CN106095868A - 获取心情信息的方法及装置 - Google Patents
获取心情信息的方法及装置 Download PDFInfo
- Publication number
- CN106095868A CN106095868A CN201610391369.9A CN201610391369A CN106095868A CN 106095868 A CN106095868 A CN 106095868A CN 201610391369 A CN201610391369 A CN 201610391369A CN 106095868 A CN106095868 A CN 106095868A
- Authority
- CN
- China
- Prior art keywords
- information
- mood
- log information
- model
- obtaining
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开是关于获取心情信息的方法及装置。该方法包括:获取目标终端的第一日志信息;获取心情模型,所述心情模型包括日志信息与心情信息之间的对应关系;根据所述心情模型获取与所述第一日志信息匹配的第一心情信息。该技术方案能够提高心情信息预测的准确性,及时准确地获知用户目前的心情,还可以根据获得的心情信息向用户推荐相应的网络产品或实体产品,甚至提供心理咨询、心理治疗等服务。
Description
技术领域
本公开涉及获取心情信息技术领域,尤其涉及获取心情信息的方法及装置。
背景技术
目前,随着社会经济和科技的加速发展,社会分工越来越细,知识的更新换代越来越快,竞争越来越激烈,人们的工作和生活压力也越来越大,进而与工作生活压力相关的一系列生理与心理问题相继而来,因此涌现出一些获取用户心情信息的方法,以在此基础上及时提供相关服务,缓解心理问题。但是根据现有技术获取得到的心情信息准确性较低,难以得到广泛、有效的应用。
发明内容
本公开实施例提供获取心情信息的方法及装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种获取心情信息的方法,包括:
获取目标终端的第一日志信息;
获取心情模型,所述心情模型包括日志信息与心情信息之间的对应关系;
根据所述心情模型获取与所述第一日志信息匹配的第一心情信息。
在一个实施例中,所述方法还包括:
获取所述目标终端在预设时间段内的历史日志信息;
获取每项历史日志信息对应的第二心情信息;
根据所述历史日志信息和所述第二心情信息,确定所述心情模型。
在一个实施例中,所述根据所述历史日志信息和所述第二心情信息,确定所述心情模型,包括:
根据所述历史日志信息和所述第二心情信息,并利用反向传播back-propagation方法,训练所述心情模型。
在一个实施例中,所述方法还包括:
接收输入的每项历史日志信息各自对应的心情信息;
存储每项历史日志信息与所述输入的心情信息之间的对应关系;
所述获取每项历史日志信息对应的第二心情信息,包括:
根据所述对应关系,获取每项历史日志信息对应的第二心情信息。
在一个实施例中,所述根据所述心情模型获取与所述第一日志信息匹配的第一心情信息,包括:
获取所述心情模型中与所述第一日志信息匹配度最高的第二日志信息;
根据所述心情模型获取与所述第二日志信息对应的第二心情信息;
根据所述第二心情信息获取所述第一心情信息。
在一个实施例中,所述心情模型包括三分类深度神经网络模型。
在该实施例中,使用能够处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题的神经网络模型,能够基于输入的多模态心情测试数据对于心情进行准确地分类,从而能够进一步根据获取得到的心情信息为用户提供相应的服务,使得本公开方法行之有效。
在一个实施例中,所述第一日志信息包括:身份信息和行为信息。
在一个实施例中,所述身份信息包括以下至少一项:年龄信息、性别信息、教育背景信息、家庭信息、工作信息;
所述行为信息包括以下至少一项:历史操作记录、历史位置信息、时间信息。
在该组实施例中,上述采集的数据信息都是有可能与用户当前的心情有关,或者有可能反映用户当前心情的信息和数据,利用这些数据确定心情模型,能够获得相对准确的心情分类。
在一个实施例中,所述方法还包括:
控制所述目标终端输出与所述第一心情信息匹配的推送信息,所述推送信息包括以下至少一项:网络产品信息、实体产品信息、心理咨询信息、心理治疗信息。
在该实施例中,可根据具体确定的当前用户的心情类型为用户提供相应的预设服务,以迎合用户当前的心情,或烘托用户愉悦的心情,或缓解用户低落的心情。该技术方案能够准确及时地获知用户目前的心情状况,并据此向用户有针对性的推荐相应的网络产品或实体产品,甚至提供心理咨询、心理治疗等服务。
根据本公开实施例的第二方面,提供一种获取心情信息装置,包括:
第一获取模块,用于获取目标终端的第一日志信息;
第二获取模块,用于获取心情模型,所述心情模型包括日志信息与心情信息之间的对应关系;
第三获取模块,用于根据所述心情模型获取与所述第一日志信息匹配的第一心情信息。
在一个实施例中,所述装置还包括:
第四获取模块,用于获取所述目标终端在预设时间段内的历史日志信息;
第五获取模块,用于获取每项历史日志信息对应的第二心情信息;
确定模块,用于根据所述历史日志信息和所述第二心情信息,确定所述心情模型。
所述确定模块包括:
训练子模块,用于根据所述历史日志信息和所述第二心情信息,并利用反向传播back-propagation方法,训练所述心情模型。
在一个实施例中,所述装置还包括:
接收模块,用于接收输入的每项历史日志信息各自对应的心情信息;
对应关系存储模块,用于存储每项历史日志信息与所述输入的心情信息之间的对应关系;
