产品定制方法、电子设备及存储介质与流程
本发明实施例涉及计算机技术应用领域，特别涉及一种产品定制方法、电子设备及存储介质。
背景技术：
产品是指能够供给市场，被人们使用和消费，并能满足人们某种需求的东西，包括有形的物品、无形的服务、组织、观念或它们的组合。目前，如果用户需要某种产品，用户只能够在店家提供的有限种类下的产品中进行选择。例如：如果用户在咖啡店需要点一杯咖啡，用户只能在有限种类的预配售咖啡饮品中做出选择，然后由商家按照统一的调配方式进行制作，此种方式所制作的咖啡饮品在口感上虽然满足大众的需求，口感也比较稳定，但是此种咖啡饮品忽略了用户的个性化需求，对于用户来说缺乏新奇感、专属感和探索感。
发明人发现现有技术中至少存在如下问题：用户从商家提供的有限种类的产品中进行选择的产品无法满足用户个性化的实际需求，对于用户来说无法从所购买的产品中体验新奇感、专属感和探索感。
技术实现要素：
本发明实施方式的目的在于提供一种产品定制方法、电子设备及存储介质，使得可以为每个用户提供个性化的产品，满足用户个性化的实际需求，提升用户的新奇感、专属感和探索感。
为解决上述技术问题，本发明的实施方式提供了一种产品定制方法，包括：获取参考对象的特征向量；将所述参考对象的特征向量转换成产品的特征值；基于所述产品的特征值确定所述产品的属性信息。
本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的产品定制方法。
本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的产品定制方法。
本发明实施方式相对于现有技术而言，通过获取参考对象的特征向量，并将参考对象的特征向量转换成产品的特征值，基于产品的特征值确定所述产品的属性信息。针对每个用户来说，由于用户所提供的参考对象的不同，所提取参考对象的特征向量也不相同，从而根据参考对象的特征向量得到的产品的特征值也不相同，从而所确定的产品的属性信息也不相同，实现为每个用户提供个性化的产品，满足用户个性化的实际需求，提升用户的新奇感、专属感和探索感。
另外，所述参考对象至少包括用户人脸；所述产品为食品或音乐。针对每个用户，获取用户人脸的特征向量，实现至少根据用户的长相来给用户提供用户专属的食品或者音乐。
另外，所述参考对象还包括辅助参考对象；所述产品为食品时，所述辅助参考对象为音乐；所述产品为音乐时，所述辅助参考对象为食品。当产品为食品时，针对每个用户，实现根据用户的长相和用户喜欢的音乐为用户提供专属的食品，更加有针对性的为用户提供食品；当产品为音乐时，针对每个用户，实现根据用户的长相和用户喜欢的食品为用户提供专属的音乐，更加有针对性的为用户提供音乐。
另外，所述辅助参考对象为食品，获取所述辅助参考对象的特征向量，包括：确定各所述食品的成分的二维向量(type′,g′)，其中，type′为各所述食品的成分归一化后的数值，所述g′为各所述食品的成分的用量归一化后的数值；将各所述二维向量进行拆分得到各m维向量，其中，m为各所述食品的成分的特征向量所需的维度数量与所述食品的成分的种类数量的商；将各所述m维向量进行向量合并得到所述食品的特征向量。上述提供了一种辅助参考对象为食品时，食品的特征向量的获取方式，即根据食品的成分确定食品的特征向量。
另外，所述将所述参考对象的特征向量转换成产品的特征值，包括：将所述用户人脸的特征向量和所述辅助参考对象的特征向量进行合并得到合并向量；将所述合并向量转换成所述产品的特征值。上述提供了一种在参考对象还包括辅助参考对象时，产品特征值的获取方式，即将用户人脸的特征向量和辅助参考对象的特征向量进行合并得到合并向量，进而将合并向量转换成产品的特征值。
另外，所述产品为食品时，所述产品的特征值为表征所述食品的成分的特征值；所述产品为音乐时，所述产品的特征值为表征所述音乐的元素的特征值。产品不同时，产品的特征值所表征的内容也不相同。
