CN110019286B

CN110019286B - 一种基于用户社交关系的表情推荐方法及装置

Info

Publication number: CN110019286B
Application number: CN201710592650.3A
Authority: CN
Inventors: 刘娟
Original assignee: China Mobile Communications Group Co Ltd; China Mobile Communications Ltd Research Institute
Current assignee: China Mobile Communications Group Co Ltd; China Mobile Communications Ltd Research Institute
Priority date: 2017-07-19
Filing date: 2017-07-19
Publication date: 2021-10-29
Anticipated expiration: 2037-07-19
Also published as: CN110019286A

Abstract

本发明涉及即时通信技术，公开了一种基于用户社交关系的表情推荐方法，用以提高表情推荐的准确度，以及在用户筛选表情时，提高筛选效率。该方法为：在传统基于语义识别进行表情推荐的基础上，基于各个表情所体现的聊天对象身份和亲密度对各表情进行细化和分类，这样，用户与聊天对象进行交互时，可推荐更符合聊天对象身份和亲密度的表情，令使得推荐结果更加精确，更符合用户心理需求，与传统表情推荐方法相比，可以进一步缩小待推荐表情的范围，节省用户挑选表情的时间和精力，并且推荐结果更精确、更符合用户与聊天对象的社交需求。

Description

一种基于用户社交关系的表情推荐方法及装置

技术领域

本发明涉及即时通信技术，特别涉及一种基于用户社交关系的表情推荐方法及装置。

背景技术

目前即时通信类业务越来越成为人们日常沟通必不可少的工具，随着人们沟通需求的增加，目前各大主流即时通信类业务除了提供文本、语音等聊天内容之外，还提供了基于表情的聊天功能，通过各类丰富的体现了不同心情的表情，用户可以不仅可以更生动形象的表达自己的情绪，还可以活跃聊天氛围，甚至有时候无话可说时发送一些表情还可以巧妙的化解尴尬，给用户更佳的产品体验。但是随着表情库的不断增加，用户聊天过程中希望发送表情时需要对表情进行搜索、选择，有时甚至耗费数分钟才能找到满意的表情，大大降低了用户使用表情的兴趣。

基于此目前市场上涌现出许多在即时通信业务中对表情进行推荐的方法，主要解决方案有如下几种：

一、基于语义识别，挖掘用户当前输入词句中的关键词，与表情的标签进行匹配进而推荐最相关的表情。

二、基于用户历史表情使用记录，例如下载、收藏、评论、发送等，后续为用户推荐类似的表情。

三、基于用户社交圈子中较为亲密的好友的表情使用记录，形成待推荐表情库为用户进行推荐。

四、基于用户面部表情识别如微笑、眨眼等，为用户推荐相匹配的表情。

现有的在即时通信业务中对表情进行推荐的方法虽然解决了用户手动搜索、浏览等耗时耗力的问题，但是都是针对用户个人进行的推荐，推荐时没有考虑用户与被聊天对象之间的关联关系，从而导致所推荐的表情范围过于宽泛，用户仍需要进行二次筛选，仍然会造成推荐结果不够准确，从而降低用户的表情筛选效率，影响用户使用。

例如，用户正在与客户聊天时希望发送一个表达谢意的表情，用户会倾向于选择风格比较正式、礼貌的表情，体现用户对客户的尊重；而若用户与朋友聊天时希望发送一个表达谢意的表情，用户则会倾向于选择风格活泼的表情，来活跃聊天的氛围。因此传统的表情推荐方法在推荐时并没有考虑到用户与聊天对象之间的关联关系，无法满足用户面对不同关系聊天对象时需要不同风格的表情的需求，导致推荐结果不够精确。

发明内容

本发明实施例提供一种基于用户社交关系的表情推荐方法及装置，用以提高表情推荐的准确度，在用户筛选表情时，提高筛选效率。

本发明实施例提供的具体技术方案如下：

一种基于用户社交关系的表情推荐，包括：

从用户输入消息中识别出表达情绪的关键词，并基于所述关键词所表达情绪的类别，筛选出符合所述类别的第一表情集合；

基于聊天对象的关联描述信息确定聊天对象身份，并从所述第一表情集合中筛选出符合所述聊天对象身份的第二表情集合；

基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级，并从所述第二表情集合中筛选出符合所述亲密度等级的第三表情集合；

