[发明专利]一种基于时序分析用户会话情感趋势的表情符号推荐方法

说明书

一种基于时序分析用户会话情感趋势的表情符号推荐方法，通过发掘用户聊天记录来分析对话的情感值，以此构建表情符号在情感矩阵中的映射关系；利用情感字典分析对话历史记录计算情感关键词；通过情感关键词以及计算规则计算会话的21维情感向量；通过时间序列（ARMA/ARIMA）模型对用户当前对话情感向量的发展进行单步预测，并将预测结果从映射关系中通过最近邻算法（KNN）选取最接近用户情感趋势的表情组并生成推荐列表。根据本发明所提供的技术方案，用户在使用聊天工具时，能够及时准确的向用户推荐出符合当前用户情感与会话语境的表情符号，从而极大地方便了用户选择表情符号的复杂操作，提高了推荐覆盖率，也增强了用户体验。

技术领域

本发明涉及智能推荐技术领域，具体涉及一种基于时序分析用户会话情感趋势的表情符号推荐方法。

背景技术

表情符号是现在人们日常上网聊天除了语言文字以外最重要的一种表达自身情感的方式和互动沟通方式，不同的表情符号承载着不同丰富的含义。英国语言词典的代表《牛津词典》在2015年末发布的年度词汇首次使用了一个emoji表情符号：Face with Tearsof Joy，官方解释为‘喜极而泣的笑脸’。由此可见，表情符号作为一种迎合21世纪快速、集中视觉需求背景下的产物，是极具代表性的。这种象形文字图像，例如emoji表情符号，可以补充平淡语言中的情感空白，可以为文字注入优美的语调，让交流方式变得丰富多彩，因此它超越了语言的限制，成为脱离语言而能够独立存在的个体，在网络中发挥着举足轻重的作用。

随着表情数量的持续增加，用户使用表情符号遇到了“选择困难症”。自大数据获得广泛关注至今，推荐系统作为一个能够缓解信息过载的有效方式，得到了广泛的认可和深层次的发展与应用。当可以使用的表情符号多到用户无从选择时，当用户为了快速回复而苦苦寻觅那个适合的表情符号时，当表情符号已经不再吸引用户时，表情符号推荐的需求便得以体现。

表情符号推荐的应用不仅能够解决推广问题，帮助制作表情符号的创作者们收获更大经济效益，让更多的作品能够被用户接受，同时，也更贴合用户的使用习惯，让聊天过程变得更轻松，快捷，方便，也能使聊天更加个性化。

表情符号的推荐目前主要以基于用户使用频率作为推荐依据，通过统计用户日常使用量，将使用最频繁的表情符号置入推荐列表里，然而这样的方式不仅未体现出任何推荐功能，还限制了自身表情符号的推广；在中文输入法中，多是通过用户输入的不完全拼音来预测用户将要输入的词语所对应的表情，或者根据表情符号对应的汉语标签进行匹配推荐，但是，从严格意义上说，这些都不属于推荐算法，只能说是历史记录的重现或者通过标签的表达。

成熟的推荐系统的最终目的是将那些很少进入用户视野的用户可能会感兴趣的产品推荐给用户，从而不仅满足了用户的猎奇心理，也使得潜在利益最大化，在表情符号的使用方面，大部分表情符号使用传统的基于使用频率的方法得到最终的推荐，无法适应用户的不同使用需求。因此，本发明充分考虑用户日常操作体验和其产生的需求，提出一种新的表情符号推荐方法：利用情感字典分析对话历史记录计算情感关键词，分析用户使用每一个表情符号时的前后情感变化计算表情符号—情感值映射字典，通过分析时间信息，利用自回归积分滑动平均模型计算下一个时间段的情感值，最后从表情符号情感字典中查询计算推荐表情符号。

发明内容