CN110674330B - 表情管理的方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开实施例提供了表情管理的方法、装置、电子设备及存储介质，涉及计算机技术领域，所述方法包括：从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息。通过语义预测模型对上下文信息进行处理，确定目标虚拟表情对应的语义场景信息。将历史使用数据以及语义场景信息输入概率预测模型，获取概率预测模型输出的目标虚拟表情在语义场景信息表示的语义场景下的使用概率。建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。采用本公开电子设备可以根据更准确的语义场景对应的语义场景信息，建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。

Description

表情管理的方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，特别是涉及表情管理的方法、装置、电子设备及存储介质。

背景技术

目前，用户在大部分的社交软件平台进行交互时，通常会使用“虚拟表情”来表达自身的想法。其中，虚拟表情可以通过图像等形式出现在社交软件平台。

社交软件平台的运营者可以为各个虚拟表情赋予一个关键词，以使得用户可以根据该关键词搜索到该关键词对应的，用户自己在该社交软件平台存储的虚拟表情。

然而，某一个字或者一个词往往不能正确表达用户想表达的情感，因此，电子设备根据关键词确定的虚拟表情在语义场景中的准确度较低。

发明内容

本公开实施例的目的在于提供表情管理的方法、装置、电子设备及存储介质，以更准确的推荐符合语义场景的虚拟表情。具体技术方案如下：

根据本公开实施例的第一方面，提供了一种表情管理方法，所述方法应用于电子设备，所述方法包括：

从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，所述目标虚拟表情为所述表情使用记录中的任一虚拟表情；

通过语义预测模型对所述上下文信息进行处理，确定所述目标虚拟表情对应的语义场景信息；

将所述历史使用数据以及所述语义场景信息输入概率预测模型，获取所述概率预测模型输出的所述目标虚拟表情在所述语义场景信息表示的语义场景下的使用概率；

建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系。

可选的，在所述建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系步骤之后，所述方法还包括：

当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

根据语义场景信息、虚拟表情和使用概率的对应关系，确定所述当前语义场景信息对应的各虚拟表情，以及所述当前语义场景信息对应的各虚拟表情对应的使用概率；

根据所述当前语义场景信息对应的各虚拟表情对应的使用概率，从所述当前语义场景信息对应的各虚拟表情中选择使用概率高于预设概率的预设数目个虚拟表情，作为待推荐虚拟表情。

可选的，在所述建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系步骤之后，所述方法还包括：

针对每个语义场景，确定所述语义场景对应的各虚拟表情在所述语义场景中的使用概率；

根据各虚拟表情在所述语义场景中的使用概率大小，对所述语义场景对应的各虚拟表情进行排序，得到所述语义场景对应的虚拟表情序列。

可选的，在所述根据各虚拟表情在所述语义场景中的使用概率大小，对所述语义场景对应的各虚拟表情进行排序，得到所述语义场景对应的虚拟表情序列步骤之后，所述方法还包括：

当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

根据语义场景信息和虚拟表情序列的对应关系，确定所述当前语义场景信息对应的虚拟表情序列；

从所述虚拟表情序列中，选择使用概率高于预设概率的预设数目个虚拟表情作为待推荐虚拟表情。

可选的，所述上下文信息包括：文字信息、图片信息、音频信息和视频信息中的至少一种。

根据本公开实施例的第二方面，提供了一种表情管理装置，所述装置应用于电子设备，所述装置包括：

第一获取单元，被配置为执行从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，所述目标虚拟表情为所述表情使用记录中的任一虚拟表情；

处理单元，被配置为执行通过语义预测模型对所述上下文信息进行处理，确定所述目标虚拟表情对应的语义场景信息；

第二获取单元，被配置为执行将所述历史使用数据以及所述语义场景信息输入概率预测模型，获取所述概率预测模型输出的所述目标虚拟表情在所述语义场景信息表示的语义场景下的使用概率；

