CN103136188A - 用于网络浏览用户的情绪估计的方法和*** - Google Patents

Abstract

本发明提供了用于网络浏览用户的情绪估计的方法和***。所述方法包括：基于背景内容为网站的页面估计情绪；接收用户所浏览的页面到当前页面的路径；以及基于到所述当前页面所采取的路径以及基于所访问的页面的背景内容的情绪，来估计所述用户对当前页面的情绪。所述方法也可以包括基于所估计的所述用户对当前页面的情绪，动态地改变提供给所述用户的网站内容。

Description

用于网络浏览用户的情绪估计的方法和***

技术领域

本发明涉及网络（web）浏览的分析领域。特别地，本发明涉及网络浏览用户的情绪（sentiment）分析。

背景技术

情绪分析提供用于估计团体或个人针对某个话题的各种情绪的方法。例如，可以将情绪分析用于确定一些人对于给定品牌或产品所持有的积极或消极态度。

情绪分析通常应用于在诸如博客、评论网站、微博（例如，Twitter（Twitter是Twitter公司的商标））的各种网络资源上由各种用户贡献的明确的（explicit）用户生成内容（UGC）。可以通过找到与感兴趣的话题（例如，品牌名称）共同出现的情绪关键词来分析明确的UGC。根据词汇（lexical）资源（例如，http://sentiwordnet.isti.cnr.it/上的SentWordNet语料库）将情绪关键词分类为积极和消极关键词。情绪分析可以返回诸如积极、消极等的情绪分数。

当前内容可以涵盖用户信息需求（根据用户简档（profile）），即，网页可以涵盖用户的初始信息需求，但用户可能针对他在网页中找到的实际内容具有消极情绪。

网络浏览情绪分析在分析用户对当前内容的情绪时，不同于用户的信息需求的用户剖析（profiling）。例如，尽管网页提供满足用户的初始信息需求的供应（offer），但网页中的供应可能不够好。

发明内容

根据本发明的第一个方面，提供了一种由使用处理器的计算机化的设备执行的计算机实施的方法，所述方法用于网络浏览用户的情绪估计，包括：基于背景内容为网站页面估计情绪；接收用户所浏览的页面到当前页面的路径；以及基于到所述当前页面所采取的路径以及基于所访问的页面的背景内容的情绪，来估计所述用户对当前页面的情绪。

根据本发明的第二个方面，提供了一种计算机程序产品，其用于网络浏览用户的情绪估计，所述计算机程序产品包括：计算机可读非临时存储介质，其中包含计算机可读程序代码，所述计算机可读程序代码包括：计算机可读程序代码，其被配置为：基于背景内容为网站页面估计情绪；接收用户所浏览的页面到当前页面的路径；以及基于到所述当前页面所采取的路径以及基于所访问的页面的背景内容的情绪，来估计所述用户对当前页面的情绪。

根据本发明的第三个方面，提供了用于网络浏览用户的情绪估计的***，包括：处理器；背景内容情绪估计组件，其用于基于背景内容为网站页面估计情绪；用户浏览路径接收器，其用于接收用户所浏览的页面到当前页面的路径；以及用户情绪估计器，其用于基于到所述当前页面所采取的路径以及基于所访问的页面的背景内容的情绪，来估计所述用户对当前页面的情绪。

根据本发明的第四个方面，提供了一种在网络（network）上将服务提供给客户的方法，所述服务包括：基于背景内容为网站页面估计情绪；接收用户所浏览的页面到当前页面的路径；以及基于到所述当前页面所采取的路径以及基于所访问的页面的背景内容的情绪，来估计所述用户对当前页面的情绪。

附图说明

在本发明的权利要求部分中特别地指出并明确地主张本发明的主题。当通过参考附图阅读下列详细描述时，可以最好地理解本发明（无论是操作的***还是方法）及其对象、特征和优势。附图中：