另外，所述产品为食品时，所述将所述参考对象的特征向量转换成产品的特征值，包括：将所述参考对象的特征向量进行拆分得到子向量，其中，所述子向量和所述食品的成分的种类数量相等且一一对应；根据各所述子向量确定所述食品的成分的特征值，其中，各所述子向量用于确定所述子向量对应的成分的特征值；所述基于所述产品的特征值确定所述产品的属性信息，包括：根据所述成分的特征值确定所述成分是否存在，并计算存在的所述成分的用量；其中，所述食品的属性信息包括所述食品中存在的成分和所述成分的用量。上述提供了一种在产品为食品时，获取产品特征值以及确定产品属性信息的方式，即根据食品的成分的种类数量将参考对象进行拆分得到子向量，再根据各子向量确定食品的成分的特征值，从而确定成分是否存在以及存在的成分的用量。
另外，所述根据各所述子向量确定所述食品的成分的特征值，其中，各所述子向量用于确定所述子向量对应的成分的特征值，具体通过如下公式确定：
type＝f(eleaver*(type_num+1))
其中，type表示所述食品的成分的特征值，eleaver为所述成分对应的子向量中的元素归一化后的平均值，type_num为所述成分的种类数量，f(eleaver*(type_num+1))为预设的表征所述子向量及其对应的成分之间关系的函数，eleaver*(type_num+1)的取值范围为(0,type_num+1]。上述提供了一种具体根据各子向量计算食品的成分的特征值的方法。
另外，所述计算存在的所述成分的用量，具体通过如下公式实现：
g＝gmin+eleaver*(gmax-gmin)
其中，g为所述成分的用量，gmax和gmin分别为预设的所述成分的最大用量和最小用量，eleaver为所述成分对应的子向量中的元素归一化后的平均值。上述提供了一种具体计算存在的成分的用量的方式。
另外，所述产品为音乐时，所述将所述参考对象的特征向量转换成产品的特征值，包括：根据所述参考对象的特征向量得到所述参考对象的隐变量向量；将所述隐变量向量输入预先训练的第一预设模型得到音乐的元素的特征值；所述基于所述产品的特征值确定所述产品的属性信息，包括：将所述元素的特征值输入预先训练的第二预设模型确定所述音乐的类型，其中，所述音乐的属性信息包括音乐的类型。上述提供了一种在产品为食品时，获取产品特征值以及确定产品属性信息的方式，即根据参考对象的特征向量得到参考对象的隐变量向量，根据隐变量向量得到音乐的元素的特征值，从而可以根据音乐的元素的特征值确定音乐的类型。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是根据本发明第一实施方式中的产品定制方法的流程图；
图2是根据本发明第二实施方式中的产品定制方法的流程图；
图3是根据本发明第三实施方式中的产品定制方法的流程图；
图4是根据本发明第四实施方式中的产品定制方法的流程图；
图5是根据本发明第五实施方式中的产品定制方法的流程图；
图6是根据本发明第六实施方式中的电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种产品定制方法，本实施方式可应用于电子设备。在本实施方式中，获取参考对象的特征向量；将参考对象的特征向量转换成产品的特征值；基于产品的特征值确定产品的属性信息。
下面对本实施方式的一种产品定制方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式中的产品定制方法的流程图如图1所示，包括：
步骤101，获取参考对象的特征向量。
具体地说，参考对象是由用户提供的内容，可以理解的是，用户所提供的参考对象不同，获取的参考对象的特征向量也不相同。例如：参考对象可以是用户人脸、用户提供的音乐或用户点的食品等等，本实施方式不做具体限定。此外，获取的参考对象的特征向量的维度可以为64维、128维或256维等等，本实施方式不做具体限定。
步骤102，将参考对象的特征向量转换成产品的特征值。
具体地说，产品不同，产品的特征值表征的内容也不相同。产品可以为食品或音乐等，当产品为食品时，食品的特征值为表征食品的成分的特征值；当产品为音乐时，音乐的特征值为表征音乐的元素的特征值。
步骤103，基于产品的特征值确定产品的属性信息。
在一个具体的例子中，当产品为食品时，食品的属性信息包括所述食品中存在的成分和所述成分的用量；当产品为音乐时，音乐的属性信息包括音乐的类型。
