CN112148133A - 确定推荐表情的方法、装置、设备和计算机存储介质 - Google Patents
确定推荐表情的方法、装置、设备和计算机存储介质 Download PDFInfo
- Publication number
- CN112148133A CN112148133A CN202010949844.6A CN202010949844A CN112148133A CN 112148133 A CN112148133 A CN 112148133A CN 202010949844 A CN202010949844 A CN 202010949844A CN 112148133 A CN112148133 A CN 112148133A
- Authority
- CN
- China
- Prior art keywords
- expression
- message
- input
- probability
- candidate
- 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.)
- Granted
Links
- 230000014509 gene expression Effects 0.000 title claims abstract description 346
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013507 mapping Methods 0.000 claims description 47
- 230000015654 memory Effects 0.000 claims description 19
- 230000001960 triggered effect Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000008451 emotion Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 10
- 230000009182 swimming Effects 0.000 description 10
- 230000006854 communication Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010012374 Depressed mood Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
- G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
- G06F3/0233—Character input methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/109—Font handling; Temporal or kinetic typography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/42—Data-driven translation
- G06F40/44—Statistical methods, e.g. probability models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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]
- H04L51/046—Interoperability with other network applications or services
-
- 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
Abstract
本申请公开了一种确定推荐表情的方法、装置、设备和计算机存储介质,涉及深度学习和大数据技术领域。具体实现方案为:获取输入消息;响应于所述输入消息触发表情推荐,基于所述输入消息的相似历史消息的表情触发概率以及各候选表情随着所述相似历史消息输入的概率,确定各候选表情在所述输入消息中的出现概率;依据所述出现概率,从所述候选表情中确定向所述用户推荐的表情。本申请能够提高用户的表情输入效率,节约网络流量。
Description
技术领域
本申请涉及计算机应用技术领域,特别涉及深度学习和大数据技术下的一种确定推荐表情的方法、装置、设备和计算机存储介质。
背景技术
在即时通信过程中,表情包中的各种表情已经成为了人们高频使用的情绪表达方式。通过表情的输入可以精确、高效地表达用户情绪,并能够使得聊天氛围更加轻松愉快。然而目前的表情输入方式主要依靠用户点击即时通信软件上的指定组件后,从大量的表情包中浏览并选择符合自己情绪的表情来完成表情的输入,显然这种方式对于用户而言费时费力,也需要向用户显示大量的表情包,浪费网络流量。
发明内容
有鉴于此,本申请提供了一种确定推荐表情的方法、装置、设备和计算机存储介质,以便于提高用户的表情输入效率,节约网络流量。
第一方面,本申请提供了一种表情推荐方法,包括:
获取用户输入消息;
响应于所述输入消息触发表情推荐,基于所述输入消息的相似历史消息的表情触发概率以及各候选表情随着所述相似历史消息输入的概率,确定各候选表情在所述输入消息中的出现概率;
依据所述出现概率,从所述候选表情中确定向用户推荐的表情。
第二方面,本申请提供了一种表情推荐装置,包括:
消息获取模块,用于获取用户输入消息;