所述第五获取模块包括:
第一获取子模块,用于根据所述对应关系,获取每项历史日志信息对应的第二心情信息。
在一个实施例中,所述第三获取模块包括:
第二获取子模块,用于获取所述心情模型中与所述第一日志信息匹配度最高的第二日志信息;
第三获取子模块,用于根据所述心情模型获取与所述第二日志信息对应的第二心情信息;
第四获取子模块,用于根据所述第二心情信息获取所述第一心情信息。
在一个实施例中,所述心情模型包括三分类深度神经网络模型。
在该实施例中,使用能够处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题的神经网络模型,能够基于输入的多模态心情测试数据对于心情进行准确地分类,从而能够进一步根据获取得到的心情信息为用户提供相应的服务,使得本公开装置行之有效。
在一个实施例中,所述第一日志信息包括:身份信息和行为信息。
在一个实施例中,所述身份信息包括以下至少一项:年龄信息、性别信息、教育背景信息、家庭信息、工作信息;
所述行为信息包括以下至少一项:历史操作记录、历史位置信息、时间信息。
在该组实施例中,上述采集的数据信息都是有可能与用户当前的心情有关,或者有可能反映用户当前心情的信息和数据,利用这些数据确定心情模型,能够获得相对准确的心情分类。
在一个实施例中,所述装置还包括:
输出模块,用于控制所述目标终端输出与所述第一心情信息匹配的推送信息,所述推送信息包括以下至少一项:网络产品信息、实体产品信息、心理咨询信息、心理治疗信息。
在该实施例中,输出模块可根据具体确定的当前用户的心情类型为用户提供相应的预设服务,以迎合用户当前的心情,或烘托用户愉悦的心情,或缓解用户低落的心情。上述技术方案能够准确及时地获知用户目前的心情状况,并据此向用户推荐相应的网络产品或实体产品、提供心理咨询、心理治疗等服务。
根据本公开实施例的第三方面,提供一种获取心情信息装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取目标终端的第一日志信息;
获取心情模型,所述心情模型包括日志信息与心情信息之间的对应关系;
根据所述心情模型获取与所述第一日志信息匹配的第一心情信息。
本公开的实施例提供的技术方案可以包括以下有益效果:
上述技术方案提供了一种获取心情信息的技术,该技术能够根据已知的用户日志信息,比如用户身份信息和行为信息,以及事先获得的用户日志信息与用户心情信息之间的对应关系确定一心情模型,然后将实时得到的与待预测心情相关的当前用户的日志信息输入至所述心情模型中,即可准确确定该当前用户的心情信息。基于上述技术方案,能够提高心情预测的准确性,及时准确地获知用户目前的心情。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例一示出的获取心情信息方法的流程图。
图2是根据一示例性实施例二示出的获取心情信息方法的流程图。
图3是根据一示例性实施例三示出的获取心情信息方法的流程图。
图4是根据一示例性实施例四示出的获取心情信息方法的流程图。
图5是根据一示例性实施例五示出的获取心情信息方法的流程图。
图6是根据一示例性实施例一示出的获取心情信息装置的框图。
图7是根据一示例性实施例二示出的获取心情信息装置的框图。
图8是根据一示例性实施例三示出的获取心情信息装置的框图。
图9是根据一示例性实施例四示出的获取心情信息装置的框图。
图10是根据一示例性实施例五示出的获取心情信息装置的框图。
图11是根据一示例性实施例示出的一种用于获取心情信息装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。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获取心情信息的技术,该技术能够根据已知的用户日志信息,比如用户身份信息和行为信息,以及事先获得的用户日志信息与用户心情信息之间的对应关系确定一心情模型,然后将实时得到的与待预测心情相关的当前用户的日志信息输入至心情模型中,即可准确确定该当前用户的心情信息。基于上述技术方案,能够提高心情预测的准确性,及时准确地获知用户目前的心情。
下面对于上述获取心情信息的技术进行详细地描述:
图1是根据一示例性实施例一示出的获取心情信息的方法的流程图,如图1所示,所述获取心情信息的方法包括以下步骤S101-S103:
在步骤S101中,获取目标终端的第一日志信息;
在步骤S102中,获取心情模型,心情模型包括日志信息与心情信息之间的对应关系;
在步骤S103中,根据心情模型获取与第一日志信息匹配的第一心情信息。
上述获取心情信息的方法中,能够根据事先获得的用户日志信息,比如用户身份信息和行为信息,以及事先获得的用户日志信息与用户心情信息之间的对应关系确定一心情模型,然后将实时得到的与待预测心情相关的当前用户的日志信息输入至心情模型中,即可准确确定该当前用户的心情信息,心情信息可分为三类:正面心情,比如开心、高兴、愉快、喜悦、快乐等;负面心情,比如伤心、悲伤、难过、忧伤、焦虑、苦闷、郁闷等;和中立心情,比如平静、平和等。
在一个实施例中,步骤S102可实施为如下步骤S202-S204,如图2所示,获取心情信息的方法包括以下步骤S201-S205:
在步骤S201中,获取目标终端的第一日志信息;
在步骤S202中,获取目标终端在预设时间段内的历史日志信息;
在步骤S203中,获取每项历史日志信息对应的第二心情信息;
在步骤S204中,根据历史日志信息和第二心情信息,确定心情模型;
在步骤S205中,根据心情模型获取与第一日志信息匹配的第一心情信息。
在一个实施例中,步骤S204可实施为:
根据历史日志信息和第二心情信息,并利用反向传播(back-propagation)方法,训练心情模型。
