CN109033167A - 电影分类方法和*** - Google Patents
电影分类方法和*** Download PDFInfo
- Publication number
- CN109033167A CN109033167A CN201810637800.2A CN201810637800A CN109033167A CN 109033167 A CN109033167 A CN 109033167A CN 201810637800 A CN201810637800 A CN 201810637800A CN 109033167 A CN109033167 A CN 109033167A
- Authority
- CN
- China
- Prior art keywords
- users
- groups
- real
- time
- types
- 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
Classifications
-
- 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
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Neurosurgery (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Health & Medical Sciences (AREA)
- Dermatology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出一种电影分级方法和***,其中,方法包括:在电影播放过程中,获取不同类型用户群组的实时生理反应信号;根据各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度;将各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于阈值的目标类型用户群组;提取与目标类型用户群组对应的群组标签,根据群组标签设置与电影对应的分类标签。由此,以用户难以自主更改的实时生理反应信号为依据,对电影进行准确分级,对电影的票房等保证具有重要意义。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种电影分类方法和***。
背景技术
目前,电影由于在艺术表现力上具有其他各种艺术的特征,又因可以运用蒙太奇这种艺术性突跃的电影组接技巧,具有超越其他一切艺术的表现手段,而且影片可大量复制放映,随着现代社会的发展,电影已深入到人类生活,是用户日常生活中不可或缺的一部分。随着电影的普及,电影相关产业也得到了发展,其中,电影票房作为影片收益的主要参照被电影相关产业广泛使用。
相关技术中,通过大力宣传进行票房的拉动,比如,在社交网站上发布广告等,然而,这种以受众为所有大众的宣传方式,效果较差,电影宣传效果不佳。
发明内容
本发明提供一种电影分类方法和***,以解决现有技术中,电影宣传等效果不好的技术问题。
本发明实施例提供一种电影分类方法,包括以下步骤:在电影播放过程中,获取不同类型用户群组的实时生理反应信号;根据所述各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度;将所述各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于所述阈值的目标类型用户群组;提取与所述目标类型用户群组对应的群组标签,根据所述群组标签设置与所述电影对应的分类标签。
本发明另一实施例提供一种电影分类***,包括:生理反应信号采集设备和处理器,其中,所述生理反应信号采集设备和所述处理器连接,其中,所述生理反应信号采集设备,用于在电影播放过程中,获取不同类型用户群组的实时生理反应信号;所述处理器,用于根据所述各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度,将所述各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于所述阈值的目标类型用户群组,提取与所述目标类型用户群组对应的群组标签,根据所述群组标签设置与所述电影对应的分类标签。
本发明又一实施例提供一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例所述的电影分类方法。
本发明还一实施例提供一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行如上述实施例所述的电影分类方法。
本发明实施例提供的技术方案可以包括以下有益效果:
在电影播放过程中,获取不同类型用户群组的实时生理反应信号,根据各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度,将各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于阈值的目标类型用户群组,进而,提取与目标类型用户群组对应的群组标签,根据群组标签设置与电影对应的分类标签。由此,以用户难以自主更改的实时生理反应信号为依据,对电影进行准确分类,对电影的票房等保证具有重要意义。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明第一个实施例的电影分类方法的流程图;