表情推荐模块,用于响应于所述输入消息触发表情推荐,基于所述输入消息的相似历史消息的表情触发概率以及各候选表情随着所述相似历史消息输入的概率,确定各候选表情在所述输入消息中的出现概率;依据所述出现概率,从所述候选表情中确定向用户推荐的表情。
第三方面,本申请提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的方法。
第四方面,本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述的方法。
由以上技术方案可以看出,本申请能够在用户输入消息时,依据历史消息对于表情的携带情况确定向用户推荐的表情,基于此方式,用户能够方便、快捷地直接从推荐的表情中选择输入,提高了表情输入效率,节约了网络流量。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1示出了可以应用本发明实施例的示例性系统架构;
图2为本申请实施例提供的主要方法流程图;
图3a和图3b是本申请实施例提供的表情随着历史消息输入的示意图;
图4a和图4b为本申请实施例提供的两个推荐表情的示意图;
图5为本申请实施例提供的另一方法流程图;
图6为本申请实施例提供的装置结构图;
图7是用来实现本申请实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
目前虽然也存在一些表情推荐方式,但现有已经存在的表情推荐方式都是单纯基于关键词进行的表情推荐,例如若用户在某消息输入的过程中输入了“开心”,则会立即触发向用户推荐诸如“微笑”、“大笑”等表情。但这种方式相对比较机械,用户在消息输入过程中可能虽然包含“开心”这一关键词,但可能完整消息的语义并非表达“开心”的情绪。例如,用户输入的消息可能是“为了开心点一起去游泳吧”,用户的情绪未必是开心,甚至很有可能是比较低落的情绪,因此需要去游泳来缓解。显然,这种情况下再向用户推荐“大笑”之类的表情就不合适了。有鉴于此,本申请在进行表情推荐时,采用的是基于消息级别的表情推荐,而不再局限于关键词级别的表情推荐,从而能够更加准确地猜测用户是否需要输入表情以及需要输入什么样的表情。下面结合实施例对本申请提供的技术内容进行详细描述。
图1示出了可以应用本发明实施例的示例性系统架构。如图1所示,该系统架构可以包括终端设备101和102,网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103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和102通过网络103与服务器104交互。终端设备101和102上可以安装有各种应用,例如即时通信类应用、语音交互类应用、输入法应用、网页浏览器应用、通信类应用等。
终端设备101和102可以是能够支持即时通信功能和表情输入功能的各种电子设备,包括但不限于智能手机、平板电脑、PC(个人计算机)、PDA(个人数字助理)、笔记本电脑、智能穿戴式设备、虚拟现实设备、增强现实设备、混合现实设备(即可以支持虚拟现实和增强现实的设备)等等。本发明所提供的装置可以设置并运行于上述服务器104中,也可以设置并运行于计算能力较强的终端设备101或102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),也可以实现成单个软件或软件模块,在此不做具体限定。
例如,表情推荐装置设置并运行于上述服务器104中,服务器104可以实时从终端设备101获取用户当前输入的消息,并基于当前输入的消息和历史消息确定是否向用户推荐表情以及向用户推荐什么表情。如果确定向用户推荐表情,则可以将推荐的表情发送给终端设备101,由终端设备101通过屏幕展现给用户。用户可以从推荐的表情中选择一个从而实现表情的快速输入。
服务器104可以是单一服务器,也可以是多个服务器构成的服务器群组。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。
图2为本申请实施例提供的主要方法流程图,如图2中所示,该方法可以包括以下步骤:
在201中,获取输入消息。
本申请中输入消息可以是用户在即时通信类客户端界面上的消息输入组件中输入的消息。
作为一种优选的实施方式,在本申请中,随着用户在即时通信类客户端界面上的消息输入组件中输入消息,开始执行本申请提供的方法流程。由于用户在消息输入组件中对于消息的输入是以字、词、短语或者整句为单位的,在用户每上屏一个单位的内容,就针对在消息输入组件中当前已输入的内容开始执行本申请的流程。
举个例子,用户要输入消息“为了开心点一起去游泳吧”,在输入过程中,是在消息输入组件中先输入“为了”、又输入“开心点”、又输入“一起”、最后输入“去游泳吧”。
那么会在用户输入“为了”后,将“为了”作为用户当前的输入消息开始执行本流程。在用户输入“开心点”后,将“为了开心点”作为用户当前输入的消息开始执行本流程。在用户输入“一起”后,将“为了开心点一起”作为用户当前输入的消息开始执行本流程。在用户输入“去游泳吧”后,将“为了开心点一起去游泳吧”作为用户当前的输入消息开始执行本流程。
除了上述优选的实施方式之外,也可以是用户在输入完成一个消息后,开始执行本申请提供的方法流程。
在202中,判断输入消息是否触发表情推荐,如果是,执行203;否则,未触发表情推荐,继续转至201。
在203中,基于输入消息的相似历史消息的表情触发概率以及各候选表情随着相似历史消息输入的概率,确定各候选表情在输入消息中的出现概率。
在本实施例中,可以将表情库中所有的表情均作为候选表情,分别计算各候选表情在当前输入的消息中的出现概率。但作为一种优选的实施方式,可以基于当前输入的消息的关键词来确定候选表情,该部分将在后续图5所示实施例中进行详述。