向用户推荐第三表情集合中的各个表情。

可选的，获得所述用户输入消息之前，进一步包括：

分别对应每一个表情的类别设置相应的第一标签，所述第一标签用于表征表情所表达的情绪；

分别针对每一个类别下的每一个表情设置相应的第二标签，所述第二标签用于表征表情关联的聊天对象身份；

分别针对每一个类别下的每一个聊天对象身份使用的表情设置相应的第三标签，所述第三标签表征表情关联的聊天对象与用户的亲密度等级。

可选的，基于聊天对象的关联描述信息确定聊天对象身份，包括：

基于对应聊天对象预设的关联描述信息，直接确定聊天对象身份；或者，

对用户与聊天对象之间在设定历史时长内产生的历史交互信息进行分析，获得所述聊天对象的关联描述信息，并基于所述关联描述信息确定聊天对象身份。

可选的，基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级，包括：

基于用户与所述聊天对象在设定历史时长内的历史交互信息，分别确定每一种指定的交互关联参数的取值；

根据获得的各种交互关联参数的取值，分别计算指定的每一种测试指标对应的子亲密度，其中，计算一种测试指标的子亲密度至少使用一种交互关联参数的取值；

分别根据获得的每一种子亲密度及相应的权重，计算所述用户和所述聊天对象之间的亲密度；

基于所述亲密度的取值，以及预设的亲密度的取值和亲密度等级之间的关联关系，确定所述用户和所述聊天对象之间的亲密度等级。

可选的，根据获得的各种交互关联参数的取值，计算指定的任意一种测试指标对应的子亲密度，包括：

将所述设定历史时长划分为若干阶段；

分别针对每一个阶段执行以下操作：根据一个阶段内产生的交互关联参数的取值，以及对应所述一个阶段预设的调整权重，计算所述一个阶段对应的阶段子亲密度；

根据获得的各个阶段子亲密度，计算所述任意一种测试指标对应的子亲密度。

可选的，进一步包括：

在预处理阶段，根据用户的用户身份以及日常使用习惯，分别对应所述每一个阶段设置相应的调整权重。

可选的，进一步包括：

在预处理阶段，基于用户的日常使用习惯，分别针对每一种交互方向的历史交互数据所产生的交互关联参数对应的子亲密度，设置相应的权重。

一种基于用户社交关系的表情推荐装置，包括：

第一筛选单元，用于从用户输入消息中识别出表达情绪的关键词，并基于所述关键词所表达情绪的类别，筛选出符合所述类别的第一表情集合；

第二筛选单元，用于基于聊天对象的关联描述信息确定聊天对象身份，并从所述第一表情集合中筛选出符合所述聊天对象身份的第二表情集合；

第三筛选单元，用于基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级，并从所述第二表情集合中筛选出符合所述亲密度等级的第三表情集合；

处理单元，用于向用户推荐第三表情集合中的各个表情。

可选的，获得所述用户输入消息之前，所述处理单元进一步用于：

可选的，基于聊天对象的关联描述信息确定聊天对象身份时，所述第二筛选单元用于：

可选的，基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级时，所述第三筛选单元用于：

可选的，根据获得的各种交互关联参数的取值，计算指定的任意一种测试指标对应的子亲密度时，所述第三筛选单元用于：

将所述设定历史时长划分为若干阶段；

可选的，所述处理单元进一步用于：

一种存储介质，存储有用于实现基于用户社交关系进行表情推荐的程序，所述程序被处理器运行时，执行以下步骤：

向用户推荐第三表情集合中的各个表情。

一种通信装置，包括一个或多个处理器；以及

一个或多个计算机可读介质，所述可读介质上存储有指令，所述指令被所述一个或多个处理器执行时，使得所述装置执行上述任一种方法。

本发明实施例中，在传统基于语义识别进行表情推荐的基础上，基于各个表情所体现的聊天对象身份和亲密度对各表情进行细化和分类，这样，用户与聊天对象进行交互时，可推荐更符合聊天对象身份和亲密度的表情，令使得推荐结果更加精确，更符合用户心理需求，与传统表情推荐方法相比，可以进一步缩小待推荐表情的范围，节省用户挑选表情的时间和精力，并且推荐结果更精确、更符合用户与聊天对象的社交需求。