建立单元，被配置为执行建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系。

可选的，所述装置还包括：

确定单元，被配置为执行当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

所述确定单元，还被配置为执行根据语义场景信息、虚拟表情和使用概率的对应关系，确定所述当前语义场景信息对应的各虚拟表情，以及所述当前语义场景信息对应的各虚拟表情对应的使用概率；

选择单元，被配置为执行根据所述当前语义场景信息对应的各虚拟表情对应的使用概率，从所述当前语义场景信息对应的各虚拟表情中选择使用概率高于预设概率的预设数目个虚拟表情，作为待推荐表情待推荐虚拟表情。

可选的，所述装置还包括：

确定单元，被配置为执行针对每个语义场景，确定所述语义场景对应的各虚拟表情在所述语义场景中的使用概率；

排序单元，被配置为执行根据各虚拟表情在所述语义场景中的使用概率大小，对所述语义场景对应的各虚拟表情进行排序，得到所述语义场景对应的虚拟表情序列。

可选的，所述装置还包括：选择单元；

所述确定单元，还被配置为执行当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

所述确定单元，还被配置为执行根据语义场景信息和虚拟表情序列的对应关系，确定所述当前语义场景信息对应的虚拟表情序列；

选择单元，被配置为执行从所述虚拟表情序列中，选择使用概率高于预设概率的预设数目个虚拟表情作为待推荐虚拟表情。

可选的，所述上下文信息包括：文字信息、图片信息、音频信息和视频信息中的至少一种。

根据本公开实施例的第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面所述的方法步骤。

根据本公开实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法步骤。

根据本公开实施例的第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。

本公开实施例提供的表情管理的方法、装置、电子设备及存储介质，电子设备可以从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，并通过语义预测模型对上下文信息进行处理，确定目标虚拟表情对应的语义场景信息，然后将历史使用数据以及语义场景信息输入概率预测模型，获取概率预测模型输出的目标虚拟表情在语义场景信息表示的语义场景下的使用概率，并建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。因为通过上下文信息可以更准确的表达当前语义场景，因此电子设备可以根据更准确的语义场景对应的语义场景信息，建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。从而可以根据对应关系中的使用概率，更准确的推荐符合语义场景的虚拟表情。

当然，实施本公开的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例提供的一种表情管理的方法流程图；

图2为本公开实施例提供的一种表情管理的方法流程图；

图3为本公开实施例提供的一种表情管理的方法流程图；

图4为本公开实施例提供的一种相关技术的方法流程图；

图5为本公开实施例提供的一种表情管理的方法流程图；

图6为本公开实施例提供的一种表情管理的装置的结构示意图；

图7为本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本公开实施例提供了一种表情管理的方法，该方法应用于电子设备，其中，虚拟表情为用户通过软件平台与其他用户进行社交时所用到的用于表达想法的一种消息形式，语义场景信息为用户发送的消息所表达的语义。电子设备可以为终端或者服务器。

下面将结合具体实施方式，对本公开实施例提供的一种表情管理的方法进行详细的说明，如图1所示，具体步骤如下：

步骤101、从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息。

表情使用记录可以为软件平台中存储的，用户输入过的虚拟表情和消息，例如对于聊天工具，该表情使用记录可以为用户的聊天记录。再例如，对于视频软件，表情使用记录可以为对视频的留言记录。

其中，软件平台在获取用户的表情使用记录之前，会发送授权请求，若用户接受该授权请求，则电子设备可具有获取用户的表情使用记录的权限。

例如，用户在首次打开软件平台，或者首次使用软件平台的输入功能时，电子设备可以在软件平台的显示界面中，显示授权询问界面。其中，授权界面中可以包括待授权内容信息的提示信息、确认授权选项和拒绝授权选项。

若用户选择确认授权选项，则电子设备可以获取待授权内容信息，在本公开实施例中，待授权内容信息可以是用户的表情使用记录。

目标虚拟表情的历史使用数据可以包括：目标虚拟表情的使用量和目标虚拟表情的收藏量。

其中，目标虚拟表情的使用量表示该目标虚拟表情在预设时间段内被该软件平台所有用户使用的总次数。目标虚拟表情的收藏量表示该目标虚拟表情在预设时间段内被该软件平台所有用户收藏的总次数。因此，目标虚拟表情的历史使用数据可以体现该目标虚拟表情的质量高低。