在204中,依据出现概率,确定向用户推荐的表情。
可以按照出现概率从大到小的顺序,对各候选表情进行排序,选择排在前N个的候选表情作为向用户推荐的表情。其中N为预设的正整数。
也可以选择出现概率大于或等于出现概率阈值的表情作为向用户推荐的表情,在推荐时各表情按照出现概率从大到小的顺序。
由于本申请所提供的方式所适用的一种优选方式为:针对用户当前输入的消息实时地向用户进行表情推荐,因此,在后续实施例中均以针对用户当前输入的消息进行表情推荐为例进行描述。
下面结合实施例对上述步骤202中的实现方式进行描述。
作为一种优选的实施方式,上述步骤202中采用的表情推荐触发机制是基于消息级别的,即基于获取到的当前输入的消息来确定是否触发表情推荐,相比较基于关键词级别的表情推荐触发机制,能够更加准确地符合用户的表情输入意图。
首先可以确定消息映射表中当前输入的消息的相似历史消息;若确定出的相似历史消息在消息映射表中对应的表情触发概率大于或等于预设的触发概率阈值,则确定当前输入的消息触发表情推荐。
在本申请中,可以线下预先利用历史对话消息库中历史消息对于表情的携带情况来生成上述的消息映射表,使得本步骤直接查询消息映射表即可获得相似历史消息的表情触发概率。消息映射表中包含历史消息以及历史消息对应的表情触发概率,该表情触发概率的含义是该历史消息触发表情输入的概率。
作为一种优选的实施方式,消息映射表的确定过程可以包括以下步骤:
S11、预先收集历史对话消息库中有表情随着输入的历史消息。
历史对话消息库中保存有各用户通过即时通讯应用进行消息交互的各种消息内容,其中有的历史消息携带有表情,有的历史消息没有携带表情。所谓历史消息携带有表情指的是有表情随着该历史消息输入,可以是在该历史消息中的任意位置,例如在消息开头、中间或结尾处。例如图3a中所示,某用户a输入了“今天真是阳光明媚”以及一个指代“阳光”的表情,然后作为一个消息发送,则指代“阳光”的表情是随着“今天真是阳光明媚”的消息输入的。
进一步扩展地,对于在历史会话中,用户输入历史消息后,紧接着输入一个表情,但该历史消息和表情并非作为一个消息输入,而是两个紧邻的消息,则也可以认为该表情随着该历史消息输入。举个例子,如图3b中所示,用户输入“今天真是阳光明媚”并发送后,紧接着又输入一个指代“阳光”的表情发送,这两个消息之间没有任何其他消息(包括任何用户的消息),则可以认为“阳光”的表情是随着“今天真是阳光明媚”的消息输入的。
S12、对有表情随着输入的历史消息进行基于语义的归一化。
在此可以将有表情随着输入的历史消息进行基于语义的聚类,将属于同一聚类的历史消息采用同一个表述进行归一化,例如可以采用聚类中心的历史消息作为该聚类的所有历史消息的归一化表述。
S13、针对归一化后的各历史消息统计有表情随着输入的概率作为表情触发概率。
本步骤中,对于归一化后的各历史消息,分别统计有表情随着输入的次数和该历史消息的出现次数(包含有表情随着输入的和没有表情随着输入的总次数)的比率,将该比率的值作为该历史消息的表情触发概率。
S14、将归一化后的各历史消息及对应的表情触发概率存储于消息映射表。
得到的映射表T1可以表示为:{(mi,pmi)}∈T1。其中,mi为第i个归一化后的历史消息,pmi为历史消息mi的表情触发概率。
在用户输入消息的过程中,实时地将当前输入的消息与消息映射表中的各历史消息进行基于语义的相似度计算,确定相似度大于或等于预设相似度阈值且相似度最高的历史消息作为上述相似历史消息。
如果不存在与当前输入的消息的相似度大于或等于预设相似度阈值的历史消息,则不触发表情推荐,继续获取用户输入的消息。
如果存在与当前输入的消息的相似度大于或等于预设相似度阈值的历史消息,则可以从中获取相似度最高的历史性消息作为当前输入的消息的相似历史消息,并进一步判断该相似历史消息的表情触发概率是否大于或等于预设的触发概率阈值如果是,则确定当前输入的消息触发了表情推荐;否则,不触发表情推荐,继续获取用户输入的消息。
需要说明的是,上述消息映射表可以是利用所有用户的历史消息构建的公共的消息映射表。也可以是分别利用各用户的历史消息构建的,针对各用户的消息映射表。
当构建的是针对各用户的消息映射表时,上述触发概率阈值可以是针对各用户分别设置的,设置方式可以采用经验值、实验值或统计值。
如果构建的是所有用户公共的消息映射表,则上述触发概率阈值可以是针对所有用户设置的共享的阈值,设置方式可以采用经验值、实验值或统计值。或者,也可以在针对所有用户设置的共享阈值基础上,融入针对各用户的个性化阈值,然后将共享阈值和个性化阈值进行融合处理(例如加权处理)后,得到针对各用户的触发概率阈值。
下面结合实施例对上述步骤203的实现方式进行详述。
各候选表情随着相似历史消息输入的概率可以实时统计,但作为一种优选的实施方式,可以线下预先统计并在本步骤中直接查询得到。具体地,在形成上述的消息映射表的过程中,在步骤S13得到归一化后的各历史消息的表情触发概率之后,确定表情触发概率大于或等于预设的触发概率阈值的归一化后的各历史消息;基于确定出的各历史消息,分别统计各表情随着该历史消息输入的概率存储于表情映射表。本步骤203中,各候选表情随着相似历史消息输入的概率通过查询该表情映射表获得。
得到的表情映射表T2可以表示为:{(ej,mi,pei,j)}∈T1。其中,ej表示第j个表情,pei,j为表情ej随着历史消息mi输入的概率。
与消息映射表类似的,表情映射表也可以利用所有用户的历史消息构建针对所有用户的表情映射表,也可以分别利用各用户的历史消息构建针对各用户的表情映射表。