图2是根据本发明第二个实施例的电影分类方法的流程图;
图3是根据本发明第三个实施例的电影分类方法的流程图;
图4是根据本发明第四个实施例的电影分类方法的流程图;
图5(a)是根据本发明一个实施例的电影分类方法的应用场景示意图;
图5(b)是根据本发明另一个实施例的电影分类方法的应用场景示意图;
图6是根据本发明一个实施例的电影分类***的结构示意图;以及
图7是根据本发明另一个实施例的电影分类***的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的电影分类方法和***。
图1是根据本发明第一个实施例的电影分类方法的流程图。如图1所示,该方法包括:
步骤101,在电影播放过程中,获取不同类型用户群组的实时生理反应信号。
可以理解,为了解决现有技术中电影宣传效果不准确的技术问题,本发明实施例中,预先设置多个类型用户群组,通过检测不同类型用户群组的生理反应信号进行电影的分类,由此,由于用户实时生理反应信号直接反应对电影的感兴趣程度,当用户对电影较为感兴趣时,显然就会去看相关电影,因而,基于用户的生理反应信号进行电影的分类,对提高电影票房具有重要意义。
其中,不同类型用户群组可以根据应用需要设定,不同类型用户群组的设定便于对电影的感兴趣群组进行进一步预测,不同类型的用户群组可以是根据年龄划分的,包括青少年组、青年组、中年组和老年组等,不同类型的用户群组也可以是根据职业划分的,包括教育行业组、娱乐行业组、艺术行业组等。
其中,生理反应信号可以包括皮肤电导信号、心率信号、心电信号、眼动信号、脑电信号中的一种或者多种信号组合,在此不作限制。
具体地,在本发明的实施例中,可通过皮肤传感器设备采集不同类型用户群组的实时生理反应信号,其中,根据应用场景的不同,皮肤传感器设备可以为不同的设备,比如,可以为包含皮肤传感器的腕带、帽子、手套、项链、脸部贴纸等能直接接触到的观看用户皮肤的设备。
步骤102,根据各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度。
其中,在不同的应用场景下,各类型用户群组的专注度可以以具体的数值表示,比如以百分制中的数字表示,数值越大代表各类型用户群组中的用户越专注,比如以等级制度中的等级表示,等级越大代表各类型用户群组越专注,又比如以具体的符号标志(星星符号、花朵符号、心形符号等)的数量来表示,符号数量越多代表各类型用户群组越专注。
可以理解,各类型用户群组的生理反应信号会真实的反应各类型用户群组的实时专注度,比如,当生理反应信号包括皮肤电导信号时,皮肤会对电流或者电压呈现一定的电阻,而电阻的大小会随着情绪变化而变化,通常,在较为轻松的状态下,各类型用户群组对应的用户可能当前在走神,观看的专注度并不是很高,当前电影并不能引起用户的兴趣,人体皮肤的电阻较大,从而皮肤电导信号较低,在精神紧张时,各类型用户群组对应的用户可能当前正在专注的观看当前表演,人体皮肤的电阻较小,从而人体皮肤电导信号较高,这是由于交感和副交感神经根据大脑的认知状态的变化进行拮抗式的调节,而交感和副交感神经的活动会影响皮肤电阻。
又比如,当生理反应信号包括心率信号时,如果各类型用户群组对应的用户的心率波动较小,则表明各类型用户群组对应的用户越是专注于当前电影,如果各类型用户群组对应的用户的心率变化比较大,则表明对当前电影越是不专注。
需要说明的是,在不同的应用场景下,可采用不同的方式实现根据各类型用户群组的实时生理反应信号确定各类型用户群组观看电影的实时专注度,示例说明如下:
第一种示例:
在本示例中,预先根据大量实验数据,获取并存储专注度和生理反应信号的对应关系,从而,在获取生理反应信号后,查询上述对应关系,以获取匹配的各类型用户群组观看电影的实时专注度。
第二种示例:
预先根据大量实验数据,构造生理反应信号的深层网络模型,该模型的输入为生理反应信号,输出为各类型用户群组观看的专注度,从而,将获取的各类型用户群组观看的生理反应信号输入该深层网络模型,得到输出的各类型用户群组观看的实时专注度。
第三种示例:
在本示例中,如图2所示,上述步骤102包括:
步骤201,根据预设策略分析各类型用户群组的实时生理反应信号,并提取各类型用户群组的实时专注特征信息。
应当理解的是,在不同的应用场景下,上述分析各类型用户群组的实时生理反应信号的预设策略不同,从而提取到的各类型用户群组的专注特征信息不同:
作为一种可能的实现方式,专注特征信息为专注次数,则可以检测生理反应信号大于预设阈值的次数提取专注次数。
举例而言,当生理反应信号为皮肤电导信号时,由于在实际应用中,各类型用户群组观看越专注,则用户的脑神经活动越丰富,受到电影内容的刺激以及交感神经活动的影响,会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关),精神状态越专注,皮肤电导越大,根据此原理从而检测获知的皮肤电导信号越大。
举例而言,当生理反应信号为眼动信号时,各类型用户群组观看越专注,则观看用户的眼睛越是会随着电影中的表演者而移动,从而检测到的眼动信号变化率较高,各类型用户群组观看越不专注,则观看用户的眼睛不会随着表演者而移动或者视线没有集中在屏幕上,从而检测到的眼动信号变化率较低或者注视点超出屏幕以外。
因而,在本示例中,预先根据大量实验数据设置生理反应信号对应的预设阈值,提取生理反应信号大于预设阈值的次数提取专注次数。
