商品购买意图确定方法、装置与电子设备制造方法及图纸

本申请提供一种商品购买意图确定方法、装置与电子设备，涉及人工智技术领域，其中，该方法包括：在商品展示过程中，获取用户的语音信息和图像信息；根据语音信息确定用户对应于各个第一用户画像标签的概率；根据图像信息确定用户对应于各个第二用户画像标签的概率；根据各第一用户画像标签的概率和各第二用户画像标签的概率，确定用户的购买意图。本申请提供的技术方案可以确定用户的购买意图，从而可以使售货设备更好地为用户提供个性化的交互过程，提升用户的购物体验。提升用户的购物体验。提升用户的购物体验。

【技术实现步骤摘要】
商品购买意图确定方法、装置与电子设备


[0001]本申请涉及人工智能
，尤其涉及一种商品购买意图确定方法、装置与电子设备。

技术介绍

[0002]目前，人们可以通过线上和线下两种途径购物，其中，当用户在进行线上购物时，为了提高用户的购物体验，购物网站会通过用户的注册信息和商品浏览信息，收集用户画像，根据收集的用户画像为用户进行个性化推荐，使用户可以方便快捷地购买到心仪的商品。
[0003]为了方便用户购物，许多线下门店也铺设了售货设备，使用户可以通过多样化的方式进行线下购物。但是，对于线下零售行业，用户画像系统尚不完善，受限于此，目前的售货设备不能很好地确定用户的购买意图，因而无法提供个性化的交互过程，从而会影响用户的购物体验。