在本步骤中,假设相似历史消息为mi,其对应的表情触发概率为pmi,对于候选表情ej而言,其在当前输入的消息中的出现概率可以为pmi×pei,j。当然,除了直接将pmi和pei,j进行相乘之外,也可以采用其他计算方式。
在上述步骤204之后,如果图2中所示步骤由服务器端执行,则服务器端会将向用户推荐的表情发送给终端设备中对应的客户端,由客户端向用户展示推荐的表情。展示方式可以根据客户端的不同采用不同的方式。若客户端为即时通信类客户端,可以在用户输入消息的过程中,以弹窗的形式向用户展示推荐的表情,或者在消息输入框的特定位置向用户展示推荐的表情。若客户端为输入法类客户端,则可以在输入法面板上特定位置向用户展示推荐的表情。其中,推荐的表情的排序仍按照出现概率从大到小的顺序。
若用户从推荐的表情中选择一个输入,则可以将该表情插入当前光标所在位置。
在此举一个实例:
假设用户在即时通信类客户端中进行消息“为了开心点一起去游泳吧”的输入,随着用户对该消息的输入,实时查询消息映射表以判断当前输入的消息是否触发表情推荐,假设用户输入“为了开心点一起去游泳吧”后,基于语义相似度查询消息映射表,确定该消息对应的相似历史消息为“一起去游泳”,查询该消息对应的相似历史消息的表情触发概率大于预设触发概率阈值,则触发表情推荐。
继续查询表情映射表,确定出各表情随着相似历史消息“一起去游泳”输入的概率,并进一步结合该相似历史消息的表情触发概率,得到各表情在当前输入的消息“为了开心点一起去游泳吧”中的出现概率。如图4a中所示,确定出三个表情的出现概率超过预设的出现概率阈值,则将其发送给即时通信类客户端,由即时通信类客户端以弹窗的形式将这三个表情展现给用户。或者,如图4b中所示,将推荐的表情发送给输入法类客户端,由输入法类客户端在输入法面板的特定位置展示这三个表情。
用户可以从如图4a或图4b中推荐的表情中直接选择一个表情插入光标位置,然后点击发送按钮发送包含所选择的表情的消息。显然相比较现有技术中,需要用户点击指定组件后从大量表情包中浏览并选择符合自己需求的表情的技术方案,更加省时省力,且节约网络流量。
如果推荐的表情都不符合用户的需求或者不想插入表情,用户也可以不从任何表情中选择,继续进行消息输入或者直接点击发送按钮进行消息发送。无论用户选择哪种方式,对于用户发送的消息都作为新的历史消息,服务器端可以获取用户随着当前输入的消息输入的表情或未输入任何表情,以更新消息映射表以及表情映射表。
图5为本申请实施例提供的另一方法流程图,如图5中所示,该方法可以包括以下步骤:
在501中,预先针对各表情基于语义进行分类,并分别针对各表情类别设置关键词词表。
首先对于表情库中的各表情基于语义进行分类,具体的分类方式可以由人工的方式进行标注,也可以采用人工智能模型对表情进行分类,对表情进行分类的具体方式本申请不加以限制。
本申请中分类得到的各表情类别可以是表达各种情绪的类别,例如高兴、悲伤、紧张、激动、恐惧、惊讶、无奈等等。也可以是表达一些动作或行为主题的类别,例如赞同、道谢、安慰、撒娇、游泳、跑步、转圈等等。还可以是一些热门实体相关的类别,例如蜡笔小新、皮卡丘、明星等等。一个表情可以同时属于多个表情类别。
针对每个表情类别可以设置一些关键词构成该表情类别的关键词词表,这些关键词能够比较有代表性的与该表情类别中的表情关联。例如,对于表达高兴情绪的表情类别,其关键词词表中可以包括诸如“高兴”、“开心”、“快乐”、“笑”等等。
上述表情类别和关键词词表均是可以扩展的,在此不做一一穷举。
在502中,获取用户当前输入的消息。
本步骤同图2所示实施例中的步骤201,在此不做赘述。
在503中,判断当前输入的消息是否触发表情推荐,如果是,执行504;否则,未触发表情推荐,继续转至502。
本步骤同图2所示实施例中的步骤202,在此不做赘述。
在504中,利用候选表情确定模型确定当前输入的消息对应的候选表情。
在图2所示实施例中采用的方式是将所有表情均作为候选表情,但这种方式一方面效率较低,精准度不够,另一方面带来的计算量也较大。因此,本实施例中提供了一种优选的实施方式,即首先利用候选表情确定模型从表情库中筛选出一部分表情作为候选表情,然后从候选表情中确定向用户推荐的表情。
具体地,可以将当前输入的消息输入候选表情确定模型,得到候选表情确定当前输入的消息触发各表情类别的概率;选择当前输入的消息触发各表情类别的概率符合预设要求的表情类别对应的表情,作为候选表情。其中,候选表情确定模型依据当前输入的消息对关键词词表的命中状况,来确定当前输入的消息触发各表情类别的概率。
其中,候选表情确定模型实际上是对当前输入的消息进行分词处理后,将分词处理后得到的词语对各表情类别的关键词词表的命中状况映射为当前输入的消息触发各表情类别的概率。该候选表情确定模型可以预先训练得到。例如,将历史消息以及随着历史消息输入的表情类别作为训练数据,依据随着历史消息输入的表情的类别以及该历史消息对各表情类别的关键词词表的命中状况,训练分类模型而得到。训练目标是:候选表情确定模型针对历史消息输出的各表情类别的概率中,最高概率对应的表情类别与随着该历史消息输入的表情的类别一致。
在505中,基于当前输入的消息的相似历史消息的表情触发概率以及各候选表情随着相似历史消息输入的概率,确定各候选表情在当前输入的消息中的出现概率。
本步骤同图2所示实施例中的步骤203,在此不做赘述。
在506中,依据出现概率,确定向用户推荐的表情。
本步骤同图2所示实施例中的步骤204,在此不做赘述。
以上是对本申请所提供方法进行的详细描述,下面结合实施例对本申请提供的装置进行详细描述。