作为另一种可能的实现方式,检测实时生理反应信号大于预设阈值的时间提取专注时间。
由于在实际应用中,各类型用户群组观看越专注,则会体现在各类型用户群组观看的生理反应信号上,比如,当生理反应信号为皮肤电导信号时,各类型用户群组观看越专注,则观看用户的脑神经活动越丰富,受到电影内容的刺激以及交感神经活动的影响,会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关),精神状态越专注,皮肤电导越大,根据此原理从而检测获知的皮肤电导信号越大。
因而,在本示例中,还可以检测实时生理反应信号大于预设阈值的时间提取专注时间。
作为又一种可能的实现方式,可以检测实时生理反应信号大于预设阈值的幅度提取专注强度。
由于在实际应用中,各类型用户群组观看的专注强度可以反映在生理反应信号中,因而,可以根据生理反应信号的大小来提取各类型用户群组观看的专注强度,比如,当生理反应信号包括皮肤导电信号时,则观看用户的脑神经活动越丰富,受到电影内容的刺激以及交感神经活动的影响,会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关),精神状态越专注,皮肤电导越大,根据此原理从而检测获知的皮肤电导信号越大。
因而,在本示例中,还可以检测生理反应信号大于预设阈值的幅度提取专注强度,比如,检测皮肤电导信号大于预设阈值的幅度提取专注强度,如预设阈值为A,当前的皮肤电导信号为大于A的B,则可以将B-A作为专注强度。
其中,在不同的应用场景下,上述三种示例采集的各类型用户群组观看的专注特征信息可以作为单独的参考因素,用于进一步确定各类型用户群组观看的专注度,也可以将上述三种示例采集的各类型用户群组观看的专注特征信息的任意两种的组合作为参考因素,用于进一步确定各类型用户群组观看的专注度,也可以将上述三种示例采集的各类型用户群组观看的专注特征信息作为参考因素,用于进一步确定各类型用户群组观看的专注度。
另外,为了保证进一步确定各类型用户群组观看的专注度的准确度,在本发明的一个实施例中,上述与生理反应信号进行比较的预设阈值还可以根据各类型用户群组观看的体质类型设置,比如,当生理反应信号包括皮肤电导信号时,对于女性类型用户群组和男性用户群组、或者不同年龄段的用户群组来讲,其皮肤表面的角质和干燥度等不同,因而,在同样的专注度下测量得到的皮肤电导信号是不同,为了补偿这种用户群组体质上的差别,还可以根据大量实验数据获取这种差别数据,针对不同体质用户群组设置不同的预设阈值,比如,由于男性汗腺更加发达,皮肤更加湿润、导电性更强,因而设置的预设阈值相对高一些等。
步骤202,应用预设算法对各类型用户群组的实时专注特征信息进行计算,获取各类型用户群组的实时专注度。
具体地,为了判断各类型用户群组观看电影的专注度,应用预设算法对实时专注特征信息进行计算,获取各类型用户群组的实时专注度。
具体而言,根据应用场景的不同,应用预设算法对专注特征信息进行计算,获取各类型用户群组的实时专注度的方式不同,下面结合不同的应用场景进行举例:
场景一:
在该场景下,各类型用户群组的实时专注特征信息为单一的特征信息,比如仅仅为专注次数,或者,专注时间,或者,专注强度。
由于各类型用户群组的专注特征信息对应的数据值越大,比如专注次数越大,表示各类型用户群组专注于当前电影,因此,本场景下的预设算法为与专注特征信息对应的线性运算算法,比如,该算法可以为Y=a*X,其中,Y为观看用户的专注度,X为专注特征信息对应的数据值,a可以为任意大于0的数。
其中,可以考虑专注特征信息包含不同的内容时与各类型用户群组专注度的相关性的不同,比如,在确定各类型用户群组的专注度时,通常各类型用户群组的专注时间相比于专注次数的参考意义更大,因为有的时候,各类型用户群组虽然多次专注于当前电影,但是持续时间较短,还是认为各类型用户群组没有专注于当前电影,因此,上述a还可以对应于不同的专注特征信息的权重值,比如,当专注特征信息为专注次数时,对应的a为0.6,当专注特征信息为专注时间时,对应的a为0.8。
场景二:
在该场景下,各类型用户群组的专注特征信息为多个特征信息,比如包括专注次数和专注时间,或者,专注时间和专注强度,或者,专注次数、专注时间和专注强度等。
由于各类型用户群组的专注特征信息对应的数据值越大,比如专注次数越大,表示各类型用户群组越专注于当前电影,因此,对应的预设算法与各类型用户群组的专注特征信息对应的数据值正相关,比如,Y=a1*X1+…+an*Xn,其中,n为大于等于2的正整数,a1到an为正数,a1到an可以相等,也可以不相等,当a1到an不相等时,可以用于表示不同的各类型用户群组的专注特征信息对专注度的不同的参考意义的权重值,X1到Xn表示不同的各类型用户群组的专注特征信息对应的数据值。
当然,在实际操作过程中,该场景中的预设算法还可以是任意体现各类型用户群组的专注特征信息对应的数据值正相关的算法表达,在此不一一列举。
步骤103,将各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于阈值的目标类型用户群组。
步骤104,提取与目标类型用户群组对应的群组标签,根据群组标签设置与电影对应的分类标签。