例如，预设时间段可以为：最近一周、最近一个月或者最近半年，本公开实施例不做限定。在预设时间段内，目标虚拟表情A的使用量是28495次，目标虚拟表情A的收藏量是472次，目标虚拟表情B的使用量是43873次，目标虚拟表情B的收藏量是1575次，可见，虚拟表情B的使用量大于虚拟表情A的使用量，且虚拟表情B的收藏量大于虚拟表情A的收藏量，则虚拟表情B的质量高于虚拟表情A。

目标虚拟表情的上下文信息为表情使用记录(聊天记录或留言记录)中，目标虚拟表情之前的若干条消息和之后的若干条消息。上下文信息可以包括：文字信息，图片信息，音频信息和视频信息中的至少一种。

例如，当电子设备获取一个目标虚拟表情后，可以获取聊天记录中该目标虚拟表情之前的5条聊天消息和该目标虚拟表情之后的4条聊天消息。其中，电子设备获取聊天消息的条数，本公开实施例不做限定。

步骤102、通过语义预测模型对上下文信息进行处理，确定目标虚拟表情对应的语义场景信息。

相关技术中，电子设备可以上下文信息输入至语义预测模型，并获取语义预测模型输出的上述信息对应的语义场景信息。

其中，语义场景信息为语义预测模型预测的上下文信息所表达的语义。因为目标虚拟表情处于该上下文信息之中，所以该语义场景信息也可以体现目标虚拟表情所表达的语义。

语义场景信息的分类可以包括：开心、悲伤、难过、痛苦、抑郁、尴尬、愤怒和不知所措等，针对于各分类，各分类还可以有各分类对应的若干子分类。例如，开心的分类下可以包括：一般开心、很开心和极度开心等，难过的分类下可以包括：生气、若有所失、伤心和悲痛欲绝等。本公开实施例对具体的语义场景信息的分类方式不做限定。

若场景预测模型输出的语义场景预测结果为开心，则该上下文信息所表达的语义为开心。

步骤103、将历史使用数据以及语义场景信息输入概率预测模型，获取概率预测模型输出的目标虚拟表情在语义场景信息表示的语义场景下的使用概率。

该使用概率表示用户在该语义场景下使用该目标虚拟表情的概率，即代表该目标虚拟表情符合该语义场景的程度。

步骤104、建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。

其中，在不同语义场景中，可能存在相同的虚拟表情。因此，每个虚拟表情都可以存在多个与不同语义场景以及对应的概率。

例如，如下表一所示，表一为展示虚拟表情1-7在开心的语义场景下的对应关系的表格：

表一

虚拟表情	语义场景	使用概率
			1	开心	6％
2	开心	35％
			3	开心	67％
4	开心	93％
			5	开心	2％
6	开心	46％
			7	开心	80％

由表一可知，该开心的语义场景下使用概率最高的虚拟表情为虚拟表情4，因此，最符合开心的语义场景的虚拟表情为虚拟表情4。

本公开实施例提供的一种表情管理的方法，电子设备可以从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，并通过语义预测模型对上下文信息进行处理，确定目标虚拟表情对应的语义场景信息，然后将历史使用数据以及语义场景信息输入概率预测模型，获取概率预测模型输出的目标虚拟表情在语义场景信息表示的语义场景下的使用概率，并建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。因为通过上下文信息可以更准确的表达当前语义场景，因此电子设备可以根据跟准确的语义场景对应的语义场景信息，建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。从而可以根据对应关系中的使用概率，更准确的推荐符合语义场景的虚拟表情。

可选的，电子设备建立该对应关系后，可以针对每个语义场景，确定语义场景对应的各虚拟表情在语义场景中的使用概率，并根据各虚拟表情在语义场景中的使用概率大小，对语义场景对应的各虚拟表情进行排序，得到语义场景对应的虚拟表情序列。