附图说明

图1为本发明实施例中基于用户社交关系的表情推荐流程图；

图2为本发明实施例中系统装置功能结构示意图。

具体实施方式

为了提高表情推荐的准确度，在用户筛选表情时，提高表情筛选效率，本发明实施例中，会基于用户和聊天对象之间的交互行为，判断用户和聊天对象之间的社交关系及亲密度，并向用户推荐合适的表情。

已有技术下，传统的表情推荐方法在推荐表情时也没有考虑到用户与聊天对象之间的社交关系及亲密度，例如，同样是朋友，发送给较亲密朋友的表情应该是风格亲昵的表情，而发送给不太熟悉的朋友的表情则应该避免风格亲昵的表情，以免引起尴尬。

因此，传统的表情推荐方法无法满足用户面对不同亲密度的聊天对象时需要不同亲疏程度的表情的需求，导致推荐结果不够准确及个性化。

有鉴于此，面对不同社交关系和亲密度的聊天对象(社交关系包括但不限于情侣、长辈、朋友、同学、同事、客户、晚辈等，亲密度可按照从亲密到生疏进行等级划分)时，用户倾向使用的表情风格也不尽相同。

本发明实施例中，设计了一种基于用户社交关系的表情推荐方法，该方法为：对用户与聊天对象之间的社交关系进行分析，包括但不限于基于用户与聊天对象之间的社交关系属性、亲密度等，建立用户与聊天对象之间的社交关系模型，以及对表情库中的表情按照社交关系属性和亲密度进行分类，并建立用户与聊天对象不同社交关系属性下与不同表情类别之间的匹配模型，从而在用户输入特定语句、词汇时，在传统表情推荐结果的基础上，进一步根据以上匹配模型进行再次筛选并最终推荐给用户，使推荐结果更精确和个性化，更符合用户心理需求。

表1

本发明实施例中，系统(可以由终端完成，也可以由网络侧完成)将用户与每个聊天对象之间的的亲密程序划分为不同的等级，例如，从亲密到生疏分为N个等级，N为大于等于2的整数。例如，参阅表1所示，N＝3，每一级对应不同的亲密度，1级表示生疏，3级表示亲密。

当然，亲密度等级N的取值可以根据实际生产部署的需求来灵活调整，在此不再赘述。

然后，系统会表情库中存储的各个表情作如下处理：

首先，系统分别对应每一个表情的类别设置相应的第一标签，第一标签用于表征表情所表达的情绪，例如，表示“开心”的表情、表示“感谢”的表情等等。

分别针对每一个类别下的每一个表情设置相应的第二标签，第二标签用于表征表情关联的聊天对象身份。

例如，表示适用于情侣、夫妻的表情、表示适用于朋友的表情、表示适用于同事、同学的表情、表示适用于长辈的表情等等。

如表1所示，部分表情(如，表情b1)可能会被同时打上多个第二标签，如，既适用于长辈又适用于朋友等等。

最后，分别针对每一个类别下的每一个聊天对象身份使用的表情设置相应的第三标签，第三标签用于表征表情关联的聊天对象与用户的亲密度等级。

例如，如表1所示，同样是表达“盛谢”的表情，有的表情更加亲昵，适用于与好友之间的聊天，有的表情则中规中矩适合于与长辈之间的聊天等，其中，针对同一个表情不能同时设置两种第三标签。

设置好各类表情所对应的类别、聊天对象身份以及亲密度后，便可以开始使用表情库，向用户进行表情推荐了。

参阅图1所示，本发明实施例中，基于用户社交关系的表情推荐的具体流程如下：

步骤100：从用户输入消息中识别出表达情绪的关键词，并基于上述关键词所表达情绪的类别，筛选出符合上述类别的第一表情集合。

具体的，系统采用语义识别技术，从用户输入消息包含的字、词、句中提取出能够代表情绪的关键词，并基于该关键词所表达情绪的类别，筛选出第一标签符合上述类别的所有表情，获得第一表情集合。

