生物特征数据和历史情绪标识。对于每组历史生物特征数据组,用户终端将历史生物特征数据输入至原始参数模型,输出得到训练结果,将训练结果与历史情绪标识进行比较,得到计算损失,根据至少一组历史生物特征数据组各自对应的计算损失,采用误差反向传播算法训练得到情绪预测模型。在训练得到的情绪预测模型之后,用户终端将训练得到的情绪预测模型进行存储。当用户终端接收到服务器发送的推荐信息时,用户终端获取生物特征数据,并获取训练得到的情绪预测模型,将生物特征数据输入至情绪预测模型,输出得到目标情绪标识,根据第一对应关系显示与目标情绪标识对应的目标推荐信息。基于上述训练得到情绪预测模型,请参考图6,其示出了本申请一个实施例提供的信息显示方法的流程图。本实施例以该信息显示方法应用于图1所示出的实施环境中的用户终端160中来举例说明。该信息显示方法包括:步骤601,获取待投放的原始推荐信息和与原始推荐信息对应的原始情绪标识。用户终端接收服务器发送的原始推荐信息,该原始推荐信息是服务器向该用户终端投放的推荐信息。用户终端获取与原始推荐信息对应的原始情绪标识,包括但不限于以下几种可能的获取方式:第一种可能的获取方式:第一对应关系存储在用户终端中,用户终端根据自身存储的第一对应关系,确定与原始推荐信息对应的原始情绪标识。第二种可能的获取方式:第一对应关系存储在服务器中,用户终端向服务器发送原始推荐信息的信息标识,对应的,服务器接收该信息标识,根据第一对应关系确定与该信息标识所指示的原始推荐信息对应的原始情绪标识,向用户终端反馈该原始情绪标识。对应的,用户终端接收该原始推荐信息对应的原始情绪标识。第三种可能的获取方式:第一对应关系存储在服务器中,用户终端接收到的原始推荐信息中携带有原始推荐信息,用户终端从原始推荐信息中提取该原始推荐信息。步骤602,采集目标对象的声音信号和人脸图像。当用户终端接收到服务器发送的原始推荐信息时,通过采集组件采集目标对象的声音信号和人脸图像。步骤603,从声音信号中提取声音特征数据,和/或,从人脸图像中提取人脸特征数据。用户终端根据采集到的声音信息,采用特征提取算法计算得到第一特征向量,将计算得到的第一特征向量确定为声音特征数据。用户终端根据采集到的人脸图像,采用特征提取算法计算得到第二特征向量,将计算得到的第二特征向量确定为人脸特征数据。步骤604,获取情绪预测模型。用户终端中存储有上述训练得到的情绪预测模型,用户终端获取存储的情绪预测模型。其中,情绪预测模型是根据至少一组历史生物特征数据组训练得到的,每组历史生物特征数据组包括:历史生物特征数据和历史情绪标识。步骤605,将声音特征数据和/或人脸特征数据输入至情绪预测模型中,得到目标对象的目标情绪标识。用户终端将声音特征数据和/或人脸特征数据输入至情绪预测模型中,得到目标对象的目标情绪标识。可选的,用户终端将生物特征数据和目标情绪标识添加至训练样本集,得到更新后的训练样本集,根据更新后的训练样本集对情绪预测模型进行训练,得到更新后的情绪预测模型。其中,根据更新后的训练样本集对情绪预测模型进行训练,得到更新后的情绪预测模型的过程可类比参考上述实施例中情绪预测模型的训练过程,在此不再赘述。步骤606,当原始情绪标识与目标情绪标识不匹配时,根据第一对应关系,获取与目标情绪标识对应的目标推荐信息。用户终端判断原始情绪标识与目标情绪标识是否匹配,若原始情绪标识与目标情绪标识匹配,则将接收到的原始推荐信息确定为目标推荐信息;若原始情绪标识与目标情绪标识不匹配,则根据第一对应关系,获取与目标情绪标识对应的目标推荐信息。由于根据粗粒度划分,情绪类型通常包括情绪正向类型和情绪负向类型,当目标情绪标识所指示的情绪类型为情绪负向类型时,即表示该用户在当前时刻的情绪较差,对推荐信息的兴趣倾向普遍较低,因此,在一种可能的实现方式中,用户终端确定目标情绪标识所指示的情绪类型,当情绪类型为情绪正向类型时,即表示该用户在当前时刻的情绪较好,对推荐信息的兴趣倾向普遍较高,根据第一对应关系,获取与目标情绪标识对应的目标推荐信息。步骤607,显示目标推荐信息。用户终端在获取到与目标情绪标识对应的目标推荐信息时,按照预设显示策略显示该目标推荐信息。用户终端按照预设显示策略显示该目标推荐信息,包括:确定目标情绪标识所指示的情绪类型,情绪类型包括情绪正向类型和情绪负向类型中的一种;用户终端根据第三对应关系,确定与情绪类型对应的显示方式,第三对应关系包括情绪类型与显示方式的对应关系;用户终端采用显示方式显示目标推荐信息。在一种可能的实现方式中,用户终端根据第三对应关系,确定与情绪类型对应的显示方式,包括:当情绪类型为情绪正向类型时,确定与情绪类型对应的显示方式为第一显示方式,第一显示方式包括显示弹出框和/或播放提示音;当情绪类型为情绪反向类型时,确定与情绪类型对应的显示方式为第二显示方式,第二显示方式包括不需要显示弹出框和不需要播放提示音。需要说明的是,本实施例对目标推荐信息的显示方式不加以限定。