需要强调的是,各类型用户群组的种类越丰富,涵盖实际观看用户越全面,则预测的电影票房越准确,可以理解,在本发明的实施例中,各类型用户群组对应的用户无论采用怎样的群组分类方式,均可在对应维度相对较为完全的覆盖在实际观看用户的类型,因而,根据各类型用户群组观看电影的实时专注度,推测出用户对待预测票房的电影的感兴趣程度,因而,可以根据各类型用户群组观看电影的实时专注度预测对该电影最感兴趣的用户类型。
具体的,预先设置实时专注度对应的预设阈值,当实时专注度大于对应的预设阈值,则表明对应类型用户群组对当前电影较为感兴趣,反之,当实时专注度小于等于对应的预设阈值,则表明对应类型用户群组不对当前电影感兴趣,因而,将各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于阈值的目标类型用户群组,从而,目标类型用户群组为对当前电影较为感兴趣的群组,提取与目标类型用户群组对应的群组标签,根据群组标签设置与电影对应的分类标签,以实现在感兴趣用户类型维度对电影的分类,便于电影有针对性的宣传,从而,提高电影票房。
在本发明的一个实施例中,如图3所示,该步骤104之后,还包括:
步骤301,根据分类标签制定与目标类型用户群组匹配的宣传策略。
步骤302,根据宣传策略对目标类型用户群组宣传电影。
应当理解的是,对电影的目标类型用户群组不同,达到宣传效果的宣传策略也不同,比如,感兴趣的目标类型用户群组为青少年,则达到较好宣传效果的宣传策略应当与青少年的喜好比较吻合,可以在社交网站上的小游戏中投放广告等,又比如,感兴趣的目标类型用户群组为老年,则达到较好宣传效果的宣传策略应当与老年的喜好比较吻合,可以在报纸上投放广告等。
具体地,根据分类标签制定与目标类型用户群组匹配的宣传策略,根据宣传策略对目标类型用户群组宣传电影,由此,达到较好的宣传效果。
在本发明的一个实施例中,如图4所示,该步骤104之后,还包括:
步骤401,获取目标类型用户群组的活动区域和空闲时间。
步骤402,根据活动区域和空闲时间确定电影的排片地点和排片时间。
应当理解的是,对电影的目标类型用户群组不同,达到宣传效果的电影的排片地点和排片时间也不同,比如,感兴趣的目标类型用户群组为青少年,则达到较好宣传效果的电影的排片地点和排片时间应当与青少年的生活习惯比较吻合,可以在学校附近以及放假、放学时间排片等,又比如,感兴趣的目标类型用户群组为老年,则达到较好宣传效果的电影的排片地点和排片时间应当与老年的生活习惯比较吻合,可以在老年活动中心的白天拍片等。
具体地,获取目标类型用户群组的活动区域和空闲时间,其中,获取目标类型用户群组的活动区域和空闲时间的方式,在不同的应用场景下,包括但不限于,根据用户注册得到,或者,通过采集对应类型用户的生活数据的分析得到等,根据活动区域和空闲时间确定电影的排片地点和排片时间,由此,达到较好的票房收入。
当然,也可以根据设置的与电影对应的分类标签进行电影的管理等,比如,当根据设置的与电影对应的分类标签为青少年,则对应的管理标准较为严格等,以有助于青少年的身心健康。
为了更加清楚的说明本发明电影分类方法的实施过程,下面结合具体的应用场景进行举例,说明如下:
在本实例中,预先设置不同类型用户群组1、2、3,其中,用户群组1对应的用户类型为青少年用户,用户群组2对应的用户类型为中年用户,用户群组3对应的用户类型为老年用户,用户群组1、2、3基本涵盖了全部的可能去观看电影的观看用户的类型,电影厂商要投放电影A、电影B,现有技术中,直接根据电影院客流量进行拍片等,导致票房受到影响。
在本发明的实施例中,如图5(a)和图5(b)所示,在电影A、电影B分别播放过程中,分别获取用户群组1、2、3的实时生理反应信号,根据用户群组1、2、3的实时生理反应信号确定用户群组1、2、3的实时专注度,将用户群组1、2、3的实时专注度与预设阈值进行比较,确定实时专注度大于阈值的目标类型用户群组,其中,确定电影A的目标类型用户群组为的目标类型用户群组1,确定电影B的目标类型用户群组为的目标类型用户群组2,提取与目标类型用户群组对应的群组标签,根据群组标签设置与电影对应的分类标签,如图5(a)所示,将电影A设置青少年分类,如图5(b)所示,将电影B设置中年分类,以便于针对电影A主要在青少年中进行宣传等,针对电影B主要在中年中进行宣传等,以实现电影A、电影B的较高票房。
综上所述,本发明实施例的电影分类方法,在电影播放过程中,获取不同类型用户群组的实时生理反应信号,根据各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度,将各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于阈值的目标类型用户群组,进而,提取与目标类型用户群组对应的群组标签,根据群组标签设置与电影对应的分类标签。由此,以用户难以自主更改的实时生理反应信号为依据,对电影进行准确分类,对电影的票房等保证具有重要意义。
为了实现上述实施例,本发明还提出了一种电影分类***,图6是根据本发明一个实施例的电影分类***的结构示意图,如图6所示,该***包括:生理反应信号采集设备和处理器200,其中,生理反应信号采集设备100和处理器200连接。
生理反应信号采集设备100,用于在电影播放过程中,获取不同类型用户群组的实时生理反应信号。
处理器200,用于根据各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度,将各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于阈值的目标类型用户群组,提取与目标类型用户群组对应的群组标签,根据群组标签设置与电影对应的分类标签。
