一种基于体感设备的广告推荐系统技术方案

本发明专利技术公开了一种基于体感设备的广告推荐系统，包括数据库模块、人脸信息提取模块、广告推荐模块、广告播放模块和管理模块。数据库模块包括用户数据库、人脸特征库和广告视频库；人脸信息提取模块包括体感设备人脸信息提取模块和虹软人脸信息提取模块，二者共同实现从用户观看广告的过程中获取用户有效信息和确定用户身份的功能；广告推荐模块的工作过程包含学习阶段和推荐阶段，在学习阶段，将观看广告的各用户利用深度学习得到的网络模型生成二进制编码，在推荐阶段，对不同用户的二进制编码进行相似性比较，生成推荐列表，得到下一个播放的广告名称；管理模块对其他各模块的接口进行调用管理。本发明专利技术有效利用了用户信息，提升了广告投放效果。

【技术实现步骤摘要】
一种基于体感设备的广告推荐系统
本专利技术属于信息推荐
，特别涉及了一种基于体感设备的广告推荐系统。
技术介绍
互联网和手机的出现和普及在给用户带来方便的同时，也给用户带来了大量的信息，然而在线信息数量、复杂性和动态性的不断增长，使得网络上的信息爆炸式的增长，用户如何从数以万计的海量信息中找到对自己有价值的信息成为了亟待解决的难题。众所周知，只有在使用的信息才是有价值的，为了解决这一难题，最好的办法就是消息提供方为用户过滤掉对用户的无效信息，使用户的可见信息少且有效，推荐系统就这样应运而生，它将用户的需求、兴趣和一些项目特征作为过滤信息的条件，只把用户感兴趣的一些产品信息推荐给用户。另一方面，深度学习能够解决许多复杂任务，有效地捕捉非线性的用户和用户项目之间的关系，有时能达到甚至超过预期的效果，并且学术界和工业界更专注于通过基于深度学习的推荐系统能改善传统推荐模型的推荐效果。广告推荐系统的信息来源往往影响着推荐效果，而传统的信息来源往往很有限，一般只能推过商品的销售记录、问卷调查来判断用户对广告的喜好程度，加之广告一般很难针对每个用户来推荐用户喜好的广告，如露天广告等。这样在无本文档来自技高网...

【技术保护点】
1.一种基于体感设备的广告推荐系统，其特征在于：该广告推荐系统包括数据库模块、人脸信息提取模块、广告推荐模块、广告播放模块和管理模块；所述数据库模块包括用户数据库、人脸特征库和广告视频库，其中用户数据库用于存储用户标识、用户属性以及评分信息；所述人脸信息提取模块包括体感设备人脸信息提取模块和虹软人脸信息提取模块，二者共同实现从用户观看广告的过程中获取用户有效信息以及确定用户身份的功能；所述广告推荐模块的工作过程包含学习阶段和推荐阶段，在学习阶段，将观看广告的各用户利用深度学习得到的网络模型生成二进制编码，在推荐阶段，对不同用户的二进制编码进行相似性比较，生成推荐列表，得到下一个播放的广告名称；...

【技术特征摘要】
1.一种基于体感设备的广告推荐系统，其特征在于：该广告推荐系统包括数据库模块、人脸信息提取模块、广告推荐模块、广告播放模块和管理模块；所述数据库模块包括用户数据库、人脸特征库和广告视频库，其中用户数据库用于存储用户标识、用户属性以及评分信息；所述人脸信息提取模块包括体感设备人脸信息提取模块和虹软人脸信息提取模块，二者共同实现从用户观看广告的过程中获取用户有效信息以及确定用户身份的功能；所述广告推荐模块的工作过程包含学习阶段和推荐阶段，在学习阶段，将观看广告的各用户利用深度学习得到的网络模型生成二进制编码，在推荐阶段，对不同用户的二进制编码进行相似性比较，生成推荐列表，得到下一个播放的广告名称；所述广告播放模块用于播放广告视频；所述管理模块用于控制其他各模块的功能实现，对其他各模块的接口进行调用管理。2.根据权利要求1所述基于体感设备的广告推荐系统，其特征在于：所述体感设备人脸信息提取模块的工作过程如下：(101)通过体感设备进行用户图像的逐帧采集；(102)在图像中追踪到骨骼，并通过骨骼获取人脸；(103)保存更新获取到的人脸信息，实现人脸追踪；保存的人脸信息包括提取到的人脸属性以及人脸在图像中的位置信息；(104)基于获取的人脸信息对用户表情进行分析统计，当人脸检测一段时间后，得到总检测次数、高兴表情次数以及佩戴眼镜次数；为了提供虹软人脸信息提取的输入，从体感设备返回的人脸位置在彩色图像上的映射截取M张人脸清晰的图片保存；(105)根据高兴表情次数与总检测次数的比值，设置用户的评分，比值越大评分越高；计算佩戴眼镜次数与总检测次数的比值，若比值明显大于0.5，则判断用户佩戴了眼镜。3.根据权利要求2所述基于体感设备的广告推荐系统，其特征在于：所述虹软人脸信息提取模块的工作过程如下：(201)对于步骤(104)中保存的M张图片，进行人脸检测，查询图片中是否存在人脸，若存在，则提取人脸特征；(202)将提取的人脸特征与人脸特征库中的人脸特征进行相似性匹配，若匹配不成功，则表明该人脸属于新用户，保存新用户的人脸特征到人脸特征库中；若匹配成功，则不再进行年龄、性别信息的提取，直接查询用户数据库；(203)从图片中提取用户的年龄、性别信息同步到用户数据库。4.根据权利要求3所述基于体感设备的广告推荐系统，其特征在于：在步骤(202)中，人脸特征的相似性值在[0,1]范围内，当相似性值大于0.7时，则匹配成功，两个人脸特征属于同一用户，且当相似性值在[0.7,0.9]范围内时，更新此用户的人脸特征，防止因时间变化而误判为新用户。5.根据权利要求1所述基于体感设备的广告推荐系统，其特征在于：广告推荐模块的学习阶段的过程如下：(301)对用户评分和各属性值进行归一化处理：对于用户评分G，采用下式得到归一化处理后的值G*：其中，Gmax和Gmin分别为用户评分G的上界和下界；用户属性包括年龄、性别和是否佩戴眼镜；对于年龄，直接将用户年龄除以100；对于性别，设置男性为1，女性为0；对于是否佩戴眼镜，设置佩戴眼镜为1，不佩戴眼镜为0；(302)基于栈式降噪自编码构建网络模型；(303)根据网络模型各隐含层输出的隐含特征编码组合成一个隐含特征编码，并将该隐含特征编码转换为二进制编码。6.根据权利要求5所述基于体感设备的广告推荐系统，其特征在于：步骤(302)的具体过程如下：首先构建网络模型的第一层隐含层：设用户i的输入变量为Xi，其所有项目数为N，项目包括属性和评分，即Xi∈RN，按比例c向中加入噪声，得到用户i的各属性：(Ui)n＝ε·(Xi)n其中，(Xi)n是用户i的输入变量Xi的第i个属性，(Ui)n表示用户i的输入变量Xi加入噪声后的第n个属性；当random(0-1)>c，ε＝1，否则ε＝0；设第一层隐含层的神经元数量为C，根据隐含层神经元数量C设置输入层与第一层隐含层之间的权值矩阵W1∈RC×N、偏置向量b1∈RC，从而计算隐含...

【专利技术属性】
技术研发人员：刘凡，张嘉韬，毛莺池，许峰，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32