CN109873756B - 用于发送信息的方法和装置 - Google Patents
用于发送信息的方法和装置 Download PDFInfo
- Publication number
- CN109873756B CN109873756B CN201910175581.5A CN201910175581A CN109873756B CN 109873756 B CN109873756 B CN 109873756B CN 201910175581 A CN201910175581 A CN 201910175581A CN 109873756 B CN109873756 B CN 109873756B
- Authority
- CN
- China
- Prior art keywords
- expression image
- user terminal
- user
- target
- input information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000004044 response Effects 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000989913 Gunnera petaloidea Species 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
- H04L51/10—Multimedia information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/164—Detection; Localisation; Normalisation using holistic features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- User Interface Of Digital Computer (AREA)
- Processing Or Creating Images (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了用于发送信息的方法和装置。该方法的一具体实施方式包括:获取用户输入至用户终端的用户输入信息;从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序;响应于确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息,其中,呈现信息用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像。该实施方式可以降低用户终端待呈现的表情图像的重复次数,有助于方便用户更快速查找到之前未发送过的表情,从而实现更快速的表情回复。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于发送信息的方法和装置。
背景技术
现有技术中,表情包数量庞大,用户往往需要在数量庞大的表情包集中,找出目标表情,从而进行发送等操作。而对于表情包的呈现而言,目前,用户使用频率越高的表情往往优先进行呈现或者呈现的位置较为靠前。
发明内容
本公开提出了用于发送信息的方法和装置。
第一方面,本公开的实施例提供了一种用于发送信息的方法,该方法包括:获取用户输入至用户终端的用户输入信息;从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序;响应于确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息,其中,呈现信息用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像。
在一些实施例中,用户输入信息为表情图像;以及从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,包括:从目标表情图像集合中,确定待发送至用户终端并且与所获取到的表情图像所属的类别相同的至少一个表情图像,作为与用户输入信息相匹配的至少一个表情图像。
在一些实施例中,从目标表情图像集合中,确定待发送至用户终端并且与所获取到的表情图像的类别相同的至少一个表情图像,包括:从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集;从表情图像子集中,选择待发送至用户终端的至少一个表情图像。
在一些实施例中,从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集,包括:将所获取到的表情图像输入至预先训练的深度神经网络,获得所获取的表情图像所属的类别;从目标表情图像集合中,查找属于所获得的类别的表情图像子集。
在一些实施例中,该方法还包括:响应于距离目标表情图像集合的上次生成时间经过预设时长,更新目标表情图像集合,生成新的目标表情图像集合;以及从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,包括:从最近一次更新得到的目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像。
在一些实施例中,目标次数为0。
在一些实施例中,获取用户输入至用户终端的用户输入信息,包括:获取用户输入至用户终端并且未发送至除用户终端之外的其他用户终端的用户输入信息。
第二方面,本公开的实施例提供了一种用于发送信息的装置,该装置包括:获取单元,被配置成获取用户输入至用户终端的用户输入信息;确定单元,被配置成从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序;发送单元,被配置成响应于确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息,其中,呈现信息用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像。