其中,第二心情信息为已知历史日志信息所对应的已知心情信息,即该已知历史日志信息对应的心情是正面心情、负面心情还是中立心情。
在一个实施例中,步骤S202之后还包括步骤S303-S304,步骤S203可实施为步骤S305,如图3所示,获取心情信息的方法包括以下步骤S301-S307:
在步骤S301中,获取目标终端的第一日志信息;
在步骤S302中,获取目标终端在预设时间段内的历史日志信息;
在步骤S303中,接收输入的每项历史日志信息各自对应的心情信息;
在步骤S304中,存储每项历史日志信息与输入的心情信息之间的对应关系;
在步骤S305中,根据对应关系,获取每项历史日志信息对应的第二心情信息;
在步骤S306中,根据历史日志信息和第二心情信息,确定心情模型;
在步骤S307中,根据心情模型获取与第一日志信息匹配的第一心情信息。
在一个实施例中,步骤S103可实施为步骤S403-S405,如图4所示,获取心情信息的方法包括以下步骤S401-S405:
在步骤S401中,获取目标终端的第一日志信息;
在步骤S402中,获取心情模型,心情模型包括日志信息与心情信息之间的对应关系;
在步骤S403中,获取心情模型中与第一日志信息匹配度最高的第二日志信息;
在步骤S404中,根据心情模型获取与第二日志信息对应的第二心情信息;
在步骤S405中,根据第二心情信息获取第一心情信息。
在该实施例中,将当前用户的第一日志信息与心情模型中的第二日志信息进行比对,得到与第一日志信息匹配度最高的第二日志信息,根据心情模型中存储的日志信息与心情信息之间的对应关系,获得与第二日志信息对应的第二心情信息,进而就可以根据第二心情信息获得第一心情信息,即与当前用户的第一日志信息所匹配的心情信息。由于本公开所采集的确定心情模型的用户历史日志信息较为完备,因此,在将当前用户的第一日志信息输入至心情模型之后,就能够准确地确定与当前用户的第一日志信息所匹配的心情类型。
在一个实施例中,心情模型包括三分类深度神经网络模型。
由于在该实施例中,需要将用户心情分为正面心情、负面心情和中立心情三类,因此心情模型需为三分类模型。考虑到神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题,因此,本实施例采用能够处理多模态数据的三分类深度神经网络模型。其中,BP神经网络模型能够学***方和最小,因此本实施例采用back-propagation方法进行训练。
在该实施例中,使用能够处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题的神经网络模型,能够基于输入的多模态心情测试数据对于心情进行准确地分类,从而能够进一步根据获取得到的心情信息为用户提供相应的服务,使得本公开方法行之有效。
在一个实施例中,第一日志信息包括:身份信息和行为信息。
在一个实施例中,身份信息包括以下至少一项:年龄信息、性别信息、教育背景信息、家庭信息、工作信息;行为信息包括以下至少一项:历史操作记录、历史位置信息、时间信息。
其中,身份信息包括用户的年龄信息、性别信息、教育背景信息、家庭信息、工作信息中的一种或多种,比如教育背景信息可包括教育程度信息、曾就读学校信息等信息,家庭信息可包括父母信息、婚姻信息、子女信息、家庭住址信息等,工作信息可包括工作性质、从业时间、工作地点等信息;其中,行为信息包括历史操作记录、历史位置信息、时间信息中的一种或多种,比如历史操作记录至少包括对应用程序的历史操作记录,应用程序包括:网页浏览器、摄像应用、记事本应用、备忘录应用、通讯类应用、文件下载应用中的一种或多种;对应用程序的历史操作记录可包括启动的应用程序信息、使用的应用程序的内容信息、开启或关闭应用程序的频率、停留在某一应用程序上的时间、使用应用程序的总时间、用户所拍摄照片信息、记事本信息、备忘录信息、通话对象、通话时间、下载文件信息等等,所拍摄照片信息可包括所拍摄照片的数量信息、时间信息、地点信息、所拍摄照片中的景物信息、自拍照中的表情信息等信息,记事本信息可包括记事时间、记录文字中与心情相关的关键词等信息,备忘录信息可包括记录时间、记录文字中与心情相关的关键词等信息,下载文件信息可包括下载的文件的类别、关键词等信息等等。当然,历史操作记录还可以包括网页历史操作数据等,网页历史操作数据可包括浏览的网站信息、浏览的网页信息、开启或关闭网页的频率、停留在某一网页上的时间、浏览网页的总时间等。
在该实施例中,上述采集的数据都是有可能与用户当前心情有关,或者有可能反映用户当前心情的信息和数据,利用这些数据能够获得对心情进行相对准确分类的心情模型。比如,中年人所承受的工作和生活压力通常比较大,而年轻人所承受的工作和生活压力相对比较小;女性的心情波动通常比较大,男性的心情相对比较稳定;高知背景以及高科技行业人群的工作压力比较大,普通行业人群的工作压力相对比较小;子女年幼、老人身体欠佳的家庭通常压力比较大,尚无子女、老人身体健康的家庭通常压力相对比较小;等等。比如,经常浏览负面新闻的用户心情通常存在些许异常;长时间打游戏的用户可能工作生活压力比较大;频繁打开关闭浏览页面或应用程序的用户可能工作生活压力比较大,心情比较焦虑;如果用户所浏览的页面中与负面心情有关的关键词频繁出现,则用户有可能陷入苦闷心情之中。再比如,如果用户拍摄的照片数量比较多、拍摄地点比较丰富,则说明该用户相对比较有生活情趣,反之,则说明该用户的生活可能比较乏味;如果用户所拍摄照片中的景物信息比较丰富,说明用户心情比较愉悦,反之,则说明用户心情比较沉闷;如果用户自拍照中的表情大多比较欢快,说明该用户心情比较舒畅,反之则说明用户心情比较苦闷。等等。
在一个实施例中,还可以根据确定的当前用户的心情信息执行相应的预设服务操作,此时,如图5所示,获取心情信息的方法可实施为以下步骤S501-S504:
在步骤S501中,获取目标终端的第一日志信息;