图6为本申请实施例提供的装置结构图,该装置可以是位于服务器端的应用,或者还可以为位于服务器端的应用中的插件或软件开发工具包(Software Development Kit,SDK)等功能单元,或者,还可以位于具有较强计算能力的计算机终端,本发明实施例对此不进行特别限定。如图6中所示,该装置可以包括:消息获取模块01和表情推荐模块03,还可以进一步包括:触发判断模块02、第一构建模块04、第二构建模块05、候选表情确定模块06和关键词设置模块07。其中各组成模块的主要功能如下:
消息获取模块01,用于获取输入消息。
表情推荐模块03,用于如果输入消息触发表情推荐,则基于输入消息的相似历史消息的表情触发概率以及各候选表情随着相似历史消息输入的概率,确定各候选表情在输入消息中的出现概率;依据出现概率,从候选表情中确定向用户推荐的表情。
第二构建模块05,用于确定表情触发概率大于或等于预设的触发概率阈值的归一化后的各历史消息;基于确定出的各历史消息,分别统计各表情随着该历史消息输入的概率存储于表情映射表。
触发判断模块02,用于判断输入消息是否触发表情推荐。
作为一种优选的实施方式,触发判断模块02可以确定消息映射表中输入消息的相似历史消息;若相似历史消息在消息映射表中对应的表情触发概率大于或等于预设的触发概率阈值,则确定输入消息触发表情推荐。
第一构建模块04,用于预先收集历史对话消息库中有表情随着输入的历史消息;对有表情随着输入的历史消息进行基于语义的归一化;针对归一化后的各历史消息统计有表情随着输入的概率作为表情触发概率;将归一化后的各历史消息及对应的表情触发概率存储于消息映射表。
其中,上述表情推荐模块03可以通过查询表情映射表获得各候选表情随着相似历史消息输入的概率。
在本申请实施例中,可以将表情库中所有表情都作为候选表情。但作为一种优选的实施方式,候选表情确定模块06可以将输入消息输入候选表情确定模型,得到候选表情确定输入消息触发各表情类别的概率;选择输入消息触发各表情类别的概率符合预设要求的表情类别对应的表情,作为候选表情。
关键词设置模块07,用于预先针对各表情基于语义进行分类,并分别针对各表情类别设置关键词词表。以便候选表情确定模型依据输入消息对关键词词表的命中状况,确定输入消息触发各表情类别的概率。
其中,表情推荐模块03在依据出现概率,从各候选表情中确定向用户推荐的表情时,可以依照出现概率从大到小的顺序,对各候选表情进行排序,选择排在前N个的候选表情作为向用户推荐的表情,N为预设的正整数;或者,选择出现概率大于或等于预设出现概率阈值的候选表情作为向用户推荐的表情。
更进一步地,第一构建模块04,还用于获取用户随着输入消息输入的表情或未输入任何表情,以更新消息映射表。
第二构建模块05,还用于获取用户随着输入消息输入的表情或未输入任何表情,以更新表情映射表。
其中,输入的表情可以包括从向用户推荐的表情中选择输入的表情,也可以包括用户自行采用其他方式输入的表情。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的表情推荐方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的表情推荐方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的表情推荐方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的表情推荐方法对应的程序指令/模块。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的表情推荐方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据该电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至该电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
该电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与该电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (18)
1.一种确定推荐表情的方法,包括:
获取输入消息;
响应于所述输入消息触发表情推荐,基于所述输入消息的相似历史消息的表情触发概率以及各候选表情随着所述相似历史消息输入的概率,确定各候选表情在所述输入消息中的出现概率;
依据所述出现概率,从所述候选表情中确定向用户推荐的表情。
2.根据权利要求1所述的方法,还包括:
确定消息映射表中所述输入消息的相似历史消息;
若所述相似历史消息在所述消息映射表中对应的表情触发概率大于或等于预设的触发概率阈值,则确定所述输入消息触发表情推荐。
3.根据权利要求2所述的方法,还包括:
预先收集历史对话消息库中有表情随着输入的历史消息;
对有表情随着输入的历史消息进行基于语义的归一化;
针对归一化后的各历史消息统计有表情随着输入的概率作为表情触发概率;
将归一化后的各历史消息及对应的表情触发概率存储于消息映射表。
4.根据权利要求3所述的方法,还包括:
确定表情触发概率大于或等于预设的触发概率阈值的所述归一化后的各历史消息;
基于确定出的各历史消息,分别统计各表情随着该历史消息输入的概率存储于表情映射表;
所述各候选表情随着所述相似历史消息输入的概率通过查询所述表情映射表获得。
5.根据权利要求1所述的方法,还包括:
将所述输入消息输入候选表情确定模型,得到所述候选表情确定所述输入消息触发各表情类别的概率;
选择所述输入消息触发各表情类别的概率符合预设要求的表情类别对应的表情,作为所述候选表情。
6.根据权利要求5所述的方法,还包括:预先针对各表情基于语义进行分类,并分别针对各表情类别设置关键词词表;
