【技术实现步骤摘要】
用于在车辆内向用户提供推荐服务的方法和系统
[0001]本专利技术涉及一种用于在车辆内向用户提供推荐服务的方法、一种计算机可读存储介质以及一种用于在车辆内向用户提供推荐服务的系统。
技术介绍
[0002]现今,越来越多的互联网服务不时地向用户推送内容和/或服务。这使得用户随时随不顾其所在环境和情绪地可能受到过量信息的干扰,甚至于触怒用户,激发其采取不当的过激行为。这样的情况一旦发生在用户驾驶车辆中将可能导致交通安全上的严重影响。因此,如何在车辆中提供智能化的推荐服务成为亟待解决的技术问题。
[0003]然而,由于用户处于车辆内的时间以及车辆内可检测的反映行为习惯的数据较为有限,因而通过传统的车辆内部的推荐方法和系统很难精准地提供令用户满意的服务。
技术实现思路
[0004]本专利技术的任务在于,提供一种用于在车辆内向用户提供推荐服务的方法、计算机可读存储介质以及系统,使得在车辆驾驶过程中提供符合其个性化需求和实时状态的推荐服务。
[0005]本专利技术的第一方面涉及一种用于在车辆内向用户提供推 ...
【技术保护点】
【技术特征摘要】
1.用于在车辆内向用户提供推荐服务的方法,所述方法包括:-实时检测在车辆中的用户的当前情绪状态;-根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务,其中,所述用户肖像通过分析用户在使用第三方服务时的历史数据而生成;-在车辆上输出所述推荐服务。2.按照权利要求1所述的方法,其特征在于,通过基于神经网络的推荐模型来确定所述推荐服务,其中,所述推荐模型通过从所述历史数据中所获取的商品/服务信息、地理信息和情绪信息来训练。3.按照权利要求2所述的方法,其特征在于,所述地理信息为通过用户地理信息和商品/服务地理信息所确定的相对地理信息;和/或所述情绪信息为通过用户交互记录来确定。4.按照权利要求2或3所述的方法,其特征在于,借助于层迁移技术通过源于车辆的数据集和/或用户肖像来修正所述推荐模型。5.按照权利要求4所述的方法,其特征在于,在所述层迁移中保留原神经网络中部分层的参数,通过所述源于车辆的数据集重新进行训练,其中,所述源于车辆的数据集至少包括用户在车辆上的行为数据和反馈数据;和/或利用所述用户肖像建立损失函数,从而反向配置原神经网络中的参数。6.按照权利要求1至5之一所述的方法,其特征在于,基于情绪判别模型根据当前的车辆状态数据、用户状态数据和用户交互数据来实时检测在车辆中的用户的当前情绪状态。7.按照权利要求6所述的方法,其特征在于,所述情绪判别模型通过已有的车辆状态数据、用户状态数据、用户交互数据以及对其人工标识的情绪分类来训练。8.按照权利要求7所述的方法,其特征在于,所述车辆状态数据包括:雷达测距数据、速度数据、加速度数据、陀螺仪数据、挡位数据、地理信息数据、引擎转速数据、油门深度和/或速度数据、刹车深度和/或速度数据、方向盘角速度数据、空调数据以及车窗状态数据;和/或所述用户状态数据包括:车内摄像机数据、电磁波反射数据、方向盘和/或仪表盘压感数据、脉搏数据、呼吸数据、体温数据以及血压数据;和/或所述用户交互数据包括:用户触摸输入数据、语音数据以及手势数据。9.按照权利要求1至8之一所述的方法,其特征在于,所述推荐服务包括:娱乐建议、舒缓建议和/或安全建议,其中,所述娱乐建议包括:路线规划、提供基于位置的服务、日程规划和/或推荐内容显示;所述舒缓建议包括:路线规划、提供基于位置的服务、音频播...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。