在一些实施例中,用户输入信息为表情图像;以及确定单元包括:第一确定子单元,被配置成从目标表情图像集合中,确定待发送至用户终端并且与所获取到的表情图像所属的类别相同的至少一个表情图像,作为与用户输入信息相匹配的至少一个表情图像。
在一些实施例中,第一确定子单元包括:确定模块,被配置成从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集;选择模块,被配置成从表情图像子集中,选择待发送至用户终端的至少一个表情图像。
在一些实施例中,确定模块包括:输入子模块,被配置成将所获取到的表情图像输入至预先训练的深度神经网络,获得所获取的表情图像所属的类别;查找子模块,被配置成从目标表情图像集合中,查找属于所获得的类别的表情图像子集。
在一些实施例中,该装置还包括:更新单元,被配置成响应于距离目标表情图像集合的上次生成时间经过预设时长,更新目标表情图像集合,生成新的目标表情图像集合;以及确定单元包括:第二确定子单元,被配置成从最近一次更新得到的目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像。
在一些实施例中,目标次数为0。
在一些实施例中,获取单元包括:获取子单元,被配置成获取用户输入至用户终端并且未发送至除用户终端之外的其他用户终端的用户输入信息。
第三方面,本公开的实施例提供了一种用于发送信息的服务器,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得该一个或多个处理器实现如上述用于发送信息的方法中任一实施例的方法。
第四方面,本公开的实施例提供了一种用于发送信息的计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述用于发送信息的方法中任一实施例的方法。
本公开的实施例提供的用于发送信息的方法和装置,通过获取用户输入至用户终端的用户输入信息,然后,从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序,最后,响应于确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息,其中,呈现信息用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像,从而降低了用户终端待呈现的表情图像的重复次数,有助于方便用户更快速查找到之前未发送过的表情,从而实现更快速的表情回复,此外,还可以减少用户查找表情图像的过程中,用户终端向服务器请求表情图像的次数,由此可以减少对网络资源的占用。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于发送信息的方法的一个实施例的流程图;
图3A-图3C是根据本公开的用于发送信息的方法的一个应用场景的示意图;
图4是根据本公开的用于发送信息的方法的又一个实施例的流程图;
图5是根据本公开的用于发送信息的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的实施例的用于发送信息的方法或用于发送信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以发送用户输入信息,或者,接收表情图像等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上待显示的表情图像进行图像筛选的后台服务器。后台服务器可以从目标表情图像集合中,确定待发送至用户终端并且与其所接收到的用户输入信息相匹配的至少一个表情图像。
需要说明的是,本公开的实施例所提供的用于发送信息的方法一般由服务器105执行,相应地,用于发送信息的装置一般设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。当用于发送信息方法运行于其上的电子设备不需要与其他电子设备进行数据传输时,该系统架构可以仅包括用于发送信息方法运行于其上的电子设备(例如服务器105)。
继续参考图2,示出了根据本公开的用于发送信息的方法的一个实施例的流程200。该用于发送信息的方法,包括以下步骤:
步骤201,获取用户输入至用户终端的用户输入信息。
在本实施例中,用于发送信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户终端(例如图1所示的终端设备101、102、103),获取用户输入至该用户终端的用户输入信息。
其中,上述用户终端可以是上述用户所使用的终端,其可以与上述执行主体通信连接。上述用户输入信息可以是用户向上述用户终端输入的各种信息。作为示例,该用户输入信息可以包括但不限于以下至少一项:文字信息、语音信息、图像信息(例如表情图像)等等。
步骤202,从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序。
在本实施例中,上述执行主体可以从目标表情图像集合中,确定待发送至用户终端并且与步骤201获取到的用户输入信息相匹配的至少一个表情图像,以及确定上述至少一个表情图像的呈现顺序。
其中,上述目标表情图像集合可以是大量的表情图像的集合。作为示例,目标表情图像集合可以是预定历史时间段(例如30天、7天等等)内,网络上所有的表情图像中,被用户发送的频率最高的预定数量(例如10000、100000)张表情图像的集合。
与用户输入信息相匹配的表情图像,可以是包括用户输入信息的关键词的表情图像。作为示例,如果用户输入信息为“哈哈”,那么,与该用户输入信息相匹配的表情图像可以是包括文字“哈哈”的表情图像。可选的,与用户输入信息相匹配的表情图像,也可以是与用户输入信息所属的类别相同的表情图像。例如,上述执行主体可以首先对用户输入信息进行情绪识别,从而确定用户的情绪,并将所确定出的情绪确定为用户输入信息所属的类别,然后,上述执行主体可以从目标表情图像集合中,确定属于该类别的表情图像作为与用户输入信息相匹配的表情图像。
上述呈现顺序可以用于指示上述至少一个表情图像在用户终端进行呈现时的顺序。
在这里,上述执行主体可以采用多种方式,来确定上述至少一个表情图像的呈现顺序。
作为示例,上述执行主体可以随机确定上述至少一个表情图像的呈现顺序,从而指示用户终端随机呈现上述至少一个表情图像中的各个表情图像。