例如，根据上述表一所述内容，如下表二所示，表二为开心的语义场景对应的虚拟表情序列A。

表二

由表二可知，在该开心的语义场景下，虚拟表情1-7有不同的使用概率，因此电子设备可以根据虚拟表情1-7的使用概率，对虚拟表情1-7从使用概率大到使用概率小进行排序，得到开心的语义场景对应的虚拟表情序列A：虚拟表情4、7、3、6、2、1、5以及虚拟表情4、7、3、6、2、1和5各自对应的概率。

其中，当电子设备根据用户的搜索信息或者语义场景信息，向用户推荐虚拟表情时，可以根据该用户的搜索信息或者语义场景信息，向用户推荐虚拟表情序列中，排名前预设数目个虚拟表情，以供用户选择。

例如，电子设备可以根据该用户的搜索信息或者语义场景信息，向用户推荐虚拟表情序列中，排名前5个虚拟表情，以供用户选择。本公开实施例对预设数目不做限定。

电子设备还可以根据虚拟表情序列，对该虚拟表情序列中的虚拟表情进行筛选，删除排名过低的虚拟表情和对应语义场景的对应关系，以节省存储空间资源。

例如，语义场景A对应了19个虚拟表情，当电子设备根据各虚拟表情在语义场景A中的使用概率，对各虚拟表情进行排序后，保留排序后的前5个虚拟表情，并将其它虚拟表情与语义场景A的对应关系删除。

可选的，电子设备还可以根据实时语义场景信息，确定该实时语义场景信息对应的待推荐虚拟表情。

综合步骤104，本公开实施例提供两种根据实时语义场景信息，确定该实时语义场景信息对应的待推荐虚拟表情的可实施的方式，具体如下：

方式一：如图2所示，具体步骤如下：

步骤201、当电子设备接收到输入的文字时，根据输入的文字以及输入的文字的上下文信息确定当前语义场景信息。

其中，步骤201中的输入的文字可以是输入框中的文字或者虚拟表情，步骤201中的上下文信息可以是表情使用记录中，最近若干条消息。

步骤202、根据语义场景信息、虚拟表情和使用概率的对应关系，确定当前语义场景信息对应的各虚拟表情，以及当前语义场景信息对应的各虚拟表情对应的使用概率。

步骤203、根据当前语义场景信息对应的各虚拟表情对应的使用概率，从当前语义场景信息对应的各虚拟表情中选择使用概率高于预设概率的预设数目个虚拟表情，作为待推荐虚拟表情。

其中，电子设备确定预设数目个待推荐虚拟表情后，即可向用户推荐该预设数目个待推荐虚拟表情。

例如，如表一所示，若电子设备确定当前语义场景为开心的语义场景，则电子设备可以从开心的语义场景对应的虚拟表情1-7中选择使用概率高于60％的3个虚拟表情，作为待推荐虚拟表情，即待推荐虚拟表情为虚拟表情4、7和3。

方式二、如图3所示，具体步骤如下：

步骤301、当电子设备接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息。

其中，步骤301中的输入的文字可以是输入框中的文字或者虚拟表情，步骤301中的上下文信息可以是表情使用记录中，最近若干条消息。

步骤302、根据语义场景信息和虚拟表情序列的对应关系，确定当前语义场景信息对应的虚拟表情序列。

步骤303、从虚拟表情序列中，选择使用概率高于预设概率的预设数目个虚拟表情作为待推荐虚拟表情。

其中，电子设备确定预设数目个待推荐虚拟表情后，即可向用户推荐该预设数目个待推荐虚拟表情。

例如，如表二所示，若电子设备确定当前语义场景为开心的语义场景，则电子设备可以确定开心的语义场景对应的的虚拟表情序列A。电子设备确定虚拟表情序列A后，可以从虚拟表情序列A中，选择概率高于60％的3个虚拟表情作为待推荐虚拟表情，即待推荐虚拟表情为虚拟表情4、7和3。