在本发明的一个实施例中,如图7所示,处理器200包括提取单元210和获取单元220。
其中,提取单元210,用于根据预设策略分析各类型用户群组的实时生理反应信号,并提取各类型用户群组的实时专注特征信息。
获取单元220,用于应用预设算法对各类型用户群组的实时专注特征信息进行计算,获取各类型用户群组的实时专注度。
在本发明的一个实施例中,提取单元210检测实时生理反应信号大于预设阈值的次数提取专注次数。
在本发明的一个实施例中,提取单元210检测实时生理反应信号大于预设阈值的时间提取专注时间。
在本发明的一个实施例中,提取单元210检测实时生理反应信号大于预设阈值的幅度提取专注强度。
需要说明的是,前述对电影分类方法实施例的解释说明也适用于该实施例的电影分类***,本发明电影分类***实施例中未公布的细节,此处不再赘述。
综上所述,本发明实施例的电影分类***,在电影播放过程中,获取不同类型用户群组的实时生理反应信号,根据各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度,将各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于阈值的目标类型用户群组,进而,提取与目标类型用户群组对应的群组标签,根据群组标签设置与电影对应的分类标签。由此,以用户难以自主更改的实时生理反应信号为依据,对电影进行准确分类,对电影的票房等保证具有重要意义。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器被执行时,使得能够执行如上述实施例所述的电影分类方法。
为了实现上述实施例,本发明还提出一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行如上述实施例所述的电影分类方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种电影分类方法,其特征在于,包括以下步骤:
在电影播放过程中,获取不同类型用户群组的实时生理反应信号;
根据所述各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度;
将所述各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于所述阈值的目标类型用户群组;
提取与所述目标类型用户群组对应的群组标签,根据所述群组标签设置与所述电影对应的分类标签。
2.如权利要求1所述的方法,其特征在于,所述生理反应信号,包括:
皮肤电导信号、心率信号、心电信号、眼动信号、脑电信号中的一种或者多种信号组合。
3.如权利要求1所述的方法,其特征在于,所述根据所述各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度,包括:
根据预设策略分析所述各类型用户群组的实时生理反应信号,并提取所述各类型用户群组的实时专注特征信息;
应用预设算法对所述各类型用户群组的实时专注特征信息进行计算,获取所述各类型用户群组的实时专注度。
4.如权利要求3所述的方法,其特征在于,所述提取所述各类型用户群组的实时专注特征信息,包括:
检测所述实时生理反应信号大于预设阈值的次数提取专注次数;和/或,
检测所述实时生理反应信号大于预设阈值的时间提取专注时间;和/或,
检测所述实时生理反应信号大于预设阈值的幅度提取专注强度。
5.如权利要求1所述的方法,其特征在于,在所述根据所述群组标签设置与所述电影对应的分类标签之后,还包括:
根据所述分类标签制定与所述目标类型用户群组匹配的宣传策略;
根据所述宣传策略对所述目标类型用户群组宣传所述电影。
6.如权利要求1所述的方法,其特征在于,在所述根据所述群组标签设置与所述电影对应的分类标签之后,还包括:
获取所述目标类型用户群组的活动区域和空闲时间;
根据所述活动区域和空闲时间确定所述电影的排片地点和排片时间。
7.一种电影分类***,其特征在于,包括:生理反应信号采集设备和处理器,其中,所述生理反应信号采集设备和所述处理器连接,其中,
所述生理反应信号采集设备,用于在电影播放过程中,获取不同类型用户群组的实时生理反应信号;
所述处理器,用于根据所述各类型用户群组的实时生理反应信号确定各类型用户群组的实时专注度,将所述各类型用户群组的实时专注度与预设阈值进行比较,确定实时专注度大于所述阈值的目标类型用户群组,提取与所述目标类型用户群组对应的群组标签,根据所述群组标签设置与所述电影对应的分类标签。
8.如权利要求7所述的***,其特征在于,所述处理器包括:
提取单元,用于根据预设策略分析所述各类型用户群组的实时生理反应信号,并提取所述各类型用户群组的实时专注特征信息;
获取单元,用于应用预设算法对所述各类型用户群组的实时专注特征信息进行计算,获取所述各类型用户群组的实时专注度。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一所述的电影分类方法。