例如：若用户输入“哈哈，今天发工资啦！”，则提取出“哈哈”作为关键词，由于“哈哈”代表的是高兴、快乐的情绪，因此，可以筛选出第一标签为“开心”的所有表情作为第一表情集合。

步骤110：基于聊天对象的关联描述信息确定聊天对象身份，并从上述第一表情集合中筛选出符合上述聊天对象身份的第二表情集合。

系统中一般可以获得有用户的所有通信数据及社交行为数据，这类的数据可以称为用户的关联描述信息，包括但不限于：用户的通讯录、用户的好友列表、联系人名称及备注(备注中通常会注明是好友、同事还是长辈等等)、通讯录分组类别(如，好友群组)，通过设置的关联描述信息，系统可以确定用户与聊天对象之间的关系，从而确定聊天对象身份。

例如，假设用户在通讯录将聊天对象备注为“爸爸”，则确定聊天对象身份为“长辈”。

又例如，假设用户在用户标签中将聊天对象备注为“张总，则确定聊天对象身份为“同事”。

又例如，假设用户在“同事群组中”经常和聊天对象交流，则确定聊天对象身份为“同事”。

进一步地，假设用户并未聊天对象进行备注，则系统可以根据用户与该聊天对象的历史交互信息来确定聊天对象身份，如，历史聊天记录、聊天频率、聊天条数、通话频率、通话时长、社交圈点赞次数、社交圈评论等其它互动次数、查看对方个人资料次数、查看对方社交主页次数等等，确定聊天对象身份后，系统可以为双方建立关系，并设置相应的关联描述信息。

例如：用户和聊天对象中高频出现的词汇为“老婆”、则确定聊天对象身份为“情侣、夫妻”。

又例如，也可以采用数据挖掘技术，对用户的社交数据、通信关系数据进行分析，从而自动将用户的聊天对象按照不同关系属性进行分组，且只要知晓了某一组别中一个人的聊天对象身份，则该组别中其他人具有相同的聊天对象身份。

由此可知，实际应用过程中，若对应聊天对象设置了关联描述信息(如，备注信息、标签信息)，则可以直接使用用于判断聊天对象身份，而若对应聊天对象未设置关联描述信息，则可以先对用户和聊天对象之间在设定历史时长内产生的历史交互信息进行分析，根据分析结果获得聊天对象的关联描述信息，这样，可以灵活地判断聊天对象身份。

步骤120：基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级，并从第二表情集合中筛选出符合所述亲密度等级的第三表情集合。

具体的，在执行步骤120时，系统可以采用以下方式：

1)首先，系统会基于用户与聊天对象在设定历史时长内(如，一年之内)的历史交互信息，分别确定每一种指定的交互关联参数的取值。

具体的，交互关联参数包含但不限于：用户与聊天对象之间的聊天频率message_f、聊天条数message_n，通话频率call_f、通话时长call_t，社交圈点赞次数n_like、社交圈评论等其它互动次数n_note，查看对方个人资料次数n_profile、查看对方社交主页次数n_page等等，以及双方建立关系(例如，互相为联系人关系或者好友关系)时长t_relation，所在共同群聊比例comm_group，共同联系人比例comm_friend，是否被对方特别关注或者置顶favorite＝{0,1}等。

2)其次，系统根据获得的各种交互关联参数的取值，分别计算指定的每一种测试指标对应的子亲密度，其中，计算一种测试指标的子亲密度至少使用一种交互关联参数取值。

具体的，计算方法可分别对以上数据建立计算子亲密度的模型(为了对各子亲密度进行归一化处理，本发明实施例中考虑使用指数模型)，

例如，假设计算用户u与获取对象v在一个阶段内的各个子亲密度时，采用如下模型

I_(data,uv)＝1-A^data/B

0≤I_(data,uv)＜1

其中，

data，表示用户u与聊天对象v之间的具体交互数据，例如，聊天频率message_f、通话频率call_f等等；

A，表示预设的亲密度指数函数曲线的底数，0<A<1，A越小，则该亲密度曲线递增的幅度越大；

B，表示代表预设的对data进行归一化处理时采用的比例因子，B>0与A共同构成该亲密度曲线的指数，B越小，则该曲线递增的幅度越大。

现以计算1年以内，通话频率call_f对应的子亲密度f为例来举例说明A和B的取值策略。

根据经验值可以认为若一年以内用户u与聊天对象v打了0次电话，则子亲密度f的取值为0；若打了10次电话，则子亲密度f的取值可达到0.5；当打电话次数大于30时，子亲密度f的取值应大于0.9并无限趋近于1。