可选的，电子设备确定待推荐虚拟表情后，可以确定待推荐虚拟表情的显示顺序。其中，显示顺序的作用为被推荐端接收到待推荐虚拟表情后，按照显示顺序显示待推荐虚拟表情。

其中，电子设备既可以根据待推荐虚拟表情的使用概率大小排列显示顺序，也可以根据待推荐虚拟表情的历史使用数据排列显示顺序。本公开实施例不做限定。

例如，待推荐虚拟表情包括：虚拟表情A、B、C、D和E，电子设备确定的显示顺序为B、A、E、D、C，则被推荐端可以按照B、A、E、D、C的顺序，推荐待推荐虚拟表情A、B、C、D和E。

可选的，电子设备还可以周期性更新目标虚拟表情的使用量、收藏量以及上下文信息。

例如，电子设备在建立对应关系A后，经过一天时间，电子设备可以对目标虚拟表情的使用量、收藏量以及上下文信息进行更新，并对对应关系A进行第一更新，再经过一天的时间，电子设备可以对对应关系A进行第二更新。

其中，第一次更新与第二次更新的过程可参考图1的流程进行。

可以理解的，建立虚拟表情和语义场景对应关系的过程是一个反复进行的过程，随着目标虚拟表情的使用，与目标虚拟表情相关的历史使用数据会发生变化，导致目标虚拟表情在目标虚拟表情对应的语义场景中的使用概率会发生变化。因此，电子设备需要通过定期更新目标虚拟表情已存储的使用量、收藏量以及上下文信息，定期对目标虚拟表情、语义对应场景以及使用概率的对应关系进行更新。

其中，预设的时间周期可以是人为设置的时间段，也可以是周期性的时间段，例如：一小时、一天或者一周，本公开实施例不做限定。

如图4和图5所示，本公开实施例提供了两种在实际应用中的流程图。

其中，虚拟表情A对应的语义场景为语义场景A，图4为相关技术中，用户使用表情的流程图，具体步骤如下：

步骤401、用户A上传虚拟表情A。

步骤402、用户A将虚拟表情A发送给用户B。

步骤403、用户B接收虚拟表情A。

步骤404、用户B收藏虚拟表情A。

步骤405、当用户B遇到语义场景A时，用户B从用户B的虚拟表情收藏中寻找适合的虚拟表情(虚拟表情A)。

步骤406、用户B发送虚拟表情A。

图5为本公开实施例中，用户使用表情的流程图，具体步骤如下：

步骤501、用户A上传虚拟表情A。

步骤502、当用户B遇到语义场景A时，电子设备根据语义场景A，推荐语义场景A对应的虚拟表情(虚拟表情A)。

步骤503、用户B发送虚拟表情A。

显而易见的，由于本公开实施例中电子设备代替用户B执行了挑选虚拟表情的过程，图5中本公开实施例中用户使用表情的过程明显短于图4用户使用表情的过程。因此，采用本公开实施例，用户除了可以准确得到符合当前语义的虚拟表情，还可以快速得到符合当前语义的虚拟表情，大幅节省了搜索虚拟表情所花费的时间。

基于相同的技术构思，本公开实施例还提供了一种表情管理的装置，如图6所示，该装置包括：第一获取单元601、处理单元602、第二获取单元603和建立单元604。

第一获取单元601，被配置为执行从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，目标虚拟表情为表情使用记录中的任一虚拟表情；

处理单元602，被配置为执行通过语义预测模型对上下文信息进行处理，确定目标虚拟表情对应的语义场景信息；

第二获取单元603，被配置为执行将历史使用数据以及语义场景信息输入概率预测模型，获取概率预测模型输出的目标虚拟表情在语义场景信息表示的语义场景下的使用概率；

建立单元604，被配置为执行建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。

可选的，该装置还包括：

确定单元，被配置为执行当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

该确定单元，还被配置为执行根据语义场景信息、虚拟表情和使用概率的对应关系，确定当前语义场景信息对应的各虚拟表情，以及当前语义场景信息对应的各虚拟表情对应的使用概率；