图1是根据本发明的方法的实施例的流程图；

图2A和2B是图1的方法的方面的示例实施例的流程图；

图3A和3B是根据本发明的***的实施例的框图；

图4是其中可以实施本发明的计算机***的框图；

图5是示出根据本发明的方面的示意图；以及

图6是示出根据本发明的示例的示意图。

将会理解的是，为了说明的简单和清楚起见，图中所示的元素不一定按比例绘制。例如，为了清楚，某些元素的尺寸可以相对于其它元素被夸大。此外，在认为适当的情况下，图中的标号可以重复，从而指示对应或相似的特征。

具体实施方式

在下列详细描述中，为了提供本发明的透彻理解，展示了许多具体细节。然而，本领域技术人员将会理解的是，本发明可以在没有这些具体细节的情况下实行。在其它实例中，并未详细描述熟知的方法、过程和组件，以免使本发明费解。

此处使用的术语仅为描述特定实施例的目的，并且不意图限定本发明。如此处所使用的，单数形式也意图包括复数形式，除非上下文明确指出并非如此。将进一步理解的是，在本说明书中使用的术语“包含”和/或“包括”指定所述的特征、整数、步骤、操作、元件、和/或组件的出现，但不排除一个或多个其它特征、整数、步骤、操作、元件、组件、和/或其组合的出现或增加。

与在所附权利要求中的所有装置或步骤以及功能元素相对应的结构、材料、行为及等同物都意图包括用于执行如具体要求权利的与其它要求权利的元素相结合的功能的任何结构、材料、或行为。已经为了说明和描述的目的而提供本发明的说明书，但所公开的形式不意图为详尽的或限定本发明。本领域技术人员将理解到不偏离本发明的精神和范围的多种修改和变化。选择和描述实施例是为了最好地解释本发明的原理和实际应用，并使本领域普通技术人员能够理解本发明的具有适合于预期的特定用途的多种修改的多种实施例。

描述了方法、***和计算机程序产品，其中基于用户的浏览方式以及基于背景网络流量（traffic）的情绪分析和/或网站自己的页面中嵌入的针对相关话题的社交媒体，而预测用户关于用户浏览的网站页面中的话题的情绪或观点。术语“话题（topic）”可以包括产品、服务、主题（subject）、网站等。基于所估计的情绪，***也可以使网站能够基于用户的情绪而提供替代品。

可以对心里的每个话题执行情绪分析。网页可以被映射到多个话题，因此，给定可以估计对每个页面话题的用户情绪，则可以得到该用户针对页面内容的总情绪。

能够估计或预测浏览网站的用户的情绪对于网站所有者可以是有很高的价值。例如，可以对被检测为对网站消极的用户（例如，由于针对网站的内容、服务、供应等使用了消极词语）提供更多协助或特别供应，其可以使她高兴并改善用户对网站的态度。另一方面，在电子商务领域的示例中，可以向被检测为积极的用户提供与该用户具有积极态度的当前产品相关的更多产品。这有助于提高网站的收益。

参考图1，流程图100示出所述的方法。

可以选择101要被分析的网站。该方法可以针对该网站维持的每个网站页面，基于其话题，使用流量信息和/或公共社交媒体数据的背景内容，估计102其情绪。

可以接收103某用户的网络浏览路径，并且可以为该路径中的网站页面估计104该用户的情绪。这可以通过接收每个页面步骤处的用户浏览路径以及生成用户对于该页面的情绪而动态地完成。

可选地，可以在浏览会话期间响应于所估计的用户情绪动态地改变105网站。这种动态改变可以基于由该网站所有者提供的、所估计的情绪的定义阈值。

所述方法提供了利用情绪数据建造预测网站中的用户情绪的网络浏览模型的方法。

参考图2A，流程图200示出用于执行图1的步骤102的方法的示例实施例，针对每个网站页面使用流量信息和/或公共社交媒体形式的背景内容估计其情绪。

对于给定的网页，可以提取201网页所涉及的前k个话题（或项（term））。可以通过使用特征提取方法（例如，Kullback–Leibler散度、互信息（MutualInformation）、词频-逆向文件频率权重等）或者更复杂的话题模型（诸如隐含狄利克雷分配（LDA））来完成它。