本实施方式由于用户所提供的参考对象的不同，所提取参考对象的特征向量也不相同，从而根据参考对象的特征向量得到的产品的特征值也不相同，从而所确定的产品的属性信息也不相同，实现为每个用户提供个性化的产品，满足用户个性化的实际需求，提升用户的新奇感、专属感和探索感。
本发明的第二实施方式涉及一种产品定制方法，本实施方式与第一实施方式大致相同，不同之处在于：在本实施方式中，产品为食品，参考对象包括用户人脸。获取用户人脸的特征向量，将用户人脸的特征向量转换成食品的特征值，基于食品的特征值确定食品的属性信息。
本实施方式中的产品定制方法的流程图如图2所示，包括：
步骤201，获取用户人脸的特征向量。
本实施方式中，获取参考对象的特征向量，具体为获取用户人脸的特征向量。用户人脸的特征向量的维度可以为64维、128维或256维等。例如：若需要获取用户人脸的128维向量
本实施方式中，将参考对象的特征向量转换成产品的特征值，具体为将用户人脸的特征向量进行拆分得到子向量，根据各子向量确定食品的成分的特征值，以下将通过步骤202和步骤203进行说明。
步骤202，将用户人脸的特征向量进行拆分得到子向量。
具体地说，子向量和食品的成分的种类数量相等且一一对应，例如：用户人脸的特征向量的维度为128维，食品的成分的种类数量为4种，需要将用户人脸的128维特征向量拆分成4组子向量，每组子向量有32个元素，每组子向量和食品的成分的种类一一对应。
步骤203，根据各子向量确定食品的成分的特征值。
具体地说，各子向量用于确定子向量对应的成分的特征值。例如：该食品为咖啡，咖啡的成分的种类数量为4种，分别为咖啡豆、鲜奶、鲜奶油、焦糖，则需要根据4组子向量分别确定对应食品的成分的特征值。
在一个例子中，根据各子向量确定食品的成分的特征值，其中，各子向量用于确定子向量对应的成分的特征值，具体通过如下公式确定：
type＝f(eleaver*(type_num+1))
其中，type表示所述食品的成分的特征值，eleaver为所述成分对应的子向量中的元素归一化后的平均值，type_num为所述成分的种类数量，f(eleaver*(type_num+1))为预设的表征所述子向量及其对应的成分之间关系的函数，eleaver*(type_num+1)的取值范围为(0,type_num+1]。归一化是为了向量中的元素处理方便，把向量中的元素映射到0～1范围之内处理，更加便捷快速。
步骤204，根据成分的特征值确定成分是否存在，并计算存在的成分的用量。
本实施方式中，基于产品的特征值确定产品的属性信息，具体为根据成分的特征值确定成分是否存在，并计算存在的成分的用量；其中，食品的属性信息包括食品中存在的成分和成分的用量。若成分的特征值在预先设定范围内，则表明该成分存在。例如：咖啡豆预先设定的范围为[2,10]，鲜奶预先设定的范围为[3,15]，鲜奶油预先设定的范围为[2,8]，焦糖预先设定的范围为[3,6]，若根据子向量确定的子向量对应的咖啡豆的特征值为5，则咖啡豆存在，根据子向量确定的子向量对应的鲜奶的特征值为8，则鲜奶存在，根据子向量确定的子向量对应的鲜奶油的特征值为1，则鲜奶油不存在，根据子向量确定的子向量对应的焦糖的特征值为4，则焦糖存在。
再计算存在的成分的用量。在一个具体的例子中，计算存在的所述成分的用量，具体通过如下公式实现：
g＝gmin+eleaver*(gmax-gmin)
其中，g为所述成分的用量，gmax和gmin分别为预设的所述成分的最大用量和最小用量，eleaver为所述成分对应的子向量中的元素归一化后的平均值。例如：若咖啡豆预设的用量范围为[2,10]，咖啡豆对应的子向量中的元素归一化后的平均值为0.6，则咖啡豆的用量g＝2+0.6(10-2)为6.8。
本实施方式中，产品为食品，参考对象包括用户人脸。根据用户人脸为用户提供专属的食品，实现为每个用户提供个性化的食品，满足用户个性化的实际需求，提升用户的新奇感、专属感和探索感。
本发明的第三实施方式涉及一种产品定制方法，本实施方式与第一实施方式大致相同，不同之处在于：在本实施方式中，产品为音乐，参考对象包括用户人脸。获取用户人脸的特征向量，将用户人脸的特征向量转换成音乐的特征值，基于音乐的特征值确定音乐的属性信息。
本实施方式中的产品定制方法的流程图如图3所示，包括：
步骤301，获取用户人脸的特征向量。