所述候选表情确定模型依据所述输入消息对所述关键词词表的命中状况,确定所述输入消息触发各表情类别的概率。
7.根据权利要求1所述的方法,其中,所述依据所述出现概率,从各候选表情中确定向所述用户推荐的表情包括:
按照出现概率从大到小的顺序,对各候选表情进行排序,选择排在前N个的候选表情作为向所述用户推荐的表情,所述N为预设的正整数;或者,
选择出现概率大于或等于预设出现概率阈值的候选表情作为向所述用户推荐的表情。
8.根据权利要求4所述的方法,还包括:
获取所述用户随着所述输入消息输入的表情或未输入任何表情,以更新所述消息映射表以及所述表情映射表,所述输入的表情包括从向所述用户推荐的表情中选择输入的表情。
9.一种确定推荐表情的装置,包括:
消息获取模块,用于获取输入消息;
表情推荐模块,用于响应于所述输入消息触发表情推荐,基于所述输入消息的相似历史消息的表情触发概率以及各候选表情随着所述相似历史消息输入的概率,确定各候选表情在所述输入消息中的出现概率;依据所述出现概率,从所述候选表情中确定向用户推荐的表情。
10.根据权利要求9所述的装置,还包括:
触发判断模块,用于采用以下方式判断所述输入消息是否触发表情推荐:
确定消息映射表中所述输入消息的相似历史消息;
若所述相似历史消息在所述消息映射表中对应的表情触发概率大于或等于预设的触发概率阈值,则确定所述输入消息触发表情推荐。
11.根据权利要求10所述的装置,还包括:
第一构建模块,用于预先收集历史对话消息库中有表情随着输入的历史消息;对有表情随着输入的历史消息进行基于语义的归一化;针对归一化后的各历史消息统计有表情随着输入的概率作为表情触发概率;将归一化后的各历史消息及对应的表情触发概率存储于消息映射表。
12.根据权利要求11所述的装置,还包括:
第二构建模块,用于确定表情触发概率大于或等于预设的触发概率阈值的所述归一化后的各历史消息;基于确定出的各历史消息,分别统计各表情随着该历史消息输入的概率存储于表情映射表;
所述表情推荐模块通过查询所述表情映射表获得所述各候选表情随着所述相似历史消息输入的概率。
13.根据权利要求9所述的装置,还包括:
候选表情确定模块,用于将所述输入消息输入候选表情确定模型,得到所述候选表情确定所述输入消息触发各表情类别的概率;选择所述输入消息触发各表情类别的概率符合预设要求的表情类别对应的表情,作为所述候选表情。
14.根据权利要求13所述的装置,还包括:
关键词设置模块,用于预先针对各表情基于语义进行分类,并分别针对各表情类别设置关键词词表;
所述候选表情确定模型依据所述输入消息对所述关键词词表的命中状况,确定所述输入消息触发各表情类别的概率。
15.根据权利要求9所述的装置,其中,所述表情推荐模块在依据所述出现概率,从各候选表情中确定向所述用户推荐的表情时,具体用于:
按照出现概率从大到小的顺序,对各候选表情进行排序,选择排在前N个的候选表情作为向所述用户推荐的表情,所述N为预设的正整数;或者,
选择出现概率大于或等于预设出现概率阈值的候选表情作为向所述用户推荐的表情。
16.根据权利要求12所述的装置,其中,
所述第一构建模块,还用于获取所述用户随着所述输入消息输入的表情或未输入任何表情,以更新所述消息映射表;
所述第二构建模块,还用于获取所述用户随着所述输入消息输入的表情或未输入任何表情,以更新所述表情映射表;
其中,所述输入的表情包括从向所述用户推荐的表情中选择输入的表情。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010949844.6A CN112148133B (zh) | 2020-09-10 | 2020-09-10 | 确定推荐表情的方法、装置、设备和计算机存储介质 |
US17/210,169 US20220075952A1 (en) | 2020-09-10 | 2021-03-23 | Method and apparatus for determining recommended expressions, device and computer storage medium |
EP21164496.8A EP3968206A1 (en) | 2020-09-10 | 2021-03-24 | Method and apparatus for determining recommended expressions, device and computer storage medium |
KR1020210116208A KR102629247B1 (ko) | 2020-09-10 | 2021-09-01 | 추천 이모티콘 결정 방법, 장치, 전자 기기 및 컴퓨터 기록 매체 |
JP2021144994A JP7251025B2 (ja) | 2020-09-10 | 2021-09-06 | 推薦表情の確定方法、装置、デバイス及びコンピュータ記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010949844.6A CN112148133B (zh) | 2020-09-10 | 2020-09-10 | 确定推荐表情的方法、装置、设备和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112148133A true CN112148133A (zh) | 2020-12-29 |
CN112148133B CN112148133B (zh) | 2024-01-23 |
Family