选择单元，被配置为执行根据当前语义场景信息对应的各虚拟表情对应的使用概率，从当前语义场景信息对应的各虚拟表情中选择使用概率高于预设概率的预设数目个虚拟表情，作为待推荐表情待推荐虚拟表情。

可选的，该装置还包括：

确定单元，被配置为执行针对每个语义场景，确定语义场景对应的各虚拟表情在语义场景中的使用概率；

排序单元，被配置为执行根据各虚拟表情在语义场景中的使用概率大小，对语义场景对应的各虚拟表情进行排序，得到语义场景对应的虚拟表情序列。

可选的，该装置还包括：

该确定单元，还被配置为执行当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

该确定单元，还被配置为执行根据语义场景信息和虚拟表情序列的对应关系，确定当前语义场景信息对应的虚拟表情序列；

选择单元，被配置为执行从虚拟表情序列中，选择使用概率高于预设概率的预设数目个虚拟表情作为待推荐虚拟表情。

可选的，上下文信息包括：文字信息、图片信息、音频信息和视频信息中的至少一种。

本公开实施例提供的一种表情管理的装置，电子设备可以从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，并通过语义预测模型对上下文信息进行处理，确定目标虚拟表情对应的语义场景信息，然后将历史使用数据以及语义场景信息输入概率预测模型，获取概率预测模型输出的目标虚拟表情在语义场景信息表示的语义场景下的使用概率，并建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。因为通过上下文信息可以更准确的表达当前语义场景，因此电子设备可以根据更准确的语义场景对应的语义场景信息，建立目标虚拟表情、语义场景信息以及使用概率之间的对应关系。从而可以根据对应关系中的使用概率，更准确的推荐符合语义场景的虚拟表情。

本公开实施例还提供了一种电子设备，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，

存储器703，用于存放计算机程序；

处理器701，用于执行存储器703上所存放的程序时，实现如下步骤：

从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，所述目标虚拟表情为所述表情使用记录中的任一虚拟表情；

通过语义预测模型对所述上下文信息进行处理，确定所述目标虚拟表情对应的语义场景信息；

将所述历史使用数据以及所述语义场景信息输入概率预测模型，获取所述概率预测模型输出的所述目标虚拟表情在所述语义场景信息表示的语义场景下的使用概率；

建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系。

需要说明的是，处理器701，用于执行存储器703上所存放的程序时，还用于实现上述方法实施例中描述的其他步骤，可参考上述方法实施例中的相关描述，此处不再赘述。

上述网络设备提到的通信总线可以是外设部件互连标准(英文：PeripheralComponent Interconnect，简称：PCI)总线或扩展工业标准结构(英文：Extended IndustryStandard Architecture，简称：EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述网络设备与其他设备之间的通信。

存储器可以包括随机存取存储器(英文：Random Access Memory，简称：RAM)，也可以包括非易失性存储器(英文：Non-Volatile Memory，简称：NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(英文：Central ProcessingUnit，简称：CPU)、网络处理器(英文：Network Processor，简称：NP)等；还可以是数字信号处理器(英文：Digital Signal Processing，简称：DSP)、专用集成电路(英文：ApplicationSpecific Integrated Circuit，简称：ASIC)、现场可编程门阵列(英文：Field-Programmable Gate Array，简称：FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

基于相同的技术构思，本公开实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述表情管理方法步骤。

基于相同的技术构思，本公开实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述表情管理方法步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本公开的较佳实施例而已，并非用于限定本公开的保护范围。凡在本公开的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本公开的保护范围内。

Claims (12)

1.一种表情管理方法，其特征在于，所述方法包括：

从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，所述目标虚拟表情为所述表情使用记录中的任一虚拟表情，其中，所述目标虚拟表情的历史使用数据包括：所述目标虚拟表情在所述预设时间段内的使用量和收藏量；

通过语义预测模型对所述上下文信息进行处理，确定所述目标虚拟表情对应的语义场景信息；

将所述历史使用数据以及所述语义场景信息输入概率预测模型，获取所述概率预测模型输出的所述目标虚拟表情在所述语义场景信息表示的语义场景下的使用概率；

建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系。

2.根据权利要求1所述的方法，其特征在于，在所述建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系步骤之后，所述方法还包括：