那么，通过不断模拟A和B不同取值时得到的子亲密度数值，找到最能符合预期的A和B值，如，可取A＝0.5，B＝10。

以此类推，可得到计算其它子亲密度时需要的A和B的具体取值，在此不再一一赘述。

3)接着，分别根据获得的每一种子亲密度及相应的权重(可选的，权重为预设值)，计算用户和聊天对象之间的亲密度。

进一步地，在计算亲密度的过程中，还需要考虑各个其他因素对权重的影响。

第一种情况为，亲密度随时间衰减，即不同子亲密度的权重会随时间变化而变化。

具体的，实际应用中，随着时间的推移，某些交互关联参数对子亲密度取值的影响会降低，例如，聊天频率message_f、聊天条数message_n，通话频率call_f、通话时长call_t，社交圈点赞次数n_like、社交圈评论等其它互动次数n_note，查看对方个人资料次数n_profile、查看对方社交主页次数n_page等等。因此，本发明实施例中，通常会考虑这些数据对应的子亲密度随着时间不断往前追溯而不断衰减的情况，相应的，用户和聊天对象之间的亲密度也会随之改变。

例如，用户u与聊天对象v在2017年6月的一条交互消息对亲密度的影响必然比2016年12月的一条交互消息要高，2016年12月的一条交互消息对亲密度的影响必须又比2016年7月的一条交互消息要高，以此类推，故可建立亲密度的时间衰减模型。

如，若考虑时间周期T内(例如2016年6月到2017年5月的12个月)用户u与聊天对象v的各子亲密度，可将T划分为n个阶段(例如，从2016年6月起将每个月划分为一个阶段，一直划分到2017年5月)。对这n个阶段按照从近到远的时间顺序进行排序，其次序记为集合{0,1,...,n-1}，则分别计算这n个阶段中每个阶段内的阶段子亲密度，记为集合{I_(data,uv)(1),I_(data,uv)(2)，...I_(data,uv)(n)}，每个阶段的阶段子亲密度对整个周期内相应的子亲密度的影响权重为λ_i：

0＜λ_i≤1

λ_i的平均值

仍以通话频率call_f对应的子亲密度f为例，周期T内用户u与聊天对象v的子亲密度f可定义为：

其中，影响权重λ_i的取值可根据时间周期衰减的实际程度来灵活调整，即针对不同阶段对应的阶段子亲密度，影响权重λ_i不同，具体的，可以引入权重调整因子η_i：

η₁＞η₂＞...＞η₁₂

-1/12＜η_i＜11/12

通过上述操作，可以获知，在计算任意一种测试指标对应的子亲密度时，可以将设定历史时长划分为若干阶段，再分别针对每一个阶段执行以下操作：根据一个阶段内产生的交互关联参数的取值，以及对应上述一个阶段设置的调整权重，计算上述一个阶段对应的阶段子亲密度，然后，根据获得的各个阶段子亲密度，计算上述任意一种测试指标对应的子亲密度。

进一步地，本发明实施例中，还可以根据用户的用户身份以及日常使用习惯，分别对应所述每一个阶段设置相应的调整权重λ_i。这是因为，不同用户身份的用户，其特征属性不同，因此，在设置调整权重时需要考虑不同特征属性的用户其亲密度衰减模型的不同。

例如，对于社交范围比较固定的群体，其社交圈子比较稳定，联系人更新频率较低，与各个联系人的亲密度受到时间衰减的影响比较少，因此，每个阶段调整权重λ_i的取值可平均一些，即各调整因子η_i的取值范围窄一些，可赋予限定条件η_i的标准差＜0.01。

又例如，对于另外一部分社交范围较广的群体，其社交圈子比较活跃，联系人更新的频率较高，与各个联系人的亲密度受到时间衰减的影响比较大，因此，每个阶段调整权重λ_i的取值的差距可大一些，即各调整因子的取值范围可大一些，可赋予限定条件η_i的标准差>0.01。

