[發明專利]需求推薦方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011473868.5
• 申請日: 2020-12-15
• 公開（公告）號: CN112489808A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 鄧浩
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/30;G06F21/32;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G10L17/00;G10L17/02;G10L17/04;G10L25/63
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種需求推薦方法，其特征在于，所述方法包括：

獲取用戶在客戶端中輸入的身份信息，對所述身份信息進行驗證；

在所述身份信息驗證成功時，創建所述用戶的用戶畫像；

采集所述用戶的人臉圖像和語音數據，對所述人臉圖像進行面部特征提取，生成特征圖像，及對所述語音數據進行聲紋提取，生成特征聲紋；

利用訓練完成的面部情緒識別模型對所述特征圖像進行面部情緒識別，得到面部情緒類別；

利用訓練完成的語音情緒識別模型對所述特征聲紋進行語音情緒識別，得到語音情緒類別；

利用預先創建的情緒融合模型將所述面部情緒類別和所述語音情緒類別進行情緒融合，得到目標情緒類別；

從所述用戶畫像中查詢所述目標情緒類別對應的健康數據，并將所述健康數據返回至所述用戶。

2.如權利要求1所述的需求推薦方法，其特征在于，所述創建所述用戶的用戶畫像，包括：

獲取所述用戶的基本數據，利用決策樹算法構建所述基本數據的決策樹；

計算所述決策樹中基本數據的負梯度；

根據所述負梯度，更新所述決策樹，直至所述決策樹趨于平穩時得到所述用戶的用戶畫像。

3.如權利要求2所述的需求推薦方法，其特征在于，所述計算所述決策樹中基本數據的負梯度，包括：

利用下述方法計算所述決策樹中基本數據的負梯度：

其中，r_im表示負梯度，表示學習率，L(y_i,f(x_i)表示損失函數，y_i表示第i個基本數據的樣本數據預測值，f(x_i)表示第i個基本數據的樣本數據的真實值，f(x)表示決策樹中的區域函數，f_m-1(x)表示決策樹中的區域擬合函數。

4.如權利要求1所述的需求推薦方法，其特征在于，所述對所述語音數據進行聲紋特征提取，得到特征聲紋，包括：

將所述語音數據轉換為語音頻率，計算所述語音頻率的維度參數，根據所述維度參數生成所述語音數據的特征聲紋。

5.如權利要求4中所述的需求推薦方法，其特征在于，所述計算所述語音頻率的維度參數，包括：

利用下述方法計算所述語音頻率的維度參數：

其中，d(n)表示語音頻率的維度參數，i表示語音頻率的幀率，n表示語音頻率的振幅，B(f)表示語音頻率，k表示當前標準語音幀與前后標準語音幀的線性組合。

6.如權利要求1所述的需求推薦方法，其特征在于，所述利用訓練完成的面部情緒識別模型對所述特征圖像進行面部情緒識別，得到面部情緒類別，包括：

利用所述面部情緒識別模型中的輸入門計算所述人臉圖像的狀態值；

利用所述面部情緒識別模型中的遺忘門計算所述人臉圖像的激活值；

根據所述狀態值和激活值計算所述人臉圖像的狀態更新值；

利用所述面部情緒識別模型中的輸出門計算所述狀態更新值的面部情緒序列；

利用所述人臉特征識別模型中的損失函數計算所述面部情緒序列與對應人臉圖像標簽的損失值，選取所述損失值小于預設閾值的面部情緒序列，得到面部情緒類別。

7.如權利要求1至6中任意一項所述的需求推薦方法，其特征在于，所述預先創建的情緒融合模型，包括：

其中，f(x，a)表示目標情緒類別，k表示融合的情緒類別數量，x表示面部情緒類別和語音情緒類別的特征矢量，表示面部情緒類別的矢量，表示語音情緒類別的矢量，ɑ表示權重參數。