可选的,上述执行主体还可以首先确定上述至少一个表情图像中的各个表情图像在该用户终端的呈现次数,从而将呈现次数升序或者降序的顺序,确定为上述至少一个表情图像的呈现顺序。
步骤203,响应于确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息。
在本实施例中,在确定用户终端在历史时间段内,按照上述呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数的情况下,上述执行主体可以向用户终端发送呈现信息。其中,呈现信息用于指示用户终端按照上述步骤202所确定出的呈现顺序呈现至少上述一个表情图像。其中,上述历史时间段可以是当前时间(例如开始执行该步骤203时)之前的时间段,也可以是当前时间之前的预定时间范围内(例如以当前时间为终点的30天内)的时间段。
在这里,上述执行主体或者与上述执行主体通信连接的电子设备(例如用户终端),在执行该步骤203之前,可以对用户终端呈现的表情图像的顺序进行记录,从而确定出用户终端在上述历史时间段内,按照上述呈现顺序对至少一个表情图像进行呈现的次数。
上述呈现信息可以用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像。
上述目标次数可以是预先确定的次数(例如1、2),也可以是采用上述历史时间段包括的数值,与预设数值的乘积。例如,如果历史时间段为“30天”,预设数值为“0.3”,那么,该历史时间段包括的数值为“30”,由此可得上述目标次数为“9”(9=30×0.3)。
在本实施例的一些可选的实现方式中,目标次数为0。
可以理解,当目标次数为0时,上述执行主体可以向用户终端发送用于指示用户终端按照历史时间段内未采用过的呈现顺序,呈现至少一个表情图像的呈现信息,之后,用户终端可以采用一种新的呈现顺序,来呈现上述至少一个表情图像,从而避免了用户终端重复呈现表情图像,有助于方便用户更快速查找到之前未发送过的表情,从而实现更快速的表情回复。
在用户终端在历史时间段内未曾按照上述呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息。
在本实施例的一些可选的实现方式中,用户输入信息为表情图像。由此,上述执行主体还可以采用如下方式来执行上述步骤202:从目标表情图像集合中,确定待发送至用户终端并且与所获取到的表情图像所属的类别相同的至少一个表情图像,作为与用户输入信息相匹配的至少一个表情图像。
作为示例,如果上述执行主体在步骤201获取到的表情图像所述的类别为“高兴”,那么,上述执行主体可以从目标表情图像集合中,确定属于“高兴”这一类别的至少一个表情图像,作为与用户输入信息相匹配的至少一个表情图像。可以理解,上述目标表情图像集合中可以包括各个类别的表情图像。例如,目标表情图像集合可以包括“高兴”、“伤心”、“忧郁”等类别的表情图像。
在本实施例的一些可选的实现方式中,上述执行主体也可以采用如下方式,来执行步骤202:从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集。然后,从表情图像子集中,选择待发送至用户终端的至少一个表情图像。
在这里,上述执行主体可以采用多种方式,从表情图像子集中,选择待发送至用户终端的至少一个表情图像。
作为示例,上述执行主体可以从表情图像子集中,随机选择预定数量(例如9)个表情图像,作为待发送至用户终端的表情图像。
可选的,上述执行主体也可以从表情图像子集中,选择发送频率(单位时间内发送表情图像的次数)高于预设频率阈值的表情图像,作为待发送至用户终端的表情图像。
在本实施例的一些可选的实现方式中,从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集,包括:将所获取到的表情图像输入至预先训练的深度神经网络,获得所获取的表情图像所属的类别,然后,从目标表情图像集合中,查找属于所获得的类别的表情图像子集。
其中,上述深度神经网络可以用于确定表情图像所属的类别。作为示例,上述深度神经网络可以是采用机器学习方法,对初始深度神经网络模型进行训练而得到的模型。
在这里,技术人员可以预先设置目标表情图像集合中的每个表情图像的类别,以便查找属于所获得的类别的表情图像子集。
需要说明的是,现有技术之一为采用生成式对抗网络(Generative AdversarialNetworks,GAN),来生成表情图像,其表情图像的生成多样性有限,而且容易产生模糊的图像。而本可选的实现方式中采用深度神经网络来对表情图像进行分类,从而从目标表情图像集合中,查找属于所获得的类别的表情图像子集,有助于直接从目标表情图像集合中查找出清晰的图像。
在本实施例的一些可选的实现方式中,上述执行主体还可以执行如下步骤:响应于距离目标表情图像集合的上次生成时间经过预设时长,更新目标表情图像集合,生成新的目标表情图像集合。由此,上述从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,可以包括:从最近一次更新得到的目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像。
在这里,上述执行主体可以采用多个新的表情图像,来更新目标表情图像集合中的各个表情图像,从而得到新的目标表情图像集合。
可以理解,本可选的实现方式可以对目标表情图像集合进行更新,从而进一步降低了用户终端待呈现的表情图像的重复次数,有助于用户更快速查找到之前未发送过的表情,从而实现更快速的表情回复,此外,还可以进一步减少用户查找表情图像的过程中,用户终端向服务器请求表情图像的次数,由此可以进一步减少对网络资源的占用。
在本实施例的一些可选的实现方式中,获取用户输入至用户终端的用户输入信息,可以包括如下子步骤:获取用户输入至用户终端并且未发送至除该用户终端之外的其他用户终端的用户输入信息。
可以理解,用户在聊天软件中聊天的流程通常为:第一步,输入信息(即用户输入信息)至输入框。第二步,点击发送按键,以将输入的信息发送至该用户的聊天对象所使用的用户终端。在本可选的实现方式中,上述子步骤中的用户输入信息可以是在上述输入框中所呈现的信息,也即用户点击发送按键之前所输入的信息。由此,本可选的实现方式可以在用户将用户输入信息发送至该用户的聊天对象所指示的用户终端之前,为该用户终端推送表情图像,从而提高了图像推送的及时性。