当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

根据语义场景信息、虚拟表情和使用概率的对应关系，确定所述当前语义场景信息对应的各虚拟表情，以及所述当前语义场景信息对应的各虚拟表情对应的使用概率；

根据所述当前语义场景信息对应的各虚拟表情对应的使用概率，从所述当前语义场景信息对应的各虚拟表情中选择使用概率高于预设概率的预设数目个虚拟表情，作为待推荐虚拟表情。

3.根据权利要求1所述的方法，其特征在于，在所述建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系步骤之后，所述方法还包括：

针对每个语义场景，确定所述语义场景对应的各虚拟表情在所述语义场景中的使用概率；

根据各虚拟表情在所述语义场景中的使用概率大小，对所述语义场景对应的各虚拟表情进行排序，得到所述语义场景对应的虚拟表情序列。

4.根据权利要求3所述的方法，其特征在于，在所述根据各虚拟表情在所述语义场景中的使用概率大小，对所述语义场景对应的各虚拟表情进行排序，得到所述语义场景对应的虚拟表情序列步骤之后，所述方法还包括：

当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

根据语义场景信息和虚拟表情序列的对应关系，确定所述当前语义场景信息对应的虚拟表情序列；

从所述虚拟表情序列中，选择使用概率高于预设概率的预设数目个虚拟表情作为待推荐虚拟表情。

5.根据权利要求1所述的方法，其特征在于，所述上下文信息包括：文字信息、图片信息、音频信息和视频信息中的至少一种。

6.一种表情管理装置，其特征在于，所述装置包括：

第一获取单元，被配置为执行从预设时间段内的表情使用记录中获取目标虚拟表情的历史使用数据以及上下文信息，所述目标虚拟表情为所述表情使用记录中的任一虚拟表情，其中，所述目标虚拟表情的历史使用数据包括：所述目标虚拟表情在所述预设时间段内的使用量和收藏量；

处理单元，被配置为执行通过语义预测模型对所述上下文信息进行处理，确定所述目标虚拟表情对应的语义场景信息；

第二获取单元，被配置为执行将所述历史使用数据以及所述语义场景信息输入概率预测模型，获取所述概率预测模型输出的所述目标虚拟表情在所述语义场景信息表示的语义场景下的使用概率；

建立单元，被配置为执行建立所述目标虚拟表情、所述语义场景信息以及所述使用概率之间的对应关系。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

确定单元，被配置为执行当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

所述确定单元，还被配置为执行根据语义场景信息、虚拟表情和使用概率的对应关系，确定所述当前语义场景信息对应的各虚拟表情，以及所述当前语义场景信息对应的各虚拟表情对应的使用概率；

选择单元，被配置为执行根据所述当前语义场景信息对应的各虚拟表情对应的使用概率，从所述当前语义场景信息对应的各虚拟表情中选择使用概率高于预设概率的预设数目个虚拟表情，作为待推荐表情待推荐虚拟表情。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

确定单元，被配置为执行针对每个语义场景，确定所述语义场景对应的各虚拟表情在所述语义场景中的使用概率；

排序单元，被配置为执行根据各虚拟表情在所述语义场景中的使用概率大小，对所述语义场景对应的各虚拟表情进行排序，得到所述语义场景对应的虚拟表情序列。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：选择单元；

所述确定单元，还被配置为执行当接收到输入的文字时，根据输入的文字的以及输入的文字的上下文信息确定当前语义场景信息；

所述确定单元，还被配置为执行根据语义场景信息和虚拟表情序列的对应关系，确定所述当前语义场景信息对应的虚拟表情序列；

选择单元，被配置为执行从所述虚拟表情序列中，选择使用概率高于预设概率的预设数目个虚拟表情作为待推荐虚拟表情。

10.根据权利要求6所述的装置，其特征在于，所述上下文信息包括：文字信息、图片信息、音频信息和视频信息中的至少一种。

11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。