给定前k个话题的列表，每个话题t可以具有所计算202的权重w(t)（对总和1归一化），其表示网页的代表性（representativeness）。

可以对每个情绪类别c分析203话题的情绪（标记为S(t,c)）。

取决于网站的流量信息的存在，可以通过三种方法得到每个话题的情绪。

如果存在关于网页的可用流量信息，则可以获得204该流量信息的内容以得到每个页面话题的情绪。这种流量可以包含下列一个或多个：

·登陆（landing）询问文本（例如，“我想取消我的订阅”，其包括对“订阅”的话题的消极情绪“取消”。）；

·经由内链接锚文本（in-links anchor texts）的登陆页面（例如，<ahref＝".../company X″>我十分讨厌由该网站提供的这家公司X！！</a>，其中“讨厌”是对话题“公司X”的消极情绪。）；或者

·周围文本（例如，其中包括链接的帖子或评论）。

如果不存在关于网页的流量信息，则可以通过获取公共社交媒体205（例如，Twitter（Twitter是Twitter公司的商标））来分析每个网站页面话题的情绪，而估算其情绪。

可以组合上述两种方法来得到针对该网页的总情绪分数（例如，使用平滑化（smoothing））。

可以定义206情绪类别。为简单起见，在该实施例中假定有积极和消极两个情绪类别。扩展到更多情绪类别是很直接的（例如，积极、消极、中性）。

给定话题，可以根据分析207与该话题共同出现的关键词以及将它们分类208为消极和积极关键词来得到针对该话题的情绪。可以使用词汇资源来执行分类（例如，SentiWordNet语料库http://sentiwordnet.isti.cnr.it/）。

例如，如果话题是“公司X”，则下列句子“我讨厌公司X”会将消极情绪分配给该话题，而像句子“公司X是最好的***”将被分配积极情绪。

总页面情绪可被推导209为页面的话题上的加权和，S(p,c)=sumw(t)*S(t,c)。

参考图2B，流程图250示出用于执行图1的步骤104的方法的示例实施例，估计或预测浏览网站的用户的情绪。

对于每个网站页面p，假定存在将情绪类别映射251到其概率的概率函数。对于情绪类别c（例如，消极、积极等），让P_s(p,c)表示页面p的情绪为c的概率。可以将这样的概率推导252为P_s(p,c)=S(p,c)/sum_{c'}S(p,c')。

浏览网站的用户的情绪可以基于用户的浏览路径和与每个网站页面相关联的情绪概率。

可以获得253用户的浏览路径b=p1->p2->p3->...->pk，其中p1,p2,p3，...pk是网站页面。接着通过沿着该用户的浏览路径综合（aggregate）（例如，通过乘法）254情绪概率而估计该用户基于其浏览方式的情绪概率，P_s(u,c|b)=P_s(p1,c)*P_s(p2,c)...*P_s(pk,c)。

在用户的u浏览的每一步，可以提供要检验255的阈值概率，其可以定义来自用于网站所有者反应的条件。如果不满足所定义的阈值条件，则方法可以继续257估计在步骤253中获得的用户路径的下一个网站页面的情绪概率。如果满足阈值条件，则可以由网站提供256动态反应。

参考图3A，框图300示出所述***的示例实施例。

用户201可以浏览网站310的页面311-313。每个用户201可以跟随穿过跟随链接的页面311-313的路径。

可以提供背景内容监测组件330，包括流量信息监测组件331和公共社交媒体监测组件332中的一者或两者。流量信息监测组件331可以监测网站页面，用于登陆询问文本、内链接锚文本、周围文本等。公共社交媒体监测组件332可以监测涉及从公共社交媒体站点获得的网站页面的数据。

