信息推荐方法及装置与流程

本发明实施例涉及数据处理技术领域，尤其涉及一种信息推荐方法及装置。

背景技术：

随着网络技术的不断发展与普及，通过网络获取信息和内容的用户群体日益增大，网络已经成为用户生活中不可或缺的一部分。例如，用户通过网络获取关注的新闻，观看感兴趣的视频，购买需求的商品等，网络为用户的生活带了极大的方便。为了方便用户获取信息以及内容，很多领域都会为用户推荐相关信息，或者推荐指定内容的信息。

在实现本发明的过程中，发明人发现现有技术中存在以下的问题：目前向用户推荐信息采用统一的方式，即向所有用户推荐相同的信息，这种信息推荐不够精准，一方面造成了信息的浪费，另一方面也无法满足用户的个性化需求。

技术实现要素：

本发明实施例提供了一种信息推荐方法及装置，以向用户推荐符合用户个性化需求的信息，同时避免造成信息的浪费。

根据本发明实施例的一方面，提供了一种信息推荐方法，包括：根据对用户图像集中的图像的识别处理，获取用户的特征信息；根据用户的特征信息，向用户进行信息推荐。

根据本发明实施例的另一方面，提供了一种信息推荐装置，包括：图像处理模块，用于根据对用户图像集中的图像的识别处理，获取用户的特征信息；信息推荐模块，用于根据用户的特征信息，向用户进行信息推荐。

本发明实施例提供的信息推荐方法及装置，通过获取用户图像集中的图像，并对图像进行识别处理，来分析和获取用户的特征信息，以根据用户的特征信息向用户推荐相应的信息。用户的特征信息可以表征用户的个性化特征，向用户推荐的信息根据用户的特征信息确定，相当于针对每个用户进行个性化的信息推荐，有效地保证了向用户推荐信息的准确性，使用户获得所需求的信息，以及避免造成信息的浪费。

附图说明

图1是示出根据本发明实施例一的信息推荐方法的流程图；

图2是示出根据本发明实施例二的信息推荐方法的流程图；

图3是示出根据本发明实施例三的信息推荐装置的逻辑框图；

图4是示出根据本发明实施例四的信息推荐装置的逻辑框图；

图5是示出根据本发明实施例五的信息推荐设备的结构示意图。

具体实施方式

下面结合附图(若干附图中相同的标号表示相同的元素)和实施例，对本发明实施例的具体实施方式作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例一

图1是示出根据本发明实施例一的信息推荐方法的流程图。本实施例中，以用户的终端设备中的客户端执行本发明实施例的信息推荐方法为例进行说明，但本领域技术人员应当明了，在实际使用中，任意具有相应的数据采集和处理功能的设备均可以参考本实施例执行本发明的信息推荐方法。

参照图1，本实施例的信息推荐方法包括如下步骤：

在步骤S110，根据对用户图像集中的图像的识别处理，获取用户的特征信息。

在本实施例中，用户图像集可以为任意适当的包含有多张图像的集合，例如，用户的智能手机中的相册。当然，在其他实施例中，用户图像集也可以为其他形式的包含用户图像的图像集，例如，存储在云端服务器的用户云相册。

在执行该步骤获取用户的特征信息时，从用户的终端设备中的相册获取用户的所用图像，利用图像处理技术进行分析处理，识别出用户的特征信息。一种可行方案中，可以通过人脸识别、图像分割、图像识别、特征提取等步骤，对获取的用户图像进行分析处理，来获取用户的个性化的特征信息，该特征信息可以表征用户的个性特征，如年龄，偏好等等。

在步骤S120，根据用户的特征信息，向用户进行信息推荐。

一种可行的实现方式中，根据具有不同特征信息的用户获取不同信息或资源内容的方式，分析用户对信息或资源内容的需求，预先设置信息推荐方式，将多种类型的特征信息与多种类型的信息或资源内容的信息进行匹配。在获取用户的特征信息后，可以根据预设的信息推荐方式，对用户进行信息推荐，将与用户的特征信息匹配的信息或资源内容的信息推荐给用户。具体地，可以将匹配到的信息或资源内容的信息，通过短信、浮窗等形式推送给用户。