继续参见图3A-图3C,图3A-图3C是根据本实施例的用于发送信息的方法的一个应用场景的示意图。在图3A的应用场景中,用户向用户终端301输入了用户输入信息302(图示为类别为“微笑”的表情图像)。然后,服务器303从用户终端301获取到了用户输入信息302。接下来,请参考图3B,服务器303从目标表情图像集合304中,确定待发送至用户终端301并且与用户输入信息302相匹配的至少一个表情图像305,以及至少一个表情图像305的呈现顺序(例如随机呈现的呈现顺序),之后,服务器303确定用户终端301在历史时间段内(例如30天),按照上述呈现顺序对至少一个表情图像305进行呈现的次数小于等于目标次数(例如10),因而,服务器303向用户终端301发送了呈现信息306。在这里,呈现信息306用于指示用户终端301按照随机呈现的呈现顺序呈现至少一个表情图像305。下面请参考图3C,用户终端301按随机呈现的呈现顺序呈现了至少一个表情图像305。
目前,在表情图像呈现场景中,现有技术之一是当用户输入用户输入信息(例如文字、表情等)时,按照用户使用表情图像的频率由高到低的顺序,来为用户呈现表情图像。在这种情况下,如果用户想要查找其未曾使用过,或者,使用频率较低的表情图像,则需要花费较多时间来查找,由此,一方面浪费了用户的时间,另一方面,还可能需要用户终端向服务器请求表情图像的次数,导致网络资源的占用较多。因此,针对上述问题,存在为用户推送与其输入的用户输入信息相匹配的,并且,使用频率较低的表情图像的需求。
本公开的上述实施例提供的方法,通过获取用户输入至用户终端的用户输入信息,然后,从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序,最后,在用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数的情况下,向用户终端发送呈现信息,以使用户终端按照呈现顺序呈现至少一个表情图像,由此降低了用户终端呈现表情图像的重复次数,有助于方便用户更快速查找到之前未发送过的表情,从而实现更快速的表情回复,此外,还可以减少用户查找表情图像的过程中,用户终端向服务器请求表情图像的次数,减少了对网络资源的占用。
进一步参考图4,其示出了用于发送信息的方法的又一个实施例的流程400。该用于发送信息的方法的流程400,包括以下步骤:
步骤401,获取用户输入至用户终端的表情图像。之后,执行步骤402。
在本实施例中,用于发送信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户终端(例如图1所示的终端设备101、102、103),获取用户输入至该用户终端的表情图像。
其中,上述用户终端可以是上述用户所使用的终端,其可以与上述执行主体通信连接。
步骤402,将所获取到的表情图像输入至预先训练的深度神经网络,获得所获取的表情图像所属的类别。之后,执行步骤403。
在本实施例中,上述执行主体可以将步骤401所获取到的表情图像输入至预先训练的深度神经网络,获得所获取的表情图像所属的类别。其中,上述深度神经网络可以用于确定表情图像所属的类别。作为示例,上述深度神经网络可以是采用机器学习方法,对初始深度神经网络模型进行训练而得到的模型。
步骤403,获取目标表情图像集合。之后,执行步骤404。
在本实施例中,上述执行主体可以获取目标表情图像集合。其中,上述目标表情图像集合可以是大量的表情图像的集合。作为示例,目标表情图像集合可以是预定历史时间段(例如30天、7天等等)内,网络上所有的表情图像中,被用户发送的频率最高的预定数量(例如10000、100000)张表情图像的集合。
步骤404,确定距离目标表情图像集合的上次生成时间是否经过预设时长。之后,若是,则执行步骤405;若否,则执行步骤406。
在本实施例中,上述执行主体可以确定距离目标表情图像集合的上次生成时间是否经过预设时长。
步骤405,更新目标表情图像集合,生成新的目标表情图像集合。之后,执行步骤403。
在本实施例中,上述执行主体还可以更新目标表情图像集合,生成新的目标表情图像集合。
可以理解,在获取目标表情图像集合之后,可以每间隔预设时长,更新一次目标表情图像集合。
步骤406,从最近一次更新得到的目标表情图像集合中,查找属于所获得的类别的表情图像子集。之后,执行步骤407。
在本实施例中,上述执行主体可以从最近一次更新得到的目标表情图像集合中,查找属于所获得的类别的表情图像子集。
在这里,技术人员可以预先设置目标表情图像集合中的每个表情图像的类别,以便查找属于所获得的类别的表情图像子集。
步骤407,从表情图像子集中,选择待发送至用户终端的至少一个表情图像。之后,执行步骤408。
在本实施例中,上述执行主体可以从表情图像子集中,选择待发送至用户终端的至少一个表情图像。
在这里,上述执行主体可以采用多种方式,从表情图像子集中,选择待发送至用户终端的至少一个表情图像。
作为示例,上述执行主体可以从表情图像子集中,随机选择预定数量(例如9)个表情图像,作为待发送至用户终端的表情图像。
可选的,上述执行主体也可以从表情图像子集中,选择发送频率高于预设频率阈值的表情图像,作为待发送至用户终端的表情图像。
步骤408,确定至少一个表情图像的呈现顺序。之后,执行步骤409。
在本实施例中,上述执行主体可以确定至少一个表情图像的呈现顺序。其中,上述呈现顺序可以用于指示上述至少一个表情图像在用户终端进行呈现时的顺序。
在这里,上述执行主体可以采用多种方式,来确定上述至少一个表情图像的呈现顺序。
作为示例,上述执行主体可以随机确定上述至少一个表情图像的呈现顺序,从而随机呈现上述至少一个表情图像中的各个表情图像。
可选的,上述执行主体还可以首先确定上述至少一个表情图像中的各个表情图像在该用户终端的呈现次数,从而将呈现次数升序或者降序的顺序,确定为上述至少一个表情图像的呈现顺序。
步骤409,响应于确定用户终端在历史时间段内,未按照上述呈现顺序对至少一个表情图像进行呈现,向用户终端发送呈现信息。