在步骤S502中,获取心情模型,心情模型包括日志信息与心情信息之间的对应关系;
在步骤S503中,根据心情模型获取与第一日志信息匹配的第一心情信息;
在步骤S504中,控制目标终端输出与第一心情信息匹配的推送信息,推送信息包括以下至少一项:网络产品信息、实体产品信息、心理咨询信息、心理治疗信息。
其中,网络产品可包括电子图书、歌曲、音乐、视频以及各种应用程序,比如微信、QQ等即时聊天工具、小游戏、购物网站等应用程序。其中,实体产品可包括纸质图书、CD、游戏道具、体育器材、服装等。
在该实施例中,可根据确定的当前用户的心情为用户提供相应的预设服务,以迎合用户当前的心情,或烘托用户愉悦的心情,或缓解用户低落的心情。比如,通常人比较高兴时,喜欢购物、听歌或者与亲朋好友分享喜悦,因此,当确定当前用户的心情为正面心情时,也就是说判定用户比较高兴时,可为用户推送购物信息、欢快歌曲信息,或者推荐启动购物应用程序、即时聊天工具等应用程序。通常人比较难过时,通过阅读图书、听歌、看视频、聊天、打游戏、健身等行为可起到有效缓解的作用,因此,当确定当前用户的心情为负面心情时,也就是说判定用户比较难过时,可为用户推送阅读信息、钢琴曲等舒缓的歌曲信息、观影信息、游戏信息、健身信息等信息,或者推荐纸质图书、CD、游戏道具、体育器材等产品,再或者推荐启动阅读应用程序、音视频播放应用程序、即时聊天工具、游戏等应用程序。通常人比较平静时,喜欢看看新闻,看看书,听听音乐,看看电影,也有人喜欢购物或者打打游戏等,因此,当确定当前用户的心情为中立心情时,可向用户正常推送新闻、图书、影讯、购物、游戏等信息,也可以正常推荐启动相应的应用程序或其他信息。更进一步地,若在一预定时间内,比如几天,一周,一个月,判定用户存在负面心情的次数超过一预定阈值,比如几次,十几次等,则判断用户有可能经常或者长期处于不良心情中,则向用户推送心理咨询或者心理治疗等相关信息,使用户能够及时地解决自身可能存在的问题,尽快恢复正常心情。上述技术方案能够及时准确地获知用户目前的心情状况,并据此向用户推荐相应的网络产品或实体产品、提供心理咨询、心理治疗等服务。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图6是根据一示例性实施例示出的一种获取心情信息的装置的框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图6所示,该获取心情信息的装置包括:
第一获取模块61,用于获取目标终端的第一日志信息;
第二获取模块62,用于获取心情模型,心情模型包括日志信息与心情信息之间的对应关系;
第三获取模块63,用于根据心情模型获取与第一日志信息匹配的第一心情信息。
对于上述获取心情信息的装置,第二获取模块62能够根据事先获得的用户日志信息,比如用户身份信息和行为信息,以及事先获得的用户日志信息与用户心情信息之间的对应关系确定一心情模型,然后第三获取模块63将第一获取模块61实时得到的与待预测心情相关的当前用户的日志信息输入至心情模型中,即可准确确定该当前用户的心情信息,心情信息可分为三类:正面心情,比如开心、高兴、愉快、喜悦、快乐等;负面心情,比如伤心、悲伤、难过、忧伤、焦虑、苦闷、郁闷等;和中立心情,比如平静、平和等。
在一个实施例中,第二获取模块62可包括第四获取模块72、第五获取模块73和确定模块74,如图7所示,获取心情信息的装置包括:
第一获取模块71,用于获取目标终端的第一日志信息;
第四获取模块72,用于获取目标终端在预设时间段内的历史日志信息;
第五获取模块73,用于获取每项历史日志信息对应的第二心情信息;
确定模块74,用于根据历史日志信息和第二心情信息,确定心情模型;
第三获取模块75,用于根据心情模型获取与第一日志信息匹配的第一心情信息。
在一个实施例中,确定模块74包括:
训练子模块,用于根据历史日志信息和第二心情信息,并利用反向传播(back-propagation)方法,训练心情模型。
其中,第二心情信息为已知历史日志信息所对应的已知心情信息,即该已知历史日志信息对应的心情是正面心情、负面心情还是中立心情。
在一个实施例中,获取心情信息的装置还包括接收模块83、对应关系存储模块84和第一获取子模块85,如图8所示,获取心情信息的装置包括:
第一获取模块81,用于获取目标终端的第一日志信息;
第四获取模块82,用于获取目标终端在预设时间段内的历史日志信息;
接收模块83,用于接收输入的每项历史日志信息各自对应的心情信息;
对应关系存储模块84,用于存储每项历史日志信息与输入的心情信息之间的对应关系;
第一获取子模块85,用于根据对应关系,获取每项历史日志信息对应的第二心情信息;
确定模块86,用于根据历史日志信息和第二心情信息,确定心情模型;
第三获取模块87,用于根据心情模型获取与第一日志信息匹配的第一心情信息。
在一个实施例中,第三获取模块63可包括第二获取子模块93、第三获取子模块94和第三获取子模块95,如图9所示,获取心情信息的装置包括:
第一获取模块91,用于获取目标终端的第一日志信息;
第二获取模块92,用于获取心情模型,心情模型包括日志信息与心情信息之间的对应关系;
第二获取子模块93,用于获取心情模型中与第一日志信息匹配度最高的第二日志信息;
第三获取子模块94,用于根据心情模型获取与第二日志信息对应的第二心情信息;
第四获取子模块95,用于根据第二心情信息获取第一心情信息。
在该实施例中,将当前用户的第一日志信息与心情模型中的第二日志信息进行比对,得到与第一日志信息匹配度最高的第二日志信息,根据心情模型中存储的日志信息与心情信息之间的对应关系,获得与第二日志信息对应的第二心情信息,进而就可以根据第二心情信息获得第一心情信息,即与当前用户的第一日志信息所匹配的心情信息。由于本公开所采集的确定心情模型的用户历史日志信息较为完备,因此,在将当前用户的第一日志信息输入至心情模型之后,就能够准确地确定与当前用户的第一日志信息所匹配的心情类型。