其中，用户的特征信息是针对用户个人的，根据用户的特征信息向用户推荐信息具有较强的针对性，相当于针对不同的用户推荐不同的信息，有效地提高了向用户推荐信息的准确性，可以使用户获得所需求的信息。相对于现有技术中，针对大众用户推荐相同的信息或资源内容，本实施例的信息推荐方法向用户推荐的信息，更加符合用户的需求，满足用户的个性化需求；而且，用户不需要再通过主动搜索或其他方式去获取信息，保证了用户获取所需求信息的效率；同时，避免用户接收到不相关的推荐信息，而造成信息和网络资源的浪费。

本发明的实施例提供的信息推荐方法，通过获取用户图像集中的图像并进行识别处理，来分析和获取用户的特征信息，从而根据用户的特征信息针对用户进行个性化的信息推荐，保证对用户推荐的信息的准确性，使用户获得所需求的信息，避免给用户推荐不相关的信息，有助于避免造成信息的浪费。

实施例二

图2是示出根据本发明实施例二的信息推荐方法的流程图，该信息推荐方法可视为基于上述实施例一的方法的一种可选执行方式。

本实施例中，仍以用户的终端设备中的客户端执行本发明实施例的信息推荐方法为例进行说明。在其他实施例中，也可以由任意具有相应的数据采集和处理功能的设备，来执行本发明实施例的信息推荐方法。例如，与用户的终端设备同步的云端服务器，或者该云端服务器中具有相应功能的模块。

参照图2，本实施例的信息推荐方法包括如下步骤：

在步骤S210，确定用户图像集中的人脸图像。

一种可行的实现方式中，获取用户的客户端相册中的图像，利用人脸识别技术，对获取的所有相册图像进行检测，将检测到包括人脸的图像提取出来，从而获得客户端相册中所有的人脸图像。

在步骤S220，根据从人脸图像中提取的人脸特征将人脸图像分类。

在本实施例中，预先利用神经网络训练人脸分类器，以对获取的多个人脸图像进行识别处理，从中识别出包含用户的图像(包含用户的人脸的图像)。其中，神经网络是人工神经网络(Artificial Neural Networks，简写为ANNs)的简称，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。分类器通过分类函数或分类模型把数据记录映射到给定类别中的某一个，从而实现数据分类和数据预测。

这里所说的人脸分类器的训练过程可以为：将待训练的人脸图像做一些必要的预处理工作(常见的处理方法包括归一化、去噪、几何校正以及滤波处理)；对预处理过的人脸图像进行特征提取以及深度学习，并建立模型作为人脸分类器。该人脸分类器即可用于执行该步骤，对获取的人脸图像进行识别处理。

在执行该步骤时，在获取用户图像集中的人脸图像之后，利用预先训练好的人脸分类器，对每个人脸图像进行识别处理，并提取每个人脸图像包含的人脸所具有的人脸特征。由于每张人脸具有的人脸特征不同，每一类人脸特征对应一张人脸，所以可以通过将提取到的人脸特征进行分类，利用每一类人脸特征对应的人脸图像的特点，将获取的人脸图像进行分类。例如，利用上述预先训练好的人脸分类器将提取的人脸特征在特征空间中进行聚类，来实现人脸特征的分类。

在这里说明，在一个人脸图像中可能包含多张人脸时，从该人脸图像提取的人脸特征包括多张人脸分别对应的多部分人脸特征，进行人脸特征分类时，可以将提取到的多部分人脸特征分别进行分类。

在步骤S230，将分类结果中包含图像数量最多的一个分类中的图像确定为包含用户的图像。

用户的图像集中一般都包含用户自身的图像，也可能包含用户家人或朋友的图像，通常，用户的图像集中包含用户自身的图像最多。因此，可以将用户图像集中的人脸图像分类结果中，包含图像数量最多的一个分类的图像确定为包含用户的图像。

此外，如果用户的图像集中包含用户自身的图像不是最多数量，而是朋友、家人或其他人如明星的图像数量最多时，在这种情况下，为了避免确定的包含用户的图像出现错误，本实施例中，在执行该步骤时，将人脸图像分类结果显示给用户，请用户指定包含自身的一类图像，并根据用户对分类结果中一类图像的指定，将用户指定的一类图像确定为包含用户的图像。