10.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行如权利要求1-6任一所述的电影分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810637800.2A CN109033167B (zh) | 2018-06-20 | 2018-06-20 | 电影分类方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810637800.2A CN109033167B (zh) | 2018-06-20 | 2018-06-20 | 电影分类方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033167A true CN109033167A (zh) | 2018-12-18 |
CN109033167B CN109033167B (zh) | 2021-05-28 |
Family
ID=64610231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810637800.2A Active CN109033167B (zh) | 2018-06-20 | 2018-06-20 | 电影分类方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033167B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103339649A (zh) * | 2011-02-27 | 2013-10-02 | 阿弗科迪瓦公司 | 基于情感的视频推荐 |
CN103840950A (zh) * | 2014-02-27 | 2014-06-04 | 广东亿迅科技有限公司 | 一种消息推送方法及*** |
US20140200463A1 (en) * | 2010-06-07 | 2014-07-17 | Affectiva, Inc. | Mental state well being monitoring |
CN103974118A (zh) * | 2013-02-01 | 2014-08-06 | 数码士有限公司 | 用于再现内容的方法和装置 |
CN105184375A (zh) * | 2015-10-09 | 2015-12-23 | 中国传媒大学 | 基于大数据的全产业链的电影评价方法及*** |
CN105190678A (zh) * | 2013-03-15 | 2015-12-23 | 美介摩公司 | 语言学习环境 |
CN105824923A (zh) * | 2016-03-17 | 2016-08-03 | 海信集团有限公司 | 影视资源推荐方法及装置 |
CN105868334A (zh) * | 2016-03-28 | 2016-08-17 | 云南财经大学 | 一种基于特征递增型的电影个性化推荐方法及*** |
CN106980662A (zh) * | 2017-03-21 | 2017-07-25 | 上海星红桉数据科技有限公司 | 基于海量跨屏收视行为数据的用户标签分类方法 |
CN107888950A (zh) * | 2017-11-09 | 2018-04-06 | 福州瑞芯微电子股份有限公司 | 一种推荐视频的方法和*** |
CN108090698A (zh) * | 2018-01-08 | 2018-05-29 | 聚影汇(北京)影视文化有限公司 | 一种电影测评服务***及方法 |
-
2018
- 2018-06-20 CN CN201810637800.2A patent/CN109033167B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140200463A1 (en) * | 2010-06-07 | 2014-07-17 | Affectiva, Inc. | Mental state well being monitoring |
CN103339649A (zh) * | 2011-02-27 | 2013-10-02 | 阿弗科迪瓦公司 | 基于情感的视频推荐 |
CN103974118A (zh) * | 2013-02-01 | 2014-08-06 | 数码士有限公司 | 用于再现内容的方法和装置 |
CN105190678A (zh) * | 2013-03-15 | 2015-12-23 | 美介摩公司 | 语言学习环境 |
CN103840950A (zh) * | 2014-02-27 | 2014-06-04 | 广东亿迅科技有限公司 | 一种消息推送方法及*** |
CN105184375A (zh) * | 2015-10-09 | 2015-12-23 | 中国传媒大学 | 基于大数据的全产业链的电影评价方法及*** |
CN105824923A (zh) * | 2016-03-17 | 2016-08-03 | 海信集团有限公司 | 影视资源推荐方法及装置 |
CN105868334A (zh) * | 2016-03-28 | 2016-08-17 | 云南财经大学 | 一种基于特征递增型的电影个性化推荐方法及*** |
CN106980662A (zh) * | 2017-03-21 | 2017-07-25 | 上海星红桉数据科技有限公司 | 基于海量跨屏收视行为数据的用户标签分类方法 |
CN107888950A (zh) * | 2017-11-09 | 2018-04-06 | 福州瑞芯微电子股份有限公司 | 一种推荐视频的方法和*** |