本实施方式中，获取参考对象的特征向量，具体为获取用户人脸的特征向量。本步骤与步骤201类似，在此不再赘述。
本实施方式中，将参考对象的特征向量转换成产品的特征值，具体为根据用户人脸的特征向量得到用户人脸的隐变量向量；将隐变量向量输入预先训练的第一预设模型得到音乐的元素的特征值。以下将通过步骤302和步骤303进行说明。
步骤302，根据用户人脸的特征向量得到用户人脸的隐变量向量。
具体地说，广义上的隐变量是指“不能被直接观察到，但是对系统的状态和能观察到的输出存在影响的一种东西”，可以通过高斯过程隐变量模型(gaussianprocesslatentvariablemodel,gplvm)得到隐变量向量。可以理解的是，在本实施方式中，隐变量是指不能被直接观察到，但是对音乐的元素的特征值存在影响的一种东西。
步骤303，将隐变量向量输入预先训练的第一预设模型得到音乐的元素的特征值。
具体地说，第一预设模型是将历史的隐变量向量作为训练数据，并根据训练数据和训练数据对应的音乐的元素的特征值，进行训练得到的，所以将隐变量向量输入预先训练的第一预设模型可以得到音乐的元素的特征值。其中，音乐的元素包括：音调、节拍、情绪、和弦走向等。
步骤304，将元素的特征值输入预先训练的第二预设模型确定音乐的类型。
本实施方式中，基于产品的特征值确定产品的属性信息，具体为将元素的特征值输入预先训练的第二预设模型确定音乐的类型，其中，音乐的属性信息包括音乐的类型。第二预设模型是将历史的元素的特征值作为训练数据，并根据训练数据和训练数据对应的音乐的类型，进行训练得到的，所以将元素的特征值输入预先训练的第二预设模型可以确定音乐的类型。
本实施方式中，产品为音乐，参考对象包括用户人脸。根据用户人脸为用户提供专属的音乐，实现为每个用户提供个性化的音乐，满足用户个性化的实际需求，提升用户的新奇感、专属感和探索感。
本发明的第四实施方式涉及一种产品定制方法，本实施方式与第二实施方式大致相同，不同之处在于：在本实施方式中，产品为食品，参考对象还包括辅助参考对象，辅助参考对象为音乐。获取用户人脸的特征向量和音乐的特征向量，将用户人脸的特征向量和音乐的特征向量进行合并得到合并向量，将合并向量转换成所述产品的特征值，基于食品的特征值确定食品的属性信息。
本实施方式中的产品定制方法的流程图如图4所示，包括：
步骤401，获取用户人脸的特征向量和音乐的特征向量。
本实施方式中，获取参考对象的特征向量，具体为获取用户人脸的特征向量和音乐的特征向量。获取用户人脸的特征向量与步骤201类似，在此不再赘述。音乐可以是用户提供的音乐或者从现场采集的音乐，音乐的特征向量的维度可以为64维、128维或256维等，但是音乐的特征向量的维度与用户人脸的特征向量的维度相同。例如：若用户人脸的特征向量的维度为128维，则音乐的特征向量的维度为128维，128维音乐的特征向量
本实施方式中，将参考对象的特征向量转换成产品的特征值，具体为将用户人脸的特征向量和音乐的特征向量进行合并得到合并向量；将合并向量转换成所述产品的特征值。合并向量为参考对象的特征向量。以下将通过步骤402和步骤403进行说明。
步骤402，将用户人脸的特征向量和音乐的特征向量进行合并得到合并向量。
具体地说，合并向量为参考对象的特征向量。向量合并，是指将两个同样长度的向量合成一条全新的向量，对于新向量中的每一位，根据指示向量中的信息，从两个输入向量相应位置的两个元素中选择一个。合并向量的维度与用户人脸的特征向量及音乐的特征向量的维度相同。例如：用户人脸的特征向量
步骤403，将合并向量转换成食品的特征值。
本实施方式中，将所述参考对象的特征向量转换成产品的特征值，具体为将合并向量转换成食品的特征值。将合并对象的特征向量进行拆分得到子向量，其中，子向量和食品的成分的种类数量相等且一一对应；根据各子向量确定食品的成分的特征值，其中，各子向量用于确定子向量对应的成分的特征值。与步骤202和步骤203类似，在此不再赘述。
步骤404，基于食品的特征值确定食品的属性信息。
本实施方式中，基于产品的特征值确定产品的属性信息，具体为基于食品的特征值确定食品的属性信息，即根据成分的特征值确定所述成分是否存在，并计算存在的成分的用量；其中，食品的属性信息包括食品中存在的成分和所述成分的用量。与步骤204类似，在此不再赘述。