在步骤S240，从包含用户的图像中提取用户的特征信息。

具体地，将获取的包含用户的图像输入到预先训练好的多个特征信息分类器，以获取用户的多种特征信息。需要说明的是，本发明实施例中，用户的特征信息包括但不限于以下至少之一：用户的年龄、性别、表情、服装等。在执行该步骤时，将包含用户的图像输入到预先训练好的年龄预测器(年龄分类器)、性别分类器和表情分类器等，即可得到用户的年龄、性别和表情等。其中，年龄预测器、性别分类器和表情分类器均为利用深度神经网络预先训练的分类器。这里以年龄预测器为例，介绍神经网络训练分类器的方法，其余的不做赘述。在训练年龄预测器时，获取不同年龄的多个人脸图像，并对这多个人脸图像进行年龄标注后，进行特征提取以及深度学习，建立一个线性回归模型作为人脸预测器。

此外，对包含用户的图像进行识别，可以识别出用户所穿服装的信息，包括用户服装的颜色以及款式等信息。

在步骤S250，根据用户的特征信息确定用户的偏好类型。

在获取到用户的特征信息之后，对用户的特征信息进行分析，来获取用户的性格、爱好、衣着习惯等个性化信息，以相应地确定用户的偏好类型，用于确定用户所需要的信息或者资源内容。

例如，根据用户的特征信息中的年龄和/或性别，确定用户的偏好类型。若用户为年轻的女性，可以分析出用户需要化妆品，并相应地将用户的偏好类型确定为化妆品；若用户为中老年人，可以分析出用户需要营养品或保健品，并相应地将用户的偏好类型确定为营养品或保健品。

再例如，据用户的特征信息中的表情，确定用户的偏好类型。若结合多个图像对应的用户的表情，判断出用户的表情多变或者变化较小，可以分析为用户的性格较为活泼或者内敛，并相应地确定用户的偏好类型。

在步骤S260，根据偏好类型向用户进行信息推荐。

在确定用户的偏好类型之后，即可将相应的信息或者资源内容的信息推荐给用户，使用户获得所需要的信息。

例如，若用户经常穿西服，则确定用户的偏好类型为西装或衬衫，进而可以向用户推荐西服或衬衫的购买信息。若用户经常穿运动服，则可以向用户推荐运动服的购买信息。

此外，还可以根据用户的服装信息，向用户推荐其他方面的信息。例如，可以经常穿运动服的用户，推荐体育用品或者体育直播节目的信息。

本发明的实施例提供的信息推荐方法，通过对用户图像集中的图像进行人脸识别、图像分类、特征提取等处理，来精确地获取用户的特征信息，并分析出用户的偏好类型，以根据用户的偏好类型对用户进行个性化的信息推荐，从而进一步提高了对用户推荐信息的准确性，使用户获得满足个性化需求的信息，以及，有效避免了给用户推荐不相关的造成信息的浪费。

实施例三

图3是示出根据本发明实施例三的信息推荐装置的逻辑框图，该信息推荐装置可用于执行上述实施例一的信息推荐方法。

参照图3，本实施例的信息推荐装置包括图像处理模块310和信息推荐模块320。

图像处理模块310用于根据对用户图像集中的图像的识别处理，获取用户的特征信息；信息推荐模块320用于根据用户的特征信息，向用户进行信息推荐。

本发明的实施例提供的信息推荐装置，通过获取用户图像集中的图像并进行识别处理，来分析和获取用户的特征信息，并根据用户的特征信息对用户进行个性化的信息推荐，有效地保证了对用户推荐的信息的准确性，使用户获得满足个性化需求的信息，避免造成信息的浪费。

实施例四

图4是示出根据本发明实施例四的信息推荐装置的逻辑框图，该信息推荐装置可视为基于上述实施例三的信息推荐装置的一种可选实现方式，可用于执行上述实施例二的信息推荐方法。

参照图4，在图3所示装置的基础上，图像处理模块310包括人脸图像确定单元311、用户图像获取单元312和特征信息提取单元313，人脸图像确定单元311用于确定用户图像集中的人脸图像；用户图像获取单元312用于根据从人脸图像中提取的人脸特征获取包含用户的图像；特征信息提取单元313用于从包含用户的图像中提取用户的特征信息。