可以提供情绪估计***320，用于估计当用户浏览网站页面时他的情绪。

情绪估计***320可以包括用于选择要监测的网站的网站选择器组件321。可以提供背景内容情绪估计组件322，用于基于由背景内容监测组件330监测的背景内容，为网站的每个页面估计情绪。

情绪估计***320也可以包括用户浏览路径接收器323，用于接收用户正在浏览的网站页面的路径。可以提供用户情绪估计器324，用于为网站页面估计用户的情绪。可以提供动态内容改变组件325，用于响应于用户的估计情绪而动态地改变网站内容。

图3B中示出了情绪估计***320的其它细节。

背景内容情绪估计组件322可以包括话题提取器组件341，用于提取网站页面涉及的热门话题（top topic）。话题提取器组件341可以使用特征提取方法或话题模型。可以提供话题加权组件342，用于确定表示话题与网站页面的关联性（relevance）的归一化权重。

可以在背景内容情绪估计组件322中提供话题情绪分析器343，用于根据可以在情绪类别定义组件346中定义的情绪类别而分析话题。话题情绪分析器343可以包括流量信息接收器344和公共社交媒体数据接收器345，并且可以从接收器344、345的一个或两个中获得背景内容数据。可以提供关键词分类器347，以将在话题和情绪类别中共同出现的关键词分类，所述情绪类别可以参考词汇资源349。可以在背景内容情绪估计组件322中提供网站页面情绪组件348，用于将总页面情绪推导为页面话题上的加权和。

用户情绪估计器324可以包括网站页面情绪概率组件351，其可以得到页面的情绪在情绪类别中的概率。可以提供路径概率综合（aggregation）组件352，以为沿着用户浏览的路径而到达的页面确定概率情绪类别。

用户情绪估计器324可以包括阈值条件定义组件353，用于定义阈值条件，当满足该阈值条件时，其可以导致提供给用户的网站内容的动态改变。阈值条件检验组件354可以检验用户对网站页面的情绪类别的概率。

参考图4，用于实施本发明的方面的示例性***包括适合于存储和/或执行程序代码的数据处理***400，其包括通过总线***403直接或间接地连结到存储器元件的至少一个处理器401。存储器元件可以包括在程序代码的实际执行期间采用的本地存储器、大容量存储器、以及高速缓冲存储器，其提供至少某些程序代码的临时存储，从而减少必须在执行期间从大容量存储器检索代码的次数。

存储器元件可以包括只读存储器（ROM）404和随机存取存储器（RAM）405形式的***存储器402。可以在ROM 404中存储基本输入/输出***（BIOS）406。可以在RAM 405中存储包括操作***软件408的***软件407。也可以在RAM 405中存储软件应用程序410。

***400也可以包括诸如磁硬盘驱动器的主存储器装置411以及诸如磁盘驱动器和光盘驱动器的辅助存储器装置412。驱动器以及它们相关的计算机可读介质提供计算机可执行指令、数据结构、程序模块及用于***400的其它数据的非易失性存储。可以在主存储器装置和辅助存储器装置411、412以及***存储器402中存储软件应用程序。

计算***400也可以在联网的环境中操作，其经由网络适配器416使用逻辑连接而连接到一个或多个远程计算机。

输入/输出驱动器413可以直接地或者通过中间I/O控制器而连结到***。用户可以通过诸如键盘、指点设备、或其它输入设备（例如，麦克风、操纵杆、游戏板（pad）、碟形卫星信号接收器、扫描仪等）的输入设备而将命令和信息输入到***400。输出设备可以包括扬声器、打印机等。显示设备404也经由诸如视频适配器415的接口而连接到***总线403。

参考图5，图500示出如何基于链接到网站页面的网页内链接锚文本而从流量信息得到网站页面的情绪。将网站页面描绘为大圆501-505，并且将链接流量网页描绘为小圆511-523。