在一个实施例中,心情模型包括三分类深度神经网络模型。
由于在该实施例中,需要将用户心情分为正面心情、负面心情和中立心情三类,因此心情模型需为三分类模型。考虑到神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题,因此,本实施例采用能够处理多模态数据的三分类深度神经网络模型。其中,BP神经网络模型能够学***方和最小,因此本实施例采用back-propagation方法进行训练。
在该实施例中,使用能够处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题的神经网络模型,能够基于输入的多模态心情测试数据对于心情进行准确地分类,从而能够进一步根据获取得到的心情信息为用户提供相应的服务,使得本公开方法行之有效。
在一个实施例中,第一日志信息包括:身份信息和行为信息。
在一个实施例中,身份信息包括以下至少一项:年龄信息、性别信息、教育背景信息、家庭信息、工作信息;行为信息包括以下至少一项:历史操作记录、历史位置信息、时间信息。
其中,身份信息包括用户的年龄信息、性别信息、教育背景信息、家庭信息、工作信息中的一种或多种,比如教育背景信息可包括教育程度信息、曾就读学校信息等信息,家庭信息可包括父母信息、婚姻信息、子女信息、家庭住址信息等,工作信息可包括工作性质、从业时间、工作地点等信息;其中,行为信息包括历史操作记录、历史位置信息、时间信息中的一种或多种,比如历史操作记录至少包括对应用程序的历史操作记录,应用程序包括:网页浏览器、摄像应用、记事本应用、备忘录应用、通讯类应用、文件下载应用中的一种或多种;对应用程序的历史操作记录可包括启动的应用程序信息、使用的应用程序的内容信息、开启或关闭应用程序的频率、停留在某一应用程序上的时间、使用应用程序的总时间、用户所拍摄照片信息、记事本信息、备忘录信息、通话对象、通话时间、下载文件信息等等,所拍摄照片信息可包括所拍摄照片的数量信息、时间信息、地点信息、所拍摄照片中的景物信息、自拍照中的表情信息等信息,记事本信息可包括记事时间、记录文字中与心情相关的关键词等信息,备忘录信息可包括记录时间、记录文字中与心情相关的关键词等信息,下载文件信息可包括下载的文件的类别、关键词等信息等等。当然,历史操作记录还可以包括网页历史操作数据等,网页历史操作数据可包括浏览的网站信息、浏览的网页信息、开启或关闭网页的频率、停留在某一网页上的时间、浏览网页的总时间等。
在该实施例中,上述采集的数据都是有可能与用户当前心情有关,或者有可能反映用户当前心情的信息和数据,利用这些数据能够获得对心情进行相对准确分类的心情模型。比如,中年人所承受的工作和生活压力通常比较大,而年轻人所承受的工作和生活压力相对比较小;女性的心情波动通常比较大,男性的心情相对比较稳定;高知背景以及高科技行业人群的工作压力比较大,普通行业人群的工作压力相对比较小;子女年幼、老人身体欠佳的家庭通常压力比较大,尚无子女、老人身体健康的家庭通常压力相对比较小;等等。比如,经常浏览负面新闻的用户心情通常存在些许异常;长时间打游戏的用户可能工作生活压力比较大;频繁打开关闭浏览页面或应用程序的用户可能工作生活压力比较大,心情比较焦虑;如果用户所浏览的页面中与负面心情有关的关键词频繁出现,则用户有可能陷入苦闷心情之中。再比如,如果用户拍摄的照片数量比较多、拍摄地点比较丰富,则说明该用户相对比较有生活情趣,反之,则说明该用户的生活可能比较乏味;如果用户所拍摄照片中的景物信息比较丰富,说明用户心情比较愉悦,反之,则说明用户心情比较沉闷;如果用户自拍照中的表情大多比较欢快,说明该用户心情比较舒畅,反之则说明用户心情比较苦闷。等等。
在一个实施例中,还可以根据确定的当前用户的心情信息执行相应的预设服务操作,此时,如图10所示,获取心情信息的装置包括:
第一获取模块101,用于获取目标终端的第一日志信息;
第二获取模块102,用于获取心情模型,心情模型包括日志信息与心情信息之间的对应关系;
第三获取模块103,用于根据心情模型获取与第一日志信息匹配的第一心情信息;
输出模块104,用于控制目标终端输出与第一心情信息匹配的推送信息,推送信息包括以下至少一项:网络产品信息、实体产品信息、心理咨询信息、心理治疗信息。
其中,网络产品可包括电子图书、歌曲、音乐、视频以及各种应用程序,比如微信、QQ等即时聊天工具、小游戏、购物网站等应用程序。其中,实体产品可包括纸质图书、CD、游戏道具、体育器材、服装等。
在该实施例中,可根据确定的当前用户的心情为用户提供相应的预设服务,以迎合用户当前的心情,或烘托用户愉悦的心情,或缓解用户低落的心情。比如,通常人比较高兴时,喜欢购物、听歌或者与亲朋好友分享喜悦,因此,当确定当前用户的心情为正面心情时,也就是说判定用户比较高兴时,可为用户推送购物信息、欢快歌曲信息,或者推荐启动购物应用程序、即时聊天工具等应用程序。通常人比较难过时,通过阅读图书、听歌、看视频、聊天、打游戏、健身等行为可起到有效缓解的作用,因此,当确定当前用户的心情为负面心情时,也就是说判定用户比较难过时,可为用户推送阅读信息、钢琴曲等舒缓的歌曲信息、观影信息、游戏信息、健身信息等信息,或者推荐纸质图书、CD、游戏道具、体育器材等产品,再或者推荐启动阅读应用程序、音视频播放应用程序、即时聊天工具、游戏等应用程序。通常人比较平静时,喜欢看看新闻,看看书,听听音乐,看看电影,也有人喜欢购物或者打打游戏等,因此,当确定当前用户的心情为中立心情时,可向用户正常推送新闻、图书、影讯、购物、游戏等信息,也可以正常推荐启动相应的应用程序或其他信息。更进一步地,若在一预定时间内,比如几天,一周,一个月,判定用户存在负面心情的次数超过一预定阈值,比如几次,十几次等,则判断用户有可能经常或者长期处于不良心情中,则向用户推送心理咨询或者心理治疗等相关信息,使用户能够及时地解决自身可能存在的问题,尽快恢复正常心情。上述技术方案能够及时准确地获知用户目前的心情状况,并据此向用户推荐相应的网络产品或实体产品、提供心理咨询、心理治疗等服务。