需要注意的是，对于双方建立关系(例如，互相为联系人关系或者好友关系)时长t_relation，所在共同群聊比例comm_group，共同联系人/好友比例comm_friend，是否被对方特别关注或者置顶favorite＝{0,1}，这四个方面的子亲密度，可认为不会随着时间的往前追溯而有所衰减，因此，也可以不采用如上提到的时间衰减模型。

此外，针对历史交互数据，还可以将交互方向作为影响亲密度的因子之一。例如用户主动发起的到聊天对象方向的交互数据，聊天对象主动发起的到用户方向的交互数据，以及用户与聊天对象之间的双向交互数据(即聊天的消息、社交圈评论有来有回的数据)，可为不同方向的交互数据所带来的子亲密度赋予不同的权重α_i，i＝{1,2,3}。

例如，双向交互数据所产生的交互关联参数对应的子亲密度的权重最高，用户主动发起的数据所产生的交互关联参数对应的子亲密度的权重次高，而用户被动发起的数据所产生的交互关联参数对应的子亲密度的权重最低(如，可以设置为0)，这样，可以避免将一些频繁骚扰用户的中介、广告推销等当成亲密用户来对待。从而进一步削弱中介、广告推销等行为对计算子亲密度可能产生的干扰和噪音。

同时，在调整权重α_i的取值时也需要考虑不同使用习惯的用户其亲密度受交互方向的影响程度的不同。

例如，对于年龄较大的用户群体由于使用习惯等因素，他们一般很少主动发起交互，一般都是被动接受聊天对象发来的信息，因此，针对年龄较大的用户，其主动交互的数据、被动交互的数据、双向交互的数据各自所产生的交互关联参数对应的子亲密度的权重的取值相差不大，如，可令

又例如，对于中年用户群体，他们经常受到各种中介、理财、广告、快递的来电和消息，且用户很少回复，因此，可将主动交互的数据所产生的交互关联参数对应的子亲密度的权重α₁和双向交互的数据所产生的交互关联参数的对应的子亲密度的权重α₂设置大一些，如，可令0.45＜α₁＜0.5，0.5＜α₂＜0.55，而被动交互的数据所产生的交互关联参数对应的子亲密度的权重设置得更小一些但相差不大，如，可令

换言之，本发明实施例中，可选的，系统可以基于用户的使用习惯，分别针对每一种交互方向的历史交互数据所产生的交互关联参数对应的子亲密度设置相应的权重。

4)最后，基于上述亲密度的取值，以及预设的亲密度的取值和亲密度等级之间的关联关系，确定用户和所述聊天对象之间的亲密度等级。

进一步地，系统中还预设有亲密度的取值和亲密度的等级之间的关联关系，具体参阅表2所示

表2

因此，基于上述关联关系，以及之前计算获得的亲密度的取值，系统即可以获知用户和聊天对象之间的亲密度等级，并从第二表情集合中筛选出符合该亲密度等级的第三表情集合，作为推荐目标。

步骤130：向用户推荐第三表情集合中的各个表情。

最后，具体的，系统会将第三表情集合在用户与聊天对象的聊天界面上推荐给用户。

例如，可以在用户使用的输入框的光标后以表情队列方式呈现，或者，在用户点击发送表情按钮时在表情队列中以“推荐表情”的类别呈现给用户，本实施例中对推荐的呈现形式并不做具体限制。

参阅图2所示，本发明实施例中，用于基于用户社交关系进行表情推荐的系统装置(如，可以是用户终端，也可以是网络侧装置)至少包括第一筛选单元21、第二筛选单元22、第三筛选单元23和处理单元24，其中，

第一筛选单元21，用于从用户输入消息中识别出表达情绪的关键词，并基于所述关键词所表达情绪的类别，筛选出符合所述类别的第一表情集合；

第二筛选单元22，用于基于聊天对象的关联描述信息确定聊天对象身份，并从所述第一表情集合中筛选出符合所述聊天对象身份的第二表情集合；

第三筛选单元23，用于基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级，并从所述第二表情集合中筛选出符合所述亲密度等级的第三表情集合；