由于用户对推荐信息的显示频率的接纳程度也与该用户在当前时刻的情绪类型有关,因此,在一种可能的实现方式中,在用户终端显示目标推荐信息之前,还包括:用户终端根据第二对应关系,确定与目标情绪标识对应的显示频率阈值,第二对应关系包括情绪标识与显示频率阈值之间的对应关系;当显示频率小于或等于显示频率阈值时,执行显示目标推荐信息的步骤。其中,显示频率为在第一预定时间段内显示推荐信息的次数,显示频率阈值为在第一预定时间段内显示推荐信息的最大次数。可选的,显示频率阈值是终端默认设置的或者是用户自定义设置的;比如,第一预定时间段为1小时,显示频率阈值为5次/小时。本实施例对此不加以限定。示意性的,情绪标识与显示频率阈值之间的第二对应关系如表四所示。情绪标识为“情绪标识1”时,对应的显示频率阈值为“3次/小时”;情绪标识为“情绪标识2”时,对应的显示频率阈值为“1次/小时”;情绪标识为“情绪标识3”时,对应的显示频率阈值为“2次/小时”;情绪标识为“情绪标识4”时,对应的显示频率阈值为“5次/小时”。表四情绪标识显示频率阈值情绪标识13次/小时情绪标识21次/小时情绪标识32次/小时情绪标识45次/小时基于上述表四提供的第二对应关系,在一个示意性的例子中,用户终端获取与目标情绪标识“情绪标识1”对应的目标推荐信息“推荐信息S1”,用户终端确定与目标情绪标识“情绪标识1”对应的显示频率阈值为“3次/小时”,当显示频率为“2次/小时”时,即该显示频率“2次/小时”小于或等于该显示频率阈值时,显示目标推荐信息“推荐信息S1”。可选的,当原始情绪标识与目标情绪标识不匹配时,可以按照上述方法将原始推荐信息更换为目标推荐信息,并显示目标推荐信息,也可以不显示原始推荐信息,还可以延迟第二预定时间段后显示原始推荐信息。其中,第二预定时间段是终端默认设置的或者是用户自定义设置的;比如,第二预定时间段为60分钟。本实施例对此不加以限定。在一个示意性的例子中,如图7所示,推荐信息为广告信息,用户终端接收服务器发送的待投放的广告信息70,并从该广告信息70中提取情绪标识71。用户终端在接收到广告信息70时,通过内置的摄像机采集人脸图像72,从人脸图像72中提取人脸特征数据1的同时,通过内置的声纹识别传感器采集声音信号73,从声音信号73中提取声音特征数据1,将人脸特征数据1和声音特征数据1输入至情绪预测模型中,得到目标对象对应的情绪标识74,判断情绪标识71与情绪标识74是否匹配,若情绪标识71与情绪标识74匹配,则显示待投放的广告信息70;若情绪标识71与情绪标识74不匹配,则根据第一对应关系,显示与情绪标识74对应的广告信息75。在本申请实施例中,还通过将生物特征数据和目标情绪标识添加至训练样本集,得到更新后的训练样本集,根据更新后的训练样本集对情绪预测模型进行训练,得到更新后的情绪预测模型,使得用户终端可以根据新的训练样本不断提高情绪预测模型的精度,提高了用户终端确定目标情绪标识的准确性。还通过确定目标情绪标识所指示的情绪类型,情绪类型包括情绪正向类型和情绪负向类型中的一种,当情绪类型为情绪正向类型时,根据第一对应关系,获取与目标情绪标识对应的目标推荐信息,显示该目标推荐信息;使得在情绪类型为情绪正向类型,即表示该用户在当前时刻的情绪较好,对推荐信息的兴趣倾向普遍较高时显示目标推荐信息,提高了目标推荐信息的投放效果。下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。请参考图8,其示出了本申请一个实施例提供的信息显示装置的结构示意图。该信息显示装置可以通过专用硬件电路,或者,软硬件的结合实现成为图1中的用户终端的全部或一部分,该信息显示装置包括:获取模块810、输入模块820和显示模块830。获取模块810,用于获取目标对象的生物特征数据,所述生物特征数据用于指示所述目标对象的生理特征和/或行为特征;输入模块820,用于将所述生物特征数据输入至情绪预测模型中,得到所述目标对象的目标情绪标识,所述情绪预测模型用于表示基于历史生物特征数据训练得到的情绪规律,所述目标情绪标识用于指示预测的所述目标对象的情绪类型;显示模块830,用于根据第一对应关系,显示与所述目标情绪标识对应的目标推荐信息,所述第一对应关系包括推荐信息与情绪标识之间的对应关系。可选的,显示模块830,包括第一获取单元、第二获取单元和显示单元。第一获取单元,用于获取待投放的原始推荐信息和与原始推荐信息对应的原始情绪标识;第二获取单元,用于当原始情绪标识与目标情绪标识不匹配时,根据第一对应关系,获取与目标情绪标识对应的目标推荐信息;显示单元,用于显示目标推荐信息。可选的,第二获取单元,还用于确定目标情绪标识所指示的情绪类型,情绪类型包括情绪正向类型和情绪负向类型中的一种;当情绪类型为情绪正向类型时,根据第一对应关系,获取与目标情绪标识对应的目标推荐信息。