根据本公开实施例的第三方面,提供一种获取心情信息的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,处理器被配置为:
获取目标终端的第一日志信息;
获取心情模型,心情模型包括日志信息与心情信息之间的对应关系;
根据心情模型获取与第一日志信息匹配的第一心情信息。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图11是根据一示例性实施例示出的一种用于获取心情信息的装置的框图,该装置适用于终端设备。例如,装置1100可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
装置1100可以包括以下一个或多个组件:处理组件1102,存储器1104,电源组件1106,多媒体组件1108,音频组件1110,输入/输出(I/O)的接口1112,传感器组件1114,以及通信组件1116。
处理组件1102通常控制装置1100的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件1102可以包括一个或多个处理器1120来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1102可以包括一个或多个模块,便于处理组件1102和其他组件之间的交互。例如,处理组件1102可以包括多媒体模块,以方便多媒体组件1108和处理组件1102之间的交互。
存储器1104被配置为存储各种类型的数据以支持在装置1100的操作。这些数据的示例包括用于在装置1100上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件1106为装置1100的各种组件提供电力。电源组件1106可以包括电源管理***,一个或多个电源,及其他与为装置1100生成、管理和分配电力相关联的组件。
多媒体组件1108包括在装置1100和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1108包括一个前置摄像头和/或后置摄像头。当装置1100处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件1110被配置为输出和/或输入音频信号。例如,音频组件1110包括一个麦克风(MIC),当装置1100处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1104或经由通信组件1116发送。在一些实施例中,音频组件1110还包括一个扬声器,用于输出音频信号。
I/O接口1112为处理组件1102和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1114包括一个或多个传感器,用于为装置1100提供各个方面的状态评估。例如,传感器组件1114可以检测到装置1100的打开/关闭状态,组件的相对定位,例如组件为装置500的显示器和小键盘,传感器组件1114还可以检测装置1100或装置1100一个组件的位置改变,用户与装置1100接触的存在或不存在,装置1100方位或加速/减速和装置1100的温度变化。传感器组件1114可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1114还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1114还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1116被配置为便于装置1100和其他设备之间有线或无线方式的通信。装置1100可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件1116经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,通信组件1116还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置1100可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1104,上述指令可由装置1100的处理器1120执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当存储介质中的指令由装置1100的处理器执行时,使得装置1100能够执行上述获取心情信息的方法,所述方法包括:
获取目标终端的第一日志信息;
获取心情模型,心情模型包括日志信息与心情信息之间的对应关系;
根据心情模型获取与第一日志信息匹配的第一心情信息。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (19)
1.一种获取心情信息的方法,其特征在于,包括:
获取目标终端的第一日志信息;
获取心情模型,所述心情模型包括日志信息与心情信息之间的对应关系;
根据所述心情模型获取与所述第一日志信息匹配的第一心情信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标终端在预设时间段内的历史日志信息;
获取每项历史日志信息对应的第二心情信息;