技术实现思路

[0004]有鉴于此，本申请实施例提供一种商品购买意图确定方法、装置与电子设备，用于确定用户的购买意图，以使售货设备可以更好地为用户提供个性化的交互过程，提升用户的购物体验。
[0005]为了实现上述目的，第一方面，本申请实施例提供一种商品购买意图确定方法，包括：
[0006]在商品展示过程中，获取用户的语音信息和图像信息；
[0007]根据所述语音信息确定所述用户对应于各个第一用户画像标签的概率；
[0008]根据所述图像信息确定所述用户对应于各个第二用户画像标签的概率；
[0009]根据各所述第一用户画像标签的概率和各所述第二用户画像标签的概率，确定所述用户的购买意图。
[0010]在第一方面的一种可能的实施方式中，所述根据所述语音信息确定所述用户对应于各个第一用户画像标签的概率，包括：
[0011]将所述语音信息对应的文本信息输入预先训练的BERT模型，得到所述用户对应于各个第一用户画像标签的概率。
[0012]在第一方面的一种可能的实施方式中，所述根据所述图像信息确定所述用户对应于各个第二用户画像标签的概率，包括：
[0013]将所述图像信息输入预先训练的Swin Transformer模型，得到所述用户对应于各个第二用户画像标签的概率。
[0014]在第一方面的一种可能的实施方式中，所述根据各所述第一用户画像标签的概率和各所述第二用户画像标签的概率，确定所述用户的购买意图，包括：
[0015]将各所述第一用户画像标签的概率和各所述第二用户画像标签的概率，输入预先
训练的分类预测模型，得到所述用户的购买意图。
[0016]在第一方面的一种可能的实施方式中，所述分类预测模型包括注意力机制模块和MLP网络，所述注意力机制模块用于对各所述第一用户画像标签的概率和各所述第二用户画像标签的概率进行数据融合，所述MLP网络用于根据数据融合结果预测用户的购买意图。
[0017]在第一方面的一种可能的实施方式中，第一用户画像标签包括商品喜好标签。
[0018]在第一方面的一种可能的实施方式中，第二用户画像标签包括下列中的至少一种：表情标签、情绪标签、年龄段标签、性别标签和穿戴喜好标签。
[0019]第二方面，本申请实施例提供一种商品购买意图确定装置，包括：
[0020]显示模块，用于展示商品；
[0021]获取模块，用于在商品展示过程中，获取用户的语音信息和图像信息；
[0022]处理模块，用于根据所述语音信息确定所述用户对应于各个第一用户画像标签的概率；并据所述图像信息确定所述用户对应于各个第二用户画像标签的概率；然后根据各所述第一用户画像标签的概率和各所述第二用户画像标签的概率，确定所述用户的购买意图。
[0023]在第二方面的一种可能的实施方式中，所述处理模块具体用于：
[0024]将所述语音信息对应的文本信息输入预先训练的BERT模型，得到所述用户对应于各个第一用户画像标签的概率。
[0025]在第二方面的一种可能的实施方式中，所述处理模块具体用于：
[0026]将所述图像信息输入预先训练的Swin Transformer模型，得到所述用户对应于各个第二用户画像标签的概率。
[0027]在第二方面的一种可能的实施方式中，所述处理模块具体用于：
[0028]将各所述第一用户画像标签的概率和各所述第二用户画像标签的概率，输入预先训练的分类预测模型，得到所述用户的购买意图。
[0029]在第二方面的一种可能的实施方式中，所述分类预测模型包括注意力机制模块和MLP网络，所述注意力机制模块用于对各所述第一用户画像标签的概率和各所述第二用户画像标签的概率进行数据融合，所述MLP网络用于根据数据融合结果预测用户的购买意图。
[0030]在第二方面的一种可能的实施方式中，第一用户画像标签包括商品喜好标签。
[0031]在第二方面的一种可能的实施方式中，第二用户画像标签包括下列中的至少一种：表情标签、情绪标签、年龄段标签、性别标签和穿戴喜好标签。
[0032]第三方面，本申请实施例提供一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面或第一方面的任一实施方式所述的方法。
[0033]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面或第一方面的任一实施方式所述的方法。
[0034]第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的方法。
[0035]本申请实施例提供的商品购买意图确定方案，先从用户的语音信息中提取用于对应于第一用户画像标签的概率，从用户的图像信息中提取用户对应于各个第二用户画像标签的概率，然后结合第一用户画像标签和第二用户画像标签的概率确定用户的购买意图，
可以得到比较准确的购买意图预测结果。
附图说明
[0036]图1为本申请实施例提供的商品购买意图确定方法的流程示意图；
[0037]图2为本申请实施例提供的BERT模型的训练过程示意图；
[0038]图3为本申请实施例提供的Swin Transformer模型的结构示意图；
[0039]图4为本申请实施例提供的注意力机制的网络结构示意图；
[0040]图5为本申请实施例提供的商品购买意图确定装置的结构示意图；
[0041]图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0042]下面结合本申请实施例中的附图对本申请实施例进行描述。本申请实施例的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0043]本申请实施例提供的商品购买意图确定方法可以应用于售货设备或导购设备等电子设备，本实施例中后续以售货设备为例进行示例性说明。
[0044]图1为本申请实施例提供的商本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品购买意图确定方法，其特征在于，包括：在商品展示过程中，获取用户的语音信息和图像信息；根据所述语音信息确定所述用户对应于各个第一用户画像标签的概率；根据所述图像信息确定所述用户对应于各个第二用户画像标签的概率；根据各所述第一用户画像标签的概率和各所述第二用户画像标签的概率，确定所述用户的购买意图。2.根据权利要求1所述的方法，其特征在于，所述根据所述语音信息确定所述用户对应于各个第一用户画像标签的概率，包括：将所述语音信息对应的文本信息输入预先训练的BERT模型，得到所述用户对应于各个第一用户画像标签的概率。3.根据权利要求1所述的方法，其特征在于，所述根据所述图像信息确定所述用户对应于各个第二用户画像标签的概率，包括：将所述图像信息输入预先训练的Swin Transformer模型，得到所述用户对应于各个第二用户画像标签的概率。4.根据权利要求1所述的方法，其特征在于，所述根据各所述第一用户画像标签的概率和各所述第二用户画像标签的概率，确定所述用户的购买意图，包括：将各所述第一用户画像标签的概率和各所述第二用户画像标签的概率，输入预先训练的分类预测模型，得到所述用户的购买意图。5.根据权利要求4所述的方法，其特征在于，所述分类预测模型包括注意力机制模块和MLP网络，所述注意力机...

【专利技术属性】
技术研发人员：彭盼，陈放，丁磊，柏晓乐，
申请(专利权)人：深圳市神州云海智能科技有限公司，
类型：发明
国别省市：