可选的,显示单元,还用于根据第二对应关系,确定与目标情绪标识对应的显示频率阈值,第二对应关系包括情绪标识与显示频率阈值之间的对应关系;当显示频率小于或等于显示频率阈值时,显示目标推荐信息,显示频率为在第一预定时间段内显示推荐信息的次数。可选的,显示模块830,还用于当原始情绪标识与目标情绪标识不匹配时,不显示原始推荐信息;或者,延迟第二预定时间段后显示原始推荐信息。可选的,获取模块810,还用于采集目标对象的声音信号和人脸图像;从声音信号中提取声音特征数据,和/或,从人脸图像中提取人脸特征数据;输入模块820,还用于获取情绪预测模型;将声音特征数据和/或人脸特征数据输入至情绪预测模型中,得到目标对象的目标情绪标识;其中,情绪预测模型是根据至少一组历史生物特征数据组训练得到的,每组历史生物特征数据组包括:历史生物特征数据和历史情绪标识。可选的,获取模块810,包括第三获取单元和训练单元。第三获取单元,用于获取训练样本集,训练样本集包括至少一组历史生物特征数据组,每组历史生物特征数据组包括:历史生物特征数据和历史情绪标识;训练单元,用于对至少一组历史生物特征数据组采用误差反向传播算法进行训练,得到情绪预测模型。可选的,训练单元,还用于对于至少一组历史生物特征数据中的每组历史生物特征数据,将历史生物特征数据输入原始参数模型,得到训练结果;对于每组历史生物特征数据,将训练结果与历史情绪标识进行比较,得到计算损失,计算损失用于指示训练结果与历史情绪标识之间的误差;根据至少一组历史生物特征数据组各自对应的计算损失,采用误差反向传播算法训练得到情绪预测模型。可选的,该模块,还包括:添加模块和训练模块。添加模块,用于将生物特征数据和目标情绪标识添加至训练样本集,得到更新后的训练样本集;训练模块,用于根据更新后的训练样本集对情绪预测模型进行训练,得到更新后的情绪预测模型。相关细节可结合参考图2至图7所示的方法实施例。其中,获取模块810还用于实现上述方法实施例中其他任意隐含或公开的与获取步骤相关的功能;输入模块820还用于实现上述方法实施例中其他任意隐含或公开的与输入步骤相关的功能;显示模块830还用于实现上述方法实施例中其他任意隐含或公开的与显示步骤相关的功能。需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。本申请还提供一种计算机可读介质,其上存储有程序指令,程序指令被处理器执行时实现上述各个方法实施例提供的信息显示方法。本申请还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个实施例所述的信息显示方法。请参考图9,其示出了本申请一个示例性实施例提供的终端的结构方框图。该终端为图1中的用户终端160。该终端可以包括一个或多个如下部件:处理器910和存储器920。处理器910可以包括一个或者多个处理核心。处理器910利用各种接口和线路连接整个电梯调度设备内的各个部分,通过运行或执行存储在存储器920内的指令、程序、代码集或指令集,以及调用存储在存储器920内的数据,执行电梯调度设备的各种功能和处理数据。可选地,处理器910可以采用数字信号处理(DigitalSignalProcessing,DSP)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)、可编程逻辑阵列(ProgrammableLogicArray,PLA)中的至少一种硬件形式来实现。处理器910可集成中央处理器(CentralProcessingUnit,CPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统和应用程序等;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器910中,单独通过一块芯片进行实现。可选地,处理器910执行存储器920中的程序指令时实现下上述各个方法实施例提供的信息显示方法。存储器920可以包括随机存储器(RandomAccessMemory,RAM),也可以包括只读存储器(Read-OnlyMemory)。可选地,该存储器920包括非瞬时性计算机可读介质(non-transitorycomputer-readablestoragemedium)。存储器920可用于存储指令、程序、代码、代码集或指令集。存储器920可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令、用于实现上述各个方法实施例的指令等;存储数据区可存储根据电梯调度设备的使用所创建的数据等。本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。当前第1页1 2 3 
再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1