根据所述历史日志信息和所述第二心情信息,确定所述心情模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述历史日志信息和所述第二心情信息,确定所述心情模型,包括:
根据所述历史日志信息和所述第二心情信息,并利用反向传播back-propagation方法,训练所述心情模型。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
接收输入的每项历史日志信息各自对应的心情信息;
存储每项历史日志信息与所述输入的心情信息之间的对应关系;
所述获取每项历史日志信息对应的第二心情信息,包括:
根据所述对应关系,获取每项历史日志信息对应的第二心情信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述心情模型获取与所述第一日志信息匹配的第一心情信息,包括:
获取所述心情模型中与所述第一日志信息匹配度最高的第二日志信息;
根据所述心情模型获取与所述第二日志信息对应的第二心情信息;
根据所述第二心情信息获取所述第一心情信息。
6.根据权利要求1所述的方法,其特征在于,所述心情模型包括三分类深度神经网络模型。
7.根据权利要求1所述的方法,其特征在于,所述第一日志信息包括:身份信息和行为信息。
8.根据权利要求7所述的方法,其特征在于,所述身份信息包括以下至少一项:年龄信息、性别信息、教育背景信息、家庭信息、工作信息;
所述行为信息包括以下至少一项:历史操作记录、历史位置信息、时间信息。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
控制所述目标终端输出与所述第一心情信息匹配的推送信息,所述推送信息包括以下至少一项:网络产品信息、实体产品信息、心理咨询信息、心理治疗信息。
10.一种获取心情信息的装置,其特征在于,包括:
第一获取模块,用于获取目标终端的第一日志信息;
第二获取模块,用于获取心情模型,所述心情模型包括日志信息与心情信息之间的对应关系;
第三获取模块,用于根据所述心情模型获取与所述第一日志信息匹配的第一心情信息。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第四获取模块,用于获取所述目标终端在预设时间段内的历史日志信息;
第五获取模块,用于获取每项历史日志信息对应的第二心情信息;
确定模块,用于根据所述历史日志信息和所述第二心情信息,确定所述心情模型。
12.根据权利要求11所述的装置,其特征在于,所述确定模块包括:
训练子模块,用于根据所述历史日志信息和所述第二心情信息,并利用反向传播back-propagation方法,训练所述心情模型。
13.根据权利要求11所述的装置,其特征在于,所述装置还包括:
接收模块,用于接收输入的每项历史日志信息各自对应的心情信息;
对应关系存储模块,用于存储每项历史日志信息与所述输入的心情信息之间的对应关系;
所述第五获取模块包括:
第一获取子模块,用于根据所述对应关系,获取每项历史日志信息对应的第二心情信息。
14.根据权利要求10所述的装置,其特征在于,所述第三获取模块包括:
第二获取子模块,用于获取所述心情模型中与所述第一日志信息匹配度最高的第二日志信息;
第三获取子模块,用于根据所述心情模型获取与所述第二日志信息对应的第二心情信息;
第四获取子模块,用于根据所述第二心情信息获取所述第一心情信息。
15.根据权利要求10所述的装置,其特征在于,所述心情模型包括三分类深度神经网络模型。
16.根据权利要求10所述的装置,其特征在于,所述第一日志信息包括:身份信息和行为信息。
17.根据权利要求16所述的装置,其特征在于,所述身份信息包括以下至少一项:年龄信息、性别信息、教育背景信息、家庭信息、工作信息;
所述行为信息包括以下至少一项:历史操作记录、历史位置信息、时间信息。
18.根据权利要求10所述的装置,其特征在于,所述装置还包括:
输出模块,用于控制所述目标终端输出与所述第一心情信息匹配的推送信息,所述推送信息包括以下至少一项:网络产品信息、实体产品信息、心理咨询信息、心理治疗信息。
19.一种获取心情信息的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取目标终端的第一日志信息;
获取心情模型,所述心情模型包括日志信息与心情信息之间的对应关系;
根据所述心情模型获取与所述第一日志信息匹配的第一心情信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610391369.9A CN106095868A (zh) | 2016-06-03 | 2016-06-03 | 获取心情信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610391369.9A CN106095868A (zh) | 2016-06-03 | 2016-06-03 | 获取心情信息的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106095868A true CN106095868A (zh) | 2016-11-09 |
Family
ID=57447888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610391369.9A Pending CN106095868A (zh) | 2016-06-03 | 2016-06-03 | 获取心情信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106095868A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491380A (zh) * | 2017-07-27 | 2017-12-19 | 珠海市魅族科技有限公司 | 信息输出方法及装置、计算机装置及可读存储介质 |