本实施方式中，产品为食品，参考对象包括用户人脸和辅助参考对象音乐。根据用户人脸和音乐为用户提供专属的食品，可以更加有针对性的为每个用户提供个性化的食品，满足用户个性化的实际需求，提升用户的新奇感、专属感和探索感。
本发明的第五实施方式涉及一种产品定制方法，本实施方式与第三实施方式大致相同，不同之处在于：在本实施方式中，产品为音乐，参考对象还包括辅助参考对象，辅助参考对象为食品。获取用户人脸的特征向量和食品的特征向量，将用户人脸的特征向量和食品的特征向量进行合并得到合并向量，将合并向量转换成所述产品的特征值，基于音乐的特征值确定音乐的属性信息。
本实施方式中的产品定制方法的流程图如图5所示，包括：
步骤501，获取用户人脸的特征向量和食品的特征向量。
具体地说，获取用户人脸的特征向量与步骤201类似，在此不再赘述。食品可以为用户选择的食品，食品的特征向量的维度与用户人脸的特征向量的维度相同。在一个例子中，获取所述食品的特征向量，包括：确定各食品的成分的二维向量(type′,g′)，其中，type′为各所述食品的成分归一化后的数值，所述g′为各所述食品的成分的用量归一化后的数值；将各二维向量进行拆分得到各m维向量，其中，m为各食品的成分的特征向量所需的维度数量与食品的成分的种类数量的商；将各m维向量进行向量合并得到食品的特征向量。例如：用户人脸的特征向量的维度为128维，则食品的特征向量的维度为128维。若该食品为咖啡，咖啡的成分的种类数量为4种，其中咖啡豆的二维向量为(0.4,6.8)，由于咖啡的成分的特征向量所需的维度数量为128维，所以将咖啡豆的二维向量(0.4,6.8)进行拆分得到32维向量，同理，将咖啡的另外三种成分进行拆分分别得到32维向量，再将4组32维向量进行向量合并得到咖啡的特征向量
本实施方式中，将参考对象的特征向量转换成产品的特征值，具体为将用户人脸的特征向量和食品的特征向量进行合并得到合并向量；将合并向量转换成所述产品的特征值。合并向量为参考对象的特征向量。以下将通过步骤502和步骤503进行说明。
步骤502，将用户人脸的特征向量和食品的特征向量进行合并得到合并向量。
具体地说，合并向量为参考对象的特征向量。合并向量的维度与用户人脸的特征向量及食品的特征向量的维度相同。例如：用户人脸的特征向量的维度与食品的特征向量的维度为128维，则合并向量的维度也为128维。
步骤503，将合并向量转换成音乐的特征值。
本实施方式中，将所述参考对象的特征向量转换成产品的特征值，具体为将合并向量转换成音乐的特征值。合并向量为参考对象的特征向量。根据参考对象的特征向量得到参考对象的隐变量向量；将隐变量向量输入预先训练的第一预设模型得到音乐的元素的特征值。与步骤302和步骤303类似，在此不再赘述。
步骤504，基于音乐的特征值确定音乐的属性信息。
本实施方式中，基于产品的特征值确定所述产品的属性信息，具体为基于音乐的特征值确定音乐的属性信息。即将元素的特征值输入预先训练的第二预设模型确定所述音乐的类型，其中，音乐的属性信息包括音乐的类型。与步骤304类似，在此不再赘述。
本实施方式中，产品为音乐，参考对象包括用户人脸和辅助参考对象食品。根据用户人脸和食品为用户提供专属的音乐，可以更加有针对性的为每个用户提供个性化的音乐，满足用户个性化的实际需求，提升用户的新奇感、专属感和探索感。
本发明第六实施方式涉及一种电子设备，电子设备可以为服务器、手机、平板电脑或电子咖啡机等等。如图6所示，包括至少一个处理器602；以及，与至少一个处理器通信连接的存储器601；其中，存储器601存储有可被至少一个处理器602执行的指令，指令被至少一个处理器602执行，以使至少一个处理器602能够执行上述性能检测方法的实施方式。
其中，存储器601和处理器602采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器602和存储器601的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第七实施方式涉及一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！