将表示内链接网页的小圆511-523分级，显示所分析的对于内链接网页的情绪。例如，可以通过诸如红色表示消极和绿色表示积极的色彩化来表示级别（grading）。在图5中，红色被描绘为点，并且绿色被描绘为斜线。

接着从连接到该网站页面的内链接网页的级别导出，而将表示网站页面的大圆501-505分级。例如，由大圆504表示的页面具有消极内链接和积极内链接，并且因此被分级为半积极（斜线）半消极（点）。

基于每个网站页面的该初始情绪分析，网站所有者可以做出决定。例如，网站所有者可以决定移除关于接收非常消极的情绪的供应的那些页面。作为另一个示例，网站所有者可以决定添加减轻消极情绪的内容。

图6进一步示出具有积极和消极情绪浏览路径的场景，以演示情绪阈值的使用。

用户“Alice”想买新公司X的移动电话。使用搜索引擎搜索“公司X”601时，Alice得到引导她到卖移动电话并提供各种相关服务的网站的结果。

分析话题“公司X”显示出，公司X具有非常积极的情绪，积极的概率为0.8，而消极的概率仅为0.2。因此，模型假定，当Alice在网站中到达她在公司X上的登陆网页602时，Alice具有0.8的概率是对公司X积极的。

到达网站的第一个网页602时，Alice看到链接到卖公司X的两种不同类型（模型A和模型B）的移动电话的两个网页的两个链接。

分析描述模型A的详述（specification）的网页603的情绪显示出，网站建议（propose）的详述接收到具有0.8的高概率的消极情绪。另一方面，关于模型B的详述的网页604接收到高概率的积极情绪。

基于用户的决定，可以预测，是否存在如下可能性：在她浏览了模型B详述网页604的情况下她的情绪还保持积极（概率为0.8*0.9=0.72），或者在她浏览了模型A详述网页603的情况下她的情绪会背离（概率为0.8*0.2=0.16）。

假设网站所有者已经定义对于每个网页的阈值0.1，以在非常低的积极情绪概率的情况下做出反应。

例如，在用户继续浏览模型A供应网页605的情况下，她的积极情绪概率将被估计为0.8*0.2*0.1＝0.016。这是由于对网站模型A供应估计了非常消极的情绪（例如，如果每个人都认为价格过高）。

在这种情况下，满足了网站所有者设置的阈值，并且网站所有者可能想提高用户将仍然喜欢该供应的机会。例如，网站所有者可能想采取某些行动，诸如与原始供应和价格一起供应附送耳机或电池，使该供应对于这样的用户更有吸引力。

另一方面，如果用户跟随相对“积极”的情绪路径并且到达模型B供应网页606，则估计该用户的积极情绪为0.8*0.9*0.8=0.576。

对这种情况，网站所有者可以使用另一个阈值以向该用户推送更多涉及模型B的供应。例如，网站所有者也可以与模型B移动电话一起，向该用户显示该用户可能独立购买的耳机。

所述方法并不仅仅是对基于话题的粒度（granularity）的情绪分析的使用，并且还是如上所述的在平均用户的用户模型中获得每个节点的情绪、以及如何使用该模型进行预测的方法。

没有作为用户生成内容的这种明确信号的情况下，基于针对网站的网页（及其话题）的平均用户情绪的用户浏览模型是有利的。因而可以使用该模型用于基于用户在网站中的行为而预测用户的情绪。

可以提供情绪预测***作为网络上对客户的服务。

本领域技术人员将会认识到的是，本发明的方面可以作为***、方法或计算机产品而实施。因此，本发明的方面可以采取完整硬件实施例、完整软件实施例（包括固件、常驻软件、微代码等）、或者组合通常可以在这里被称为“电路”、“模块”或“***”的全部的软件和硬件方面的实施例的形式。此外，本发明的方面可以采取在具有对其实施计算机可读程序代码的一个或多个计算机可读介质中实施的计算机程序产品的形式。