CN108932629A (zh) * | 2017-05-27 | 2018-12-04 | 北京微影时代科技有限公司 | 一种锁定座位的方法及装置 |
JP2019036114A (ja) * | 2017-08-15 | 2019-03-07 | ヤフー株式会社 | 生成装置、生成方法、生成プログラム、学習データ、及びモデル |
CN109921979A (zh) * | 2019-01-22 | 2019-06-21 | 北京顺丰同城科技有限公司 | 一种信息的推送方法及装置 |
CN110459296A (zh) * | 2019-06-26 | 2019-11-15 | 深圳市天彦通信股份有限公司 | 信息推送方法及相关产品 |
CN111191068A (zh) * | 2019-12-27 | 2020-05-22 | 上海擎感智能科技有限公司 | 基于图片的心情统计方法、***、介质及设备 |
CN112215362A (zh) * | 2019-07-10 | 2021-01-12 | 索尼互动娱乐有限责任公司 | 用于转换数据和优化数据转换的双重机器学习管道 |
-
2016
- 2016-06-03 CN CN201610391369.9A patent/CN106095868A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932629A (zh) * | 2017-05-27 | 2018-12-04 | 北京微影时代科技有限公司 | 一种锁定座位的方法及装置 |
CN107491380A (zh) * | 2017-07-27 | 2017-12-19 | 珠海市魅族科技有限公司 | 信息输出方法及装置、计算机装置及可读存储介质 |
JP2019036114A (ja) * | 2017-08-15 | 2019-03-07 | ヤフー株式会社 | 生成装置、生成方法、生成プログラム、学習データ、及びモデル |
CN109921979A (zh) * | 2019-01-22 | 2019-06-21 | 北京顺丰同城科技有限公司 | 一种信息的推送方法及装置 |
CN110459296A (zh) * | 2019-06-26 | 2019-11-15 | 深圳市天彦通信股份有限公司 | 信息推送方法及相关产品 |
CN112215362A (zh) * | 2019-07-10 | 2021-01-12 | 索尼互动娱乐有限责任公司 | 用于转换数据和优化数据转换的双重机器学习管道 |
CN111191068A (zh) * | 2019-12-27 | 2020-05-22 | 上海擎感智能科技有限公司 | 基于图片的心情统计方法、***、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106095868A (zh) | 获取心情信息的方法及装置 | |
WO2021018154A1 (zh) | 信息表示方法及装置 | |
CN104383674B (zh) | 用于智能穿戴设备的计数方法、装置及智能穿戴设备 | |
CN104267877B (zh) | 表情图片的显示方法及装置、电子设备 | |
CN109859096A (zh) | 图像风格迁移方法、装置、电子设备及存储介质 | |
CN106446782A (zh) | 图像识别方法及装置 | |
CN109800325A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN106528709A (zh) | 社交信息推荐方法及装置 | |
CN104035995B (zh) | 群标签生成方法及装置 | |
CN110266879A (zh) | 播放界面显示方法、装置、终端及存储介质 | |
CN107463643A (zh) | 弹幕数据的显示方法、装置及存储介质 | |
CN110413114A (zh) | 视频场景下的交互控制方法及装置,服务器,可读存储介质 | |
CN109543066A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN107423063A (zh) | 多窗口处理方法、装置及设备 | |
CN105933539A (zh) | 音频播放的控制方法、装置及终端 | |
CN106055707A (zh) | 弹幕显示方法及装置 | |
CN106202150A (zh) | 信息显示方法及装置 | |
CN105975540A (zh) | 信息显示方法及装置 | |
CN105893771A (zh) | 一种信息服务方法和装置、一种用于信息服务的装置 | |
CN106126632A (zh) | 推荐方法及装置 | |
CN107193606A (zh) | 应用分发方法及装置 | |
CN106310641A (zh) | 运动方案推荐方法及装置 | |
CN107577513A (zh) | 一种显示彩蛋的方法、装置及存储介质 | |
CN109670077A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN106095465A (zh) | 设置身份图像的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
RJ01 | Rejection of invention patent application after publication |