在本实施例中,上述执行主体可以在确定用户终端在历史时间段内,未按照上述呈现顺序对至少一个表情图像进行呈现的情况下,向用户终端发送呈现信息。其中,呈现信息用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像。
需要说明的是,出上述所记载的内容之外,上述步骤401-步骤409还可以包括与图2对应的实施例,及其可选的实现方式相同的特征,产生相同的效果,本申请实施例在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于发送信息的方法的流程400突出了采用深度神经网络来确定表情图像库(即上述目标表情图像集合)中与用户输入的表情图像相匹配的、待发送至用户终端的表情图像的步骤。由于现有技术中,通常采用生成式对抗网络(Generative Adversarial Networks,GAN),来生成表情图像,其表情图像的生成多样性有限,而且容易产生模糊的图像。而本可选的实现方式中采用深度神经网络来对表情图像进行分类,从而从目标表情图像集合中,查找属于所获得的类别的表情图像子集,有助于直接从目标表情图像集合中查找出清晰的图像,进而将其发送至用户终端。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于发送信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征。该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于发送信息的装置500包括:获取单元501、确定单元502和发送单元503。其中,获取单元501被配置成获取用户输入至用户终端的用户输入信息;确定单元502被配置成从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序;发送单元503被配置成响应于确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息,其中,呈现信息用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像。
在本实施例中,用于发送信息的装置500的获取单元501可以通过有线连接方式或者无线连接方式从用户终端(例如图1所示的终端设备101、102、103),获取用户输入至该用户终端的用户输入信息。
其中,上述用户终端可以是上述用户所使用的终端,其可以与上述执行主体通信连接。上述用户输入信息可以是用户向上述用户终端输入的各种信息。作为示例,该用户输入信息可以包括但不限于以下至少一项:文字信息、语音信息、图像信息(例如表情图像)等等。
在本实施例中,基于获取单元501得到的用户输入信息,上述确定单元502可以从目标表情图像集合中,确定待发送至用户终端并且与步骤201获取到的用户输入信息相匹配的至少一个表情图像,以及确定上述至少一个表情图像的呈现顺序。
其中,上述目标表情图像集合可以是大量的表情图像的集合。作为示例,目标表情图像集合可以是预定历史时间段(例如30天、7天等等)内,网络上所有的表情图像中,被用户发送的频率最高的预定数量(例如10000、100000)张表情图像的集合。与用户输入信息相匹配的表情图像,可以是包括用户输入信息的关键词的表情图像。上述呈现顺序可以用于指示上述至少一个表情图像在用户终端进行呈现时的顺序。
在本实施例中,在确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数的情况下,上述发送单元503可以向用户终端发送呈现信息。其中,呈现信息用于指示用户终端按照上述步骤202所确定出的呈现顺序呈现至少上述一个表情图像。其中,上述历史时间段可以是当前时间(例如开始执行该步骤203时)之前的时间段,也可以是当前时间之前的预定时间范围内(例如以当前时间为终点的30天内)的时间段。
在本实施例的一些可选的实现方式中,用户输入信息为表情图像;以及确定单元502包括:第一确定子单元(图中未示出)被配置成从目标表情图像集合中,确定待发送至用户终端并且与所获取到的表情图像所属的类别相同的至少一个表情图像,作为与用户输入信息相匹配的至少一个表情图像。
在本实施例的一些可选的实现方式中,第一确定子单元包括:确定模块(图中未示出)被配置成从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集;选择模块(图中未示出)被配置成从表情图像子集中,选择待发送至用户终端的至少一个表情图像。
在本实施例的一些可选的实现方式中,确定模块包括:输入子模块(图中未示出)被配置成将所获取到的表情图像输入至预先训练的深度神经网络,获得所获取的表情图像所属的类别;查找子模块(图中未示出)被配置成从目标表情图像集合中,查找属于所获得的类别的表情图像子集。
在本实施例的一些可选的实现方式中,该装置500还包括:更新单元(图中未示出)被配置成响应于距离目标表情图像集合的上次生成时间经过预设时长,更新目标表情图像集合,生成新的目标表情图像集合。以及确定单元包括:第二确定子单元(图中未示出)被配置成从最近一次更新得到的目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像。
在本实施例的一些可选的实现方式中,目标次数为0。
在本实施例的一些可选的实现方式中,获取单元包括:获取子单元(图中未示出)被配置成获取用户输入至用户终端并且未发送至除用户终端之外的其他用户终端的用户输入信息。
本公开的上述实施例提供的装置,通过获取单元501获取用户输入至用户终端的用户输入信息,然后,确定单元502从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序,最后,发送单元503响应于确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息,其中,呈现信息用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像,由此降低了用户终端待呈现的表情图像的重复次数,有助于方便用户更快速查找到之前未发送过的表情,从而实现更快速的表情回复,此外,还可以减少用户查找表情图像的过程中,用户终端向服务器请求表情图像的次数,减少了对网络资源的占用。