ID=73889846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010949844.6A Active CN112148133B (zh) | 2020-09-10 | 2020-09-10 | 确定推荐表情的方法、装置、设备和计算机存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220075952A1 (zh) |
EP (1) | EP3968206A1 (zh) |
JP (1) | JP7251025B2 (zh) |
KR (1) | KR102629247B1 (zh) |
CN (1) | CN112148133B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230161788A (ko) | 2022-05-19 | 2023-11-28 | 주식회사 알고리마 | 인공신경망을 이용한 이모지 추천 장치 및 방법 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170185581A1 (en) * | 2015-12-29 | 2017-06-29 | Machine Zone, Inc. | Systems and methods for suggesting emoji |
CN106970949A (zh) * | 2017-03-03 | 2017-07-21 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及装置 |
CN107567619A (zh) * | 2015-02-11 | 2018-01-09 | 谷歌公司 | 基于来自多个数据源的情绪和/或行为信息来提供推荐 |
US20180061407A1 (en) * | 2016-08-30 | 2018-03-01 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for inputting information |
CN108401005A (zh) * | 2017-02-08 | 2018-08-14 | 腾讯科技(深圳)有限公司 | 一种表情推荐方法和装置 |
CN110019885A (zh) * | 2017-08-01 | 2019-07-16 | 北京搜狗科技发展有限公司 | 一种表情数据推荐方法及装置 |
CN111291184A (zh) * | 2020-01-20 | 2020-06-16 | 百度在线网络技术(北京)有限公司 | 表情的推荐方法、装置、设备及存储介质 |
CN111309937A (zh) * | 2020-01-21 | 2020-06-19 | 上海掌门科技有限公司 | 一种用于发布会话消息的方法与设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9495331B2 (en) * | 2011-09-19 | 2016-11-15 | Personetics Technologies Ltd. | Advanced system and method for automated-context-aware-dialog with human users |
KR101780809B1 (ko) | 2016-05-09 | 2017-09-22 | 네이버 주식회사 | 이모티콘이 함께 제공되는 번역문 제공 방법, 사용자 단말, 서버 및 컴퓨터 프로그램 |
US10387571B2 (en) * | 2016-07-20 | 2019-08-20 | Vidicons LLC | Networked device with suggested response to incoming message |
US20220121817A1 (en) | 2019-02-14 | 2022-04-21 | Sony Group Corporation | Information processing device, information processing method, and information processing program |
-
2020
- 2020-09-10 CN CN202010949844.6A patent/CN112148133B/zh active Active
-
2021
- 2021-03-23 US US17/210,169 patent/US20220075952A1/en not_active Abandoned
- 2021-03-24 EP EP21164496.8A patent/EP3968206A1/en active Pending
- 2021-09-01 KR KR1020210116208A patent/KR102629247B1/ko active IP Right Grant
- 2021-09-06 JP JP2021144994A patent/JP7251025B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107567619A (zh) * | 2015-02-11 | 2018-01-09 | 谷歌公司 | 基于来自多个数据源的情绪和/或行为信息来提供推荐 |
US20170185581A1 (en) * | 2015-12-29 | 2017-06-29 | Machine Zone, Inc. | Systems and methods for suggesting emoji |