可以使用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质例如可以是电、磁、光、电磁、红外或半导体***、装置、或设备，或者前述的任何合适的组合，但不限于此。计算机可读存储介质的更具体的示例（非穷尽列表）将包括下列：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦可编程只读存储器（EPROM或闪存）、光纤、便携式压缩磁盘只读存储器（CD-ROM）、光存储设备、磁存储设备、或者前述的任何合适的组合。在本文件的语境中，计算机可读存储介质可以是任何有形介质，其可以包含或存储用于由指令执行***、装置、或设备使用或与指令执行***、装置、或设备相连接的程序。

计算机可读信号介质可以包括具有在其中实施的计算机可读程序代码的传播的数据信号，例如，在基带或作为载波的一部分。这种传播的信号可以采取多种形式中的任何一种，包括但不限于电-磁、光、或其任何合适的组合。计算机可读信号介质可以是并非计算机可读存储介质的任何计算机可读介质，并且可以通信、传播、或传输用于由指令执行***、装置、或设备使用或者与指令执行***、装置、或设备相连接的程序。

可以使用任何适当的介质（包括但不限于无线、有线、光纤线缆、射频等）或者前述的任何合适的组合来发送在计算机可读介质上实施的程序代码

用于执行本发明的方面的操作的计算机程序代码可以被编写为一种或多种编程语言的任何组合，包括面向对象的编程语言（诸如Java、Smalltalk、C++等）以及传统的过程编程语言（诸如“C”编程语言或类似的编程语言）。程序代码可以全部在用户的计算机上执行、部分地在用户的计算机上执行、作为独立软件包执行、部分在用户的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。在后者的情形中，远程计算机可以通过任何类型的网络（包括局域网（LAN）或广域网（WAN））连接到用户的计算机，或者可以连接到外部计算机（例如，通过使用互联网服务供应商的互联网）。

参照根据本发明的实施例的方法、装置（***）和计算机程序产品的流程图和/或框图描述本发明的方面。将会理解的是，可以通过计算机程序指令实施流程图和/或框图的每个块以及流程图和/或框图中的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机、或者其它可编程数据处理装置的处理器，以产生机器，从而使经由计算机或其它可编程数据处理装置的处理器执行的指令创建用于实施流程图和/或框图的块中指定的功能/动作的装置。

这些计算机程序指令也可以存储在计算机可读介质中，其指引计算机、其它可编程数据处理装置、或其它设备以特定的方式工作，使得存储在计算机可读介质中的指令产生制造品，其包括实施流程图和/或框图的块中指定的功能/动作的指令。

计算机程序指令也可以被加载到计算机、其它可编程数据处理装置、或其它设备上，以导致在计算机、其它可编程装置、或其它设备上执行一系列操作步骤，从而产生计算机实施的进程，使得在计算机或其它可编程装置上执行的指令提供用于实施流程图和/或框图的块中指定的功能/动作的进程。

附图中所示的流程图和框图示出了根据本发明的各种实施例的***、方法和计算机程序产品的可能实施方式的结构、功能和操作。在这点上，流程图或框图中的每个块可以表示模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实施指定逻辑功能的可执行指令。也应当注意的是，在某些作为替换的实施方式中，块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，两个接连示出的块实际上可以基本同时地执行，或者这些块有时也可以按相反的顺序执行，这取决于所涉及的功能。也要注意的是，框图和/或流程图中的每个块、以及框图和/或流程图中的块的组合可以用执行指定功能或动作的专用的基于硬件的***来实施，或者可以用专用硬件与计算机指令的组合来实施。

Claims (18)

