[发明专利]基于实时情感识别的自媒体内容推荐方法

说明书

本发明提供一种基于实时情感识别的自媒体内容推荐方法，对内容发布者在平台发布的自媒体内容进行保存；并将用户信息、用户互动记录与自媒体内容的发表时间进行保存；对用户查看自媒体内容时的表情进行拍照，得到面部表情图片；对所述面部表情图片进行表情解析与分类；取表情分类解析后概率最大的表情值作为用户面部表情，与对应查看的自媒体内容相关联；收集自媒体内容与用户面部表情数据，包括内容发布者ID、自媒体内容、表情类别、内容观看者ID以及观看时间，进行统计与数据分析，向用户反馈并提供个性化的内容推荐。

技术领域

本发明属于自媒体信息交互领域，具体涉及一种基于实时情感识别的自媒体内容推荐方法。

背景技术

随着人工智能的发展，向人们提供内容推荐逐渐成为了重要的研究课题。在目前的互联网应用中，大多数是基于人们输入的文本信息进行的。而理解人类的情感主要可以通过三个元素：语言内容、语言语气以及说话者的面部表情。而在这其中，获取表情传达的信息最为简单准确。直接通过输入的文本信息进行内容推荐，可能不够准确。

发明内容

本发明要解决的技术问题是：提供一种基于实时情感识别的自媒体内容推荐方法，能够更加准确的识别用户的真实反应。

本发明为解决上述技术问题所采取的技术方案为：一种基于实时情感识别的自媒体内容推荐方法，其特征在于：本方法包括以下步骤：

S1、对内容发布者在平台发布的自媒体内容进行保存；并将用户信息、用户互动记录与自媒体内容的发表时间进行保存；

S2、对用户查看自媒体内容时的表情进行拍照，得到面部表情图片；

S3、对所述面部表情图片进行表情解析与分类；

S4、取表情分类解析后概率最大的表情值作为用户面部表情，与对应查看的自媒体内容相关联；

S5、收集自媒体内容与用户面部表情数据，包括内容发布者ID、自媒体内容、表情类别、内容观看者ID以及观看时间，进行统计与数据分析，向用户反馈并提供个性化的内容推荐。

按上述方案，所述的S3具体包括：

预设N种表情分类，采用加载训练好的基于深度学习框架的表情识别模型，构建表情分类解析算法，然后利用表情分类解析算法，采用多分类方法，对所述面部表情图片进行预测，得到每种表情分类的概率。

按上述方案，所述的S4还包括：

预设每种表情分类的动画，将用户面部表情对应的动画呈现在用户UI，使交互界面实时反映用户的情绪，达到情感化交互的效果。

按上述方案，所述的S5具体包括：

所述的表情分类包括开心，对应好感程度，对于内容发布者来说，判断内容观看者对自媒体内容的好感程度的关系式如下：

Favorablity＝happyCount/(totalCount)

即基于某个自媒体内容的统计，Favorablity为内容观看者对自媒体内容的好感程度，happyCount为该自媒体内容所获得的用户观看内容后的表情分类为开心的统计，totalCount为该自媒体内容所获得的所有表情；

同理统计自媒体内容获得每种表情分类的比例；依据自媒体内容获得每种表情分类的比例，内容发布者分析自己发送的自媒体内容质量；

对内容平台来说，对用户进行基于最真实的流行度以及用户感兴趣的领域进行综合推荐，统计一定时间内全平台所发送的所有自媒体内容，根据不同的表情类别得到好感度最高的内容，进行推荐。

按上述方案，所述的N种表情分类具体为愤怒、恐惧、快乐、悲伤、惊讶和中立6种。