US20180061407A1 (en) * | 2016-08-30 | 2018-03-01 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for inputting information |
CN108401005A (zh) * | 2017-02-08 | 2018-08-14 | 腾讯科技(深圳)有限公司 | 一种表情推荐方法和装置 |
CN106970949A (zh) * | 2017-03-03 | 2017-07-21 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及装置 |
CN110019885A (zh) * | 2017-08-01 | 2019-07-16 | 北京搜狗科技发展有限公司 | 一种表情数据推荐方法及装置 |
CN111291184A (zh) * | 2020-01-20 | 2020-06-16 | 百度在线网络技术(北京)有限公司 | 表情的推荐方法、装置、设备及存储介质 |
CN111309937A (zh) * | 2020-01-21 | 2020-06-19 | 上海掌门科技有限公司 | 一种用于发布会话消息的方法与设备 |
Non-Patent Citations (2)
Title |
---|
ZAN LI等: "Mobile User Emotion Perception based on Weight Loss Mechanism and Support Vector Machine", 《2019 IEEE 3RD INFORMATION TECHNOLOGY, NETWORKING, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (ITNEC)》 * |
柴媛媛;: "基于情感倾向的个性化信息推荐算法研究", 计算机光盘软件与应用, no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
US20220075952A1 (en) | 2022-03-10 |
KR20220033991A (ko) | 2022-03-17 |
JP2022046442A (ja) | 2022-03-23 |
EP3968206A1 (en) | 2022-03-16 |
CN112148133B (zh) | 2024-01-23 |
KR102629247B1 (ko) | 2024-01-24 |
JP7251025B2 (ja) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105814519B (zh) | 将图像或标签输入到电子设备的系统和方法 | |
US10664657B2 (en) | System and method for inputting images or labels into electronic devices | |
CN110750971B (zh) | 基于上下文的自动完成建议 | |
JP7091430B2 (ja) | インタラクション情報推薦方法及び装置 | |
CN111177355B (zh) | 基于搜索数据的人机对话交互方法、装置和电子设备 | |
CN111680517B (zh) | 用于训练模型的方法、装置、设备以及存储介质 | |
CN111651578B (zh) | 人机对话方法、装置及设备 | |
CN111460135B (zh) | 用于生成文本摘要的方法和装置 | |
CN111881254A (zh) | 话术生成方法、装置、电子设备及存储介质 | |
CN111105800A (zh) | 语音交互处理方法、装置、设备和介质 | |
CN111797216B (zh) | 检索项改写方法、装置、设备以及存储介质 | |
CN111611990A (zh) | 用于识别图像中表格的方法和装置 | |
CN112417103A (zh) | 用于检测敏感词的方法、装置、设备和存储介质 | |
CN112382287A (zh) | 语音交互方法、装置、电子设备和存储介质 | |
CN113495942A (zh) | 推送信息的方法和装置 | |
CN114357951A (zh) | 生成标准报告的方法、装置、设备及存储介质 | |
CN112148133B (zh) | 确定推荐表情的方法、装置、设备和计算机存储介质 | |
CN111291184B (zh) | 表情的推荐方法、装置、设备及存储介质 | |
CN111523019B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
EP3961424A1 (en) | Method and apparatus for rewriting search term, device and storage medium | |
CN109829157B (zh) | 文本情绪呈现方法、文本情绪呈现装置以及存储介质 | |
CN111385188A (zh) | 对话元素的推荐方法、装置、电子设备和介质 | |
CN114610163A (zh) | 推荐方法、装置和介质 | |
CN111897990A (zh) | 获取表情信息的方法、装置和系统 | |
CN112579875A (zh) | 投放信息标题的生成方法、装置、设备和介质 |
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 |