[發明專利]基于實時情感識別的自媒體內容推薦方法

在審

• 申請號: 202110203042.5
• 申請日: 2021-02-23
• 公開（公告）號: CN112966128A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 朱衛平;孫文祥;陳佳玲;徐昊天
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/435
• 分類號: G06F16/435;G06F16/48;G06F16/55
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王丹

本發明提供一種基于實時情感識別的自媒體內容推薦方法，對內容發布者在平臺發布的自媒體內容進行保存；并將用戶信息、用戶互動記錄與自媒體內容的發表時間進行保存；對用戶查看自媒體內容時的表情進行拍照，得到面部表情圖片；對所述面部表情圖片進行表情解析與分類；取表情分類解析后概率最大的表情值作為用戶面部表情，與對應查看的自媒體內容相關聯；收集自媒體內容與用戶面部表情數據，包括內容發布者ID、自媒體內容、表情類別、內容觀看者ID以及觀看時間，進行統計與數據分析，向用戶反饋并提供個性化的內容推薦。

技術領域

本發明屬于自媒體信息交互領域，具體涉及一種基于實時情感識別的自媒體內容推薦方法。

背景技術

隨著人工智能的發展，向人們提供內容推薦逐漸成為了重要的研究課題。在目前的互聯網應用中，大多數是基于人們輸入的文本信息進行的。而理解人類的情感主要可以通過三個元素：語言內容、語言語氣以及說話者的面部表情。而在這其中，獲取表情傳達的信息最為簡單準確。直接通過輸入的文本信息進行內容推薦，可能不夠準確。

發明內容

本發明要解決的技術問題是：提供一種基于實時情感識別的自媒體內容推薦方法，能夠更加準確的識別用戶的真實反應。

本發明為解決上述技術問題所采取的技術方案為：一種基于實時情感識別的自媒體內容推薦方法，其特征在于：本方法包括以下步驟：

S1、對內容發布者在平臺發布的自媒體內容進行保存；并將用戶信息、用戶互動記錄與自媒體內容的發表時間進行保存；

S2、對用戶查看自媒體內容時的表情進行拍照，得到面部表情圖片；

S3、對所述面部表情圖片進行表情解析與分類；

S4、取表情分類解析后概率最大的表情值作為用戶面部表情，與對應查看的自媒體內容相關聯；

S5、收集自媒體內容與用戶面部表情數據，包括內容發布者ID、自媒體內容、表情類別、內容觀看者ID以及觀看時間，進行統計與數據分析，向用戶反饋并提供個性化的內容推薦。

按上述方案，所述的S3具體包括：

預設N種表情分類，采用加載訓練好的基于深度學習框架的表情識別模型，構建表情分類解析算法，然后利用表情分類解析算法，采用多分類方法，對所述面部表情圖片進行預測，得到每種表情分類的概率。

按上述方案，所述的S4還包括：

預設每種表情分類的動畫，將用戶面部表情對應的動畫呈現在用戶UI，使交互界面實時反映用戶的情緒，達到情感化交互的效果。

按上述方案，所述的S5具體包括：

所述的表情分類包括開心，對應好感程度，對于內容發布者來說，判斷內容觀看者對自媒體內容的好感程度的關系式如下：

Favorablity＝happyCount/(totalCount)

即基于某個自媒體內容的統計，Favorablity為內容觀看者對自媒體內容的好感程度，happyCount為該自媒體內容所獲得的用戶觀看內容后的表情分類為開心的統計，totalCount為該自媒體內容所獲得的所有表情；

同理統計自媒體內容獲得每種表情分類的比例；依據自媒體內容獲得每種表情分類的比例，內容發布者分析自己發送的自媒體內容質量；

對內容平臺來說，對用戶進行基于最真實的流行度以及用戶感興趣的領域進行綜合推薦，統計一定時間內全平臺所發送的所有自媒體內容，根據不同的表情類別得到好感度最高的內容，進行推薦。

按上述方案，所述的N種表情分類具體為憤怒、恐懼、快樂、悲傷、驚訝和中立6種。