可选地，用户图像获取单元312包括人脸图像分类子单元和用户图像获取子单元(图中未示出)，人脸图像分类子单元用于根据从所述人脸图像中提取的人脸特征将所述人脸图像分类；用户图像获取子单元用于将分类结果中包含图像数量最多的一个分类中的图像确定为包含所述用户的图像；或者，用于根据所述用户对分类结果中的一类图像的指定，确定包含所述用户的图像。

可选地，所述信息推荐模块320包括偏好类型确定单元321和信息推荐单元322，偏好类型确定单元321用于根据所述用户的特征信息确定所述用户的偏好类型；信息推荐单元322用于根据所述偏好类型向所述用户进行信息推荐。

可选地，上述用户的特征信息包括以下至少之一：用户的年龄、性别、表情、服装。

本发明的实施例提供的信息推荐装置，在上述实施例三的基础上，进一步示出了对用户图像集中的图像进行的人脸识别、图像分类、特征提取等处理方式，以及分析出用户的偏好类型来向用户推荐信息的具体方式，从而有效地保证了获取用户的特征信息的准确性，并进一步提高了对用户推荐的个性化信息的准确性，使用户获得所需求的信息；同时，，避免给用户推荐不相关的信息，有助于避免造成信息的浪费。

实施例五

图5是示出根据本发明实施例五的信息推荐设备的结构示意图，本发明具体实施例并不对该信息推荐设备的具体实现做限定。

参照图5，该信息推荐设备500可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530、以及通信总线540。

其中，处理器510、通信接口520、以及存储器530通过通信总线540完成相互间的通信。

通信接口520用于与比如客户端等的网元通信。

处理器510用于执行程序532，具体可以执行上述方法实施例中的相关步骤。

具体地，程序532可以包括程序代码，该程序代码包括计算机操作指令。

处理器510可能是一个中央处理器CPU，或者是特定集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。

存储器530用于存放程序532。存储器530可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序532具体可以用于使得处理器510执行以下操作：根据对用户图像集中的图像的识别处理，获取所述用户的特征信息；根据所述用户的特征信息，向所述用户进行信息推荐。

在一种可选的实施方式中，程序532还用于使得处理器510确定用户图像集中的人脸图像；根据从所述人脸图像中提取的人脸特征获取包含所述用户的图像；从包含所述用户的图像中提取所述用户的特征信息。

在一种可选的实施方式中，程序532还用于使得处理器510根据从所述人脸图像中提取的人脸特征将所述人脸图像分类；将分类结果中包含图像数量最多的一个分类中的图像确定为包含所述用户的图像；或者，根据所述用户对分类结果中的一类图像的指定，确定包含所述用户的图像。

在一种可选的实施方式中，程序532还用于使得处理器510根据所述用户的特征信息确定所述用户的偏好类型；根据所述偏好类型向所述用户进行信息推荐。

在一种可选的实施方式中，所述用户的特征信息包括以下至少之一：用户的年龄、性别、表情、服装。

程序532中各步骤的具体实现可以参见上述实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。

本发明的实施例提供的信息推荐设备，通过对用户图像集中的图像进行识别处理，来分析和获取用户的特征信息，并根据用户的特征信息针对用户个性化的信息推荐，使用户获得所需求的信息，避免造成信息的浪费；而且，通过对用户图像集中的图像进行的人脸识别、图像分类、特征提取等处理方式，进一步保证了获取的用户的特征信息的准确性，以及提高了对用户推荐信息的准确性。

需要指出，根据实施的需要，可将本发明实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本发明实施例的目的。

上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的信息推荐方法。此外，当通用计算机访问用于实现在此示出的信息推荐的代码时，代码的执行将通用计算机转换为用于执行在此示出的信息推荐的专用计算机。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明实施例的范围。

以上实施方式仅用于说明本发明实施例，而并非对本发明实施例的限制，有关技术领域的普通技术人员，在不脱离本发明实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明实施例的范畴，本发明实施例的专利保护范围应由权利要求限定。