[发明专利]一种基于用户聊天习惯的智能表情推荐方法和系统

说明书

本发明的实施例公开一种基于用户聊天习惯的智能表情推荐方法和装置，所述方法包括：获取用户在社交软件中输入的对话内容；根据用户表情包预测模型，获取所述对话内容对应的至少一个表情包；所述用户表情包预测模型为依据用户的聊天习惯建立，包含有用户聊天语料包库中用户聊天语料与表情包库中表情包之间的对应关系；将至少一个所述表情包推荐给用户，以供所述用户选择使用。

技术领域

本发明涉及社交软件领域，尤其涉及一种基于用户聊天习惯的智能表情推荐方法和系统。

背景技术

目前，用户在使用社交软件进行聊天时，需要手动选择表情，用户体验比较差。

发明内容

有鉴于此，本发明实施例提供一种基于用户聊天习惯的智能表情推荐方法和系统，能够提高用户的体验.。

一种基于用户聊天习惯的智能表情推荐方法，包括：

获取用户在社交软件中输入的对话内容；

根据用户表情包预测模型，获取所述对话内容对应的至少一个表情包；所述用户表情包预测模型为依据用户的聊天习惯建立，包含有用户聊天语料包库中用户聊天语料与表情包库中表情包之间的对应关系；

将至少一个所述表情包推荐给用户，以供所述用户选择使用。

所述获取用户在社交软件中输入的对话内容的步骤具体包括：

获取用户在社交软件中输入的当前对话内容以及前预定数量的聊天记录。

所述根据用户表情包预测模型，获取所述对话内容对应的至少一个表情包的步骤包括：

根据所述对话内容，对所述对话内容进行预处理，生成当前语料包；

通过用户表情包预测模型，生成所述当前聊天语料对应的至少一个表情包。

所述根据所述对话内容，对所述对话内容进行预处理，生成当前语料包的步骤包括：

去除所述对话内容的标点符号和空格符号；

对去除标点符号和空格符号的对话内容进行分词，生成第一语料包；

从第一语料包中，筛选出所述用户聊天语料包库中包含的语料，生成当前语料包。

所述方法还包括：

当所述用户聊天语料包库中的语料数量达到重新训练阈值时，则在原有模型参数的基础上，使用更新的语料，重新训练所述用户表情包预测模型。

所述获取用户在社交软件中输入的对话内容的步骤之前，所述方法还包括：

建立用户表情包预测模型；

建立所述用户表情包预测模型的步骤包括：

模型主体由四个单层神经网络组成，其中三个单层神经网络用于获取上下文语境中的紧邻的三个聊天句子的信息，剩余一个单层神经网络用于汇总这三个单层神经网络获取到的信息；

模型输出层为一个softmax层，用于将最后生成的上下文语境信息向量表达式转化为表情向量的概率分布，最终推荐的表情从所得概率分布中概率最大的几个表情中选出；

每个单层神经网络由数目固定的LSTM神经单元组成，其中三个单层神经网络的LSTM神经单元个数为n，n是规定的最大句子长度；剩余一个单层神经网络的LSTM神经单元个数为3；

其中三个单层神经网络，用于分别获取上下文语境中三个句子的信息，句子中的词向量信息由t表示，每个句子最后的信息分别用隐状态h1、h2和h3表示。

一种基于用户聊天习惯的智能表情推荐系统，包括：