处理单元24，用于向用户推荐第三表情集合中的各个表情。

可选的，获得所述用户输入消息之前，处理单元24进一步用于：

可选的，基于聊天对象的关联描述信息确定聊天对象身份时，第二筛选单元23用于：

可选的，基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级时，第三筛选单元23用于：

可选的，根据获得的各种交互关联参数的取值，计算指定的任意一种测试指标对应的子亲密度时，第三筛选单元23用于：

将所述设定历史时长划分为若干阶段；

可选的，处理单元24进一步用于：

本发明的一个实施例中，提供一种存储介质，存储有用于实现基于用户社交关系进行表情推荐的程序，所述程序被处理器运行时，执行以下步骤：

向用户推荐第三表情集合中的各个表情。

本发明的一个实施例中，提供一种通信装置，包括一个或多个处理器；以及一个或多个计算机可读介质，所述可读介质上存储有指令，所述指令被所述一个或多个处理器执行时，使得所述装置执行上述实施例中的任意一种方法。

综上所述，本发明实施例中，在传统基于语义识别进行表情推荐的基础上，将用户与各聊天对象之间的关系进行细化和分类，并基于各个表情所体现的聊天对象身份和亲密度对各表情进行细化和分类，这样，用户与聊天对象进行交互时，可推荐更符合聊天对象身份和亲密度的表情，令使得推荐结果更加精确，更符合用户心理需求，与传统表情推荐方法相比，可以进一步缩小待推荐表情的范围，节省用户挑选表情的时间和精力，并且推荐结果更精确、更符合用户与聊天对象的社交需求。

进一步地，本发明实施例中，在计算亲密度模型时，还根据推荐表情场景中不同特征属性的用户，给出了调整各子亲密度的时间衰减因子权重的方法，针对不同使用习惯的用户，给出了调整各交互方向对子亲密度的影响权重的方法。从而使得亲密度模型可以根据不同类别的用户而动态变化，从而使得基亲密度推荐的表情结果充分符合用户的个性化特征。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种基于用户社交关系的表情推荐方法，其特征在于，包括：

基于聊天对象的关联描述信息确定聊天对象身份，并从所述第一表情集合中筛选出符合所述聊天对象身份的第二表情集合，其中，所述关联描述信息是指获取的与所述聊天对象相关联的全部通信数据及社交行为数据；

基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级，并从所述第二表情集合中筛选出符合所述亲密度等级的第三表情集合，其中，所述亲密度等级是基于所述用户与聊天对象之间的亲密度的取值，以及预设的亲密度的取值和亲密度的等级之间的关联关系确定的；

向用户推荐第三表情集合中的各个表情。

2.如权利要求1所述的方法，其特征在于，获得所述用户输入消息之前，进一步包括：

3.如权利要求1所述的方法，其特征在于，基于聊天对象的关联描述信息确定聊天对象身份，包括：

4.如权利要求1、2或3所述的方法，其特征在于，基于用户与聊天对象在设定历史时长内产生的历史交互信息，确定用户与聊天对象之间的亲密度等级，包括：

5.如权利要求4所述的方法，其特征在于，根据获得的各种交互关联参数的取值，计算指定的任意一种测试指标对应的子亲密度，包括：

将所述设定历史时长划分为若干阶段；

6.如权利要求5所述的方法，其特征在于，进一步包括：

7.如权利要求4所述的方法，其特征在于，进一步包括：

8.一种基于用户社交关系的表情推荐装置，其特征在于，包括：

第二筛选单元，用于基于聊天对象的关联描述信息确定聊天对象身份，并从所述第一表情集合中筛选出符合所述聊天对象身份的第二表情集合，其中，所述关联描述信息是指获取的与所述聊天对象相关联的全部通信数据及社交行为数据；

处理单元，用于向用户推荐第三表情集合中的各个表情。

9.一种存储介质，其特征在于，存储有用于实现基于用户社交关系进行表情推荐的程序，所述程序被处理器运行时，执行以下步骤：

向用户推荐第三表情集合中的各个表情。

10.一种通信装置，其特征在于，包括一个或多个处理器；以及

一个或多个计算机可读介质，所述可读介质上存储有指令，所述指令被所述一个或多个处理器执行时，使得所述装置执行如权利要求1至6中任一项所述的方法。