CN108090698A (zh) * | 2018-01-08 | 2018-05-29 | 聚影汇(北京)影视文化有限公司 | 一种电影测评服务***及方法 |
Non-Patent Citations (1)
Title |
---|
李大宇 等: "面向电影评论的标签方面情感联合模型", 《计算机科学与探索》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109033167B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Analyses of a multimodal spontaneous facial expression database | |
Horikawa et al. | Hierarchical neural representation of dreamed objects revealed by brain decoding with deep neural network features | |
Ambadar et al. | Deciphering the enigmatic face: The importance of facial dynamics in interpreting subtle facial expressions | |
Krumhuber et al. | Effects of dynamic aspects of facial expressions: A review | |
Leavy | The feminist practice of content analysis | |
US20170095192A1 (en) | Mental state analysis using web servers | |
Millar | Smelling objects | |
CN110019853A (zh) | 感兴趣场景识别方法和*** | |
CN108304458A (zh) | 根据用户情绪的多媒体内容推送方法和*** | |
US20200350057A1 (en) | Remote computing analysis for cognitive state data metrics | |
CN104983435A (zh) | 一种兴趣取向值测验的刺激信息编制方法 | |
Vaessen et al. | Computational feature analysis of body movements reveals hierarchical brain organization | |
McDuff | Crowdsourcing affective responses for predicting media effectiveness | |
Handayani et al. | Recognition of emotions in video clips: The self-assessment manikin validation | |
CN109151576A (zh) | 多媒体信息剪辑方法和*** | |
Chênes et al. | Highlight detection in movie scenes through inter-users, physiological linkage | |
Cooper et al. | Personality assessment through the situational and behavioral features of Instagram photos | |
Yang et al. | Affective image classification based on user eye movement and EEG experience information | |
CN109920498A (zh) | 基于情绪脑电响应相似性的人际关系预测方法 | |
Niu et al. | User experience evaluation in virtual reality based on subjective feelings and physiological signals | |
de la Rosa et al. | Visual categorization of social interactions | |
Eijlers et al. | Implicit measurement of emotional experience and its dynamics | |
CN109085917A (zh) | 提示信息播放方法和*** | |
Asif et al. | Emotion recognition using temporally localized emotional events in EEG with naturalistic context: DENS# dataset | |
Santavirta et al. | Functional organization of social perception networks in the human brain |
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 |