下面参考图6,其示出了适于用来实现本公开的实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本公开的方法中限定的上述功能。
需要说明的是,本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,所述程序设计语言包括面向目标的程序设计语言—诸如Python、Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、确定单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取用户输入至用户终端的用户输入信息的单元”。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:获取用户输入至用户终端的用户输入信息;从目标表情图像集合中,确定待发送至用户终端并且与用户输入信息相匹配的至少一个表情图像,以及至少一个表情图像的呈现顺序;响应于确定用户终端在历史时间段内,按照呈现顺序对至少一个表情图像进行呈现的次数小于等于目标次数,向用户终端发送呈现信息,其中,呈现信息用于指示用户终端按照上述所确定出的呈现顺序呈现至少一个表情图像。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种用于发送信息的方法,包括:
获取用户输入至用户终端的用户输入信息;
从目标表情图像集合中,确定待发送至所述用户终端并且与所述用户输入信息相匹配的至少一个表情图像,以及所述至少一个表情图像的呈现顺序;
响应于确定所述用户终端在历史时间段内,按照所述呈现顺序对所述至少一个表情图像进行呈现的次数小于等于目标次数,向所述用户终端发送呈现信息,其中,所述呈现信息用于指示所述用户终端按照所述呈现顺序呈现所述至少一个表情图像。
2.根据权利要求1所述的方法,其中,所述用户输入信息为表情图像;以及
所述从目标表情图像集合中,确定待发送至所述用户终端并且与所述用户输入信息相匹配的至少一个表情图像,包括:
从目标表情图像集合中,确定待发送至所述用户终端并且与所获取到的表情图像所属的类别相同的至少一个表情图像,作为与所述用户输入信息相匹配的至少一个表情图像。
3.根据权利要求2所述的方法,其中,所述从目标表情图像集合中,确定待发送至所述用户终端并且与所获取到的表情图像所述的类别相同的至少一个表情图像,包括:
从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集;
从所述表情图像子集中,选择待发送至所述用户终端的至少一个表情图像。
4.根据权利要求3所述的方法,其中,所述从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集,包括:
将所获取到的表情图像输入至预先训练的深度神经网络,获得所获取的表情图像所属的类别;
从目标表情图像集合中,查找属于所获得的类别的表情图像子集。
5.根据权利要求1-4之一所述的方法,其中,所述方法还包括:
响应于距离目标表情图像集合的上次生成时间经过预设时长,更新目标表情图像集合,生成新的目标表情图像集合;以及
所述从目标表情图像集合中,确定待发送至所述用户终端并且与所述用户输入信息相匹配的至少一个表情图像,包括:
从最近一次更新得到的目标表情图像集合中,确定待发送至所述用户终端并且与所述用户输入信息相匹配的至少一个表情图像。
6.根据权利要求1-4之一所述的方法,其中,所述目标次数为0。
7.根据权利要求1-4之一所述的方法,其中,所述获取用户输入至用户终端的用户输入信息,包括:
获取用户输入至用户终端并且未发送至除所述用户终端之外的其他用户终端的用户输入信息。
8.一种用于发送信息的装置,包括:
获取单元,被配置成获取用户输入至用户终端的用户输入信息;
确定单元,被配置成从目标表情图像集合中,确定待发送至所述用户终端并且与所述用户输入信息相匹配的至少一个表情图像,以及所述至少一个表情图像的呈现顺序;
发送单元,被配置成响应于确定所述用户终端在历史时间段内,按照所述呈现顺序对所述至少一个表情图像进行呈现的次数小于等于目标次数,向所述用户终端发送呈现信息,其中,所述呈现信息用于指示所述用户终端按照所述呈现顺序呈现所述至少一个表情图像。
9.根据权利要求8所述的装置,其中,所述用户输入信息为表情图像;以及
所述确定单元包括:
第一确定子单元,被配置成从目标表情图像集合中,确定待发送至所述用户终端并且与所获取到的表情图像所属的类别相同的至少一个表情图像,作为与所述用户输入信息相匹配的至少一个表情图像。
10.根据权利要求9所述的装置,其中,所述第一确定子单元包括:
确定模块,被配置成从目标表情图像集合中,确定与所获取到的表情图像所属的类别相同的表情图像子集;
选择模块,被配置成从所述表情图像子集中,选择待发送至所述用户终端的至少一个表情图像。
11.根据权利要求10所述的装置,其中,所述确定模块包括:
输入子模块,被配置成将所获取到的表情图像输入至预先训练的深度神经网络,获得所获取的表情图像所属的类别;
查找子模块,被配置成从目标表情图像集合中,查找属于所获得的类别的表情图像子集。
12.根据权利要求8-11之一所述的装置,其中,所述装置还包括:
更新单元,被配置成响应于距离目标表情图像集合的上次生成时间经过预设时长,更新目标表情图像集合,生成新的目标表情图像集合;以及
所述确定单元包括:
第二确定子单元,被配置成从最近一次更新得到的目标表情图像集合中,确定待发送至所述用户终端并且与所述用户输入信息相匹配的至少一个表情图像。
13.根据权利要求8-11之一所述的装置,其中,所述目标次数为0。
14.根据权利要求8-11之一所述的装置,其中,所述获取单元包括:
获取子单元,被配置成获取用户输入至用户终端并且未发送至除所述用户终端之外的其他用户终端的用户输入信息。
15.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910175581.5A CN109873756B (zh) | 2019-03-08 | 2019-03-08 | 用于发送信息的方法和装置 |
PCT/CN2019/113903 WO2020181783A1 (zh) | 2019-03-08 | 2019-10-29 | 用于发送信息的方法和装置 |
