[发明专利]基于情感曲线的动态图片联动展示装置在审
申请号: | 202111400097.1 | 申请日: | 2021-11-19 |
公开(公告)号: | CN114064969A | 公开(公告)日: | 2022-02-18 |
发明(设计)人: | 向为;王雪悠;刘宣慧;郭天惠;高暐玥 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06F16/74 | 分类号: | G06F16/74;G06F16/71;G06F16/75;G06F16/78;G06V40/16 |
代理公司: | 杭州天勤知识产权代理有限公司 33224 | 代理人: | 曹兆霞 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 情感 曲线 动态 图片 联动 展示 装置 | ||
本发明公开了一种基于情感曲线的动态图片联动展示装置,属于图片推荐领域,包括:在依据观看当前动态图片的面部图像获得观看当前动态图片的当前情感类型的基础上,依据情感曲线确定当前感情类型对应的下一情感波动阶段,这样能够考虑情感的连续性;然后,依据叙事曲线和情感曲线的对应关系确定叙事波动阶段后,依据情感曲线确定叙事波动阶段对应的叙事风格,这样考虑了叙事的连续性;最后,综合情感类型和叙事风格,选择下一情感类型对应的动态图片集中抽取满足叙事风格的动态图片进行展示,这样充分考虑情感连续性和叙事清洁连续性,使得推荐的动态图片更准确和更合适。
技术领域
本发明属于图片推荐领域,具体涉及一种基于情感曲线的动态图片联通展示装置。
背景技术
随着电商产业和新闻产业的发展,各种各样的视频或图片进行联动展示,现在的联动展示方式一般都通过毫无感情的推荐机器,一直给用户推荐最有可能感兴趣的信息,但是这种推荐方式不能够满足人们的情感需求,导致推荐不准确。
专利文献CN113343120A公开了一种基于情感防护的新闻智能推荐系统,该系统基于包括:利用BERT预训练模型提取新闻特征和文本的特征词,通过新闻特征向量构建新闻特征矩阵;对文本信息进行情感过滤建立情感分级模型,对用户评论、新闻标题和内容实行情感分级以区分其消极和积极程度;通过聚类算法将新闻标签聚类,依据用户评论情感等级和用户行为时间对其浏览的新闻分配权重,以用户特征信息构建用户矩阵;以用户情感的时间序列预测用户下一时间段内的情感等级;通过计算用户和新闻向量的相似度产生推荐表,预测用户情绪状态,以贝叶斯方法按比例推荐新闻,实现动态推送。这方法能够避免推荐的新闻能够对用户心理造成伤害的新闻,但是推荐的新闻并不具有故事联动性。
专利文献CN111143615A公开了一种短视频情感类别的识别装置,获取待识别的目标短视频,划分目标短视频为多个镜头片段,提取每个镜头片段的帧画面特征,提取目标短视频的镜头特征和动态特征;(2)调用所述情感效价模型对输入的所述帧画面特征进行计算,输出目标短视频的情感效价值;(3)调用所述情感激励模型对输入的由所述帧画面特征、镜头特征、动态特征组成的组合特征进行计算,输出目标短视频的情感激励值;(4)计算由所述情感效价值与所述情感激励值构建的V-A情感空间与各情感类别坐标中心的欧式距离,依据所述欧式距离确定该目标短视频的情感类别,给方法只能够进行情感类别识别,不能用于动态图像推荐。
发明内容
鉴于上述,本发明的目的是提供一种基于情感曲线的动态图片联动展示装置,以解决没有关注人类情感变动连续性和图片叙事连续性导致推荐的动态图片不准确的问题。
为实现上述发明目的,本发明提供以下技术方案:
第一方面,实施例提供了一种基于情感曲线的动态图片联动展示装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取观看当前动态图片的面部图像,并对面部图像进行面部表情识别,以确定观看当前动态图片的当前情感类型;
依据情感曲线呈现的情感类型和情感波动的对应关系,确定当前情感类型对应的当前情感波动阶段,且依据情感曲线呈现的情感波动阶段的连续性,根据当前情感波动阶段确定下一情感波动阶段;
依据叙事曲线和情感曲线的对应关系,确定下一情感波动阶段对应的叙事波动阶段,依据叙事曲线呈现的叙事波动与叙事风格的对应关系,确定叙事波动阶段对应的叙事风格;
依据情感曲线确定下一情感波动阶段对应的下一情感类型,并从下一情感类型对应的动态图片集中抽取满足叙事风格的动态图片进行展示。
在一个实施例中,在情感曲线中,以平淡情感波动阶段-上升情感波动阶段-下降情感波动阶段为循环单元进行循环的,情感类型和情感波动的对应关系包括:
平淡情感波动阶段对应平静、认真、放松三种中唤醒度的情感类型;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111400097.1/2.html,转载请声明来源钻瓜专利网。