1.一种由使用处理器的计算机化的设备执行的计算机实施的方法，所述方法用于网络浏览用户的情绪估计，包括：

基于背景内容为网站的页面估计情绪；

接收用户所浏览的页面到当前页面的路径；以及

基于到所述当前页面所采取的路径以及基于所访问的页面的背景内容的情绪，来估计所述用户对当前页面的情绪。

2.如权利要求1所述的方法，包括：

基于所估计的所述用户对当前页面的情绪，动态地改变提供给所述用户的网站内容。

3.如权利要求1所述的方法，其中基于背景内容为网站的页面估计情绪，包括：

从页面提取多个热门话题；

对与所述页面关联的话题加权；

分析所述话题，以将所述话题分类到情绪类别中；以及

通过组合所述话题得到估计的页面情绪。

4.如权利要求1所述的方法，其中从到页面的流量信息、以及涉及所述页面的话题的公共社交媒体中的一者或二者中获得背景内容。

5.如权利要求4所述的方法，其中到页面的流量信息包括下组信息中的一个或多个：登陆询问文本、内链接锚文本、周围文本。

6.如权利要求3所述的方法，包括：

将情绪类别定义为下组类别中的一个或多个：积极类别、消极类别、中性类别、其它情绪类别。

7.如权利要求3所述的方法，其中分析所述话题以将所述话题分类到情绪类别分析话题和情绪类别中关键词的共同出现。

8.如权利要求1所述的方法，其中基于到所述当前页面所采取的路径来估计所述用户对当前页面的情绪、以及基于所访问的页面的背景内容来估计所述情绪，包括：

确定对页面的情绪在情绪类别中的概率；

综合针对沿着所述用户到所述当前页面的路径的页面的情绪概率。

9.如权利要求1所述的方法，包括：

通过估计的用户到当前页面的情绪来确定是否满足定义的阈值条件。

10.一种用于网络浏览用户的情绪估计的***，包括：

处理器；

背景内容情绪估计组件，用于基于背景内容为网站的页面估计情绪；

用户浏览路径接收器，用于接收用户所浏览的页面到当前页面的路径；以及

用户情绪估计器，用于基于到所述当前页面所采取的路径以及基于所访问的页面的背景内容的情绪，来估计所述用户对当前页面的情绪。

11.如权利要求10所述的***，包括：

动态内容改变组件，用于基于所估计的所述用户对当前页面的情绪而动态地改变提供给所述用户的网站内容。

12.如权利要求10所述的***，其中所述背景内容情绪估计组件包括：

话题提取器组件，用于从页面提取多个热门话题；

话题加权组件，用于对与所述页面关联的话题加权；

话题情绪分析器，用于分析所述话题，以将所述话题分类到情绪类别中；以及

页面情绪组件，用于通过组合所述话题而得到估计的页面情绪。

13.如权利要求10所述的***，其中所述背景内容情绪估计组件包括下列一者或二者：流量信息接收器，用于接收到页面的流量信息；以及公共社交媒体数据接收器，用于接收涉及所述页面的话题的公共社交媒体。

14.如权利要求12所述的***，包括：

情绪类别定义组件，用于将情绪类别定义为下组类别中的一个或多个：积极类别、消极类别、中性类别、其它情绪类别。

15.如权利要求12所述的***，其中用于分析所述话题以将所述话题分类到情绪类别中的所述话题情绪分析器分析话题和情绪类别中关键词的共同出现。

16.如权利要求10所述的***，其中所述用户情绪估计器包括：

页面情绪概率组件，用于确定对页面的情绪在情绪类别中的概率；

路径概率综合组件，用于综合针对沿着所述用户到所述当前页面的路径的页面的情绪概率。

17.如权利要求10所述的***，包括：

阈值条件检验组件，用于通过估计的用户对当前页面的情绪来确定是否满足定义的阈值条件。

18.一种在网络上将服务提供给客户的方法，所述服务包括：

基于背景内容为网站的页面估计情绪；

接收用户所浏览的页面到当前页面的路径；以及

基于到所述当前页面所采取的路径以及基于所访问的页面的背景内容的情绪，来估计所述用户对当前页面的情绪。

Images