US17/118,588 US11706172B2 (en) | 2019-03-08 | 2020-12-10 | Method and device for sending information |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910175581.5A CN109873756B (zh) | 2019-03-08 | 2019-03-08 | 用于发送信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109873756A CN109873756A (zh) | 2019-06-11 |
CN109873756B true CN109873756B (zh) | 2020-04-03 |
Family
ID=66920057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910175581.5A Active CN109873756B (zh) | 2019-03-08 | 2019-03-08 | 用于发送信息的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11706172B2 (zh) |
CN (1) | CN109873756B (zh) |
WO (1) | WO2020181783A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109873756B (zh) * | 2019-03-08 | 2020-04-03 | 百度在线网络技术(北京)有限公司 | 用于发送信息的方法和装置 |
CN112532507B (zh) * | 2019-09-17 | 2023-05-05 | 上海掌门科技有限公司 | 用于呈现表情图像、用于发送表情图像的方法和设备 |
CN112462992B (zh) * | 2020-11-30 | 2022-07-19 | 北京搜狗科技发展有限公司 | 一种信息处理方法、装置、电子设备及介质 |
CN112650399B (zh) * | 2020-12-22 | 2023-12-01 | 科大讯飞股份有限公司 | 表情推荐方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076944A (zh) * | 2014-06-06 | 2014-10-01 | 北京搜狗科技发展有限公司 | 一种聊天表情输入的方法和装置 |
JP2016090775A (ja) * | 2014-11-04 | 2016-05-23 | トヨタ自動車株式会社 | 応答生成装置、応答生成方法およびプログラム |
CN106021599A (zh) * | 2016-06-08 | 2016-10-12 | 维沃移动通信有限公司 | 一种表情符号推荐方法及移动终端 |
CN106293738A (zh) * | 2016-08-09 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种表情图像的更新方法及装置 |
CN107797717A (zh) * | 2016-09-02 | 2018-03-13 | 阿里巴巴集团控股有限公司 | 推送方法、显示方法、客户端设备和数据处理系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130119246A (ko) * | 2012-04-23 | 2013-10-31 | 한국전자통신연구원 | 감성 기반 콘텐츠 추천 장치 및 방법 |
US20140164507A1 (en) * | 2012-12-10 | 2014-06-12 | Rawllin International Inc. | Media content portions recommended |
CN104063427A (zh) * | 2014-06-06 | 2014-09-24 | 北京搜狗科技发展有限公司 | 一种基于语义理解的表情输入方法和装置 |
CN104298429B (zh) * | 2014-09-25 | 2018-05-04 | 北京搜狗科技发展有限公司 | 一种基于输入的信息展示方法和输入法系统 |
CN105630849A (zh) * | 2014-11-27 | 2016-06-01 | 英业达科技有限公司 | 表情图像推荐系统及其方法 |
CN104866116A (zh) * | 2015-03-25 | 2015-08-26 | 百度在线网络技术(北京)有限公司 | 一种用于输出表情信息的方法和装置 |
US10025972B2 (en) * | 2015-11-16 | 2018-07-17 | Facebook, Inc. | Systems and methods for dynamically generating emojis based on image analysis of facial features |
CN105871695B (zh) * | 2016-05-19 | 2019-03-26 | 腾讯科技(深圳)有限公司 | 表情发送方法和装置 |
US10257558B2 (en) * | 2016-10-26 | 2019-04-09 | Orcam Technologies Ltd. | Systems and methods for constructing and indexing a database of joint profiles for persons viewed by multiple wearable apparatuses |
US20180275747A1 (en) * | 2017-03-25 | 2018-09-27 | Camille Suzanne Campbell | Portable emoji display and control |
DK179948B1 (en) * | 2017-05-16 | 2019-10-22 | Apple Inc. | Recording and sending Emoji |
JP6967610B2 (ja) * | 2017-05-16 | 2021-11-17 | アップル インコーポレイテッドApple Inc. | 絵文字の記録及び送信 |
US10397350B2 (en) * | 2017-09-26 | 2019-08-27 | Disney Enterprises, Inc. | Tracking wearables or other devices for emoji stories |
CN108038102B (zh) * | 2017-12-08 | 2021-05-04 | 北京小米移动软件有限公司 | 表情图像的推荐方法、装置、终端及存储介质 |
US10706271B2 (en) * | 2018-04-04 | 2020-07-07 | Thomas Floyd BRYANT, III | Photographic emoji communications systems and methods of use |
CN109873756B (zh) * | 2019-03-08 | 2020-04-03 | 百度在线网络技术(北京)有限公司 | 用于发送信息的方法和装置 |
CN111258435B (zh) * | 2020-01-15 | 2024-05-07 | 北京达佳互联信息技术有限公司 | 多媒体资源的评论方法、装置、电子设备及存储介质 |
-
2019
- 2019-03-08 CN CN201910175581.5A patent/CN109873756B/zh active Active
- 2019-10-29 WO PCT/CN2019/113903 patent/WO2020181783A1/zh active Application Filing
-
2020
- 2020-12-10 US US17/118,588 patent/US11706172B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076944A (zh) * | 2014-06-06 | 2014-10-01 | 北京搜狗科技发展有限公司 | 一种聊天表情输入的方法和装置 |
JP2016090775A (ja) * | 2014-11-04 | 2016-05-23 | トヨタ自動車株式会社 | 応答生成装置、応答生成方法およびプログラム |
CN106021599A (zh) * | 2016-06-08 | 2016-10-12 | 维沃移动通信有限公司 | 一种表情符号推荐方法及移动终端 |
CN106293738A (zh) * | 2016-08-09 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种表情图像的更新方法及装置 |
CN107797717A (zh) * | 2016-09-02 | 2018-03-13 | 阿里巴巴集团控股有限公司 | 推送方法、显示方法、客户端设备和数据处理系统 |
Also Published As
Publication number | Publication date |
---|---|
US20210097262A1 (en) | 2021-04-01 |
WO2020181783A1 (zh) | 2020-09-17 |
CN109873756A (zh) | 2019-06-11 |
US11706172B2 (en) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460513B (zh) | 用于生成点击率预测模型的方法和装置 | |
CN109873756B (zh) | 用于发送信息的方法和装置 | |
CN107622135B (zh) | 用于显示信息的方法和装置 | |
CN107241260B (zh) | 基于人工智能的新闻推送的方法和装置 | |
CN109190114B (zh) | 用于生成回复信息的方法和装置 | |
CN107731229B (zh) | 用于识别语音的方法和装置 | |
CN110309275B (zh) | 一种对话生成的方法和装置 | |
CN109981787B (zh) | 用于展示信息的方法和装置 | |
US20200322570A1 (en) | Method and apparatus for aligning paragraph and video | |
CN109933217B (zh) | 用于推送语句的方法和装置 | |
CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
CN109413056B (zh) | 用于处理信息的方法和装置 | |
CN108549586B (zh) | 信息处理方法和装置 | |
CN112532507B (zh) | 用于呈现表情图像、用于发送表情图像的方法和设备 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN114297476A (zh) | 基于用户标签的问卷调查方法、系统、电子设备及存储介质 | |
CN113823282A (zh) | 语音处理方法、系统和装置 | |
CN109951380B (zh) | 用于查找会话消息的方法、电子设备和计算机可读介质 | |
JP7217181B2 (ja) | ウェアラブルデバイス、情報処理方法、装置及びシステム | |
CN107622766B (zh) | 用于搜索信息的方法和装置 | |
CN107483595B (zh) | 信息推送方法和装置 | |
CN114036397B (zh) | 数据推荐方法、装置、电子设备和介质 | |
CN111694932A (zh) | 对话方法和装置 | |
CN112308016B (zh) | 表情图像获取方法、装置、电子设备及存储介质 | |
CN110881056A (zh) | 用于推送信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |