本发明专利技术涉及一种基于人脸表情图像的信息推荐效果的评价方法及手机，该方法将推荐信息如图片、文字、视频、游戏等给用户阅读观看，采集用户阅读时的人脸表情图像，抽取人脸表情图像特征，采用人脸表情分类器判断用户当时的情感状况，将情感状态作为信息推荐的评价效果。本发明专利技术还公开了一种基于人脸表情图像的信息推荐效果评价手机，包括：推荐信息阅读模块，人脸表情图像采集模块，人脸表情图像的特征向量构造模块，人脸表情分类模块，信息推荐效果评价模块，以及一个人脸表情训练样本数据库。本发明专利技术的效果是人脸表情采集更自然，评价更真实，使用更方便，可应用于改进广告投放方法，改进视频的推荐方法，改进游戏的设计策略等。
【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种基于人脸表情图像的信息推荐效果的评价方法及手机，该方法将推荐信息如图片、文字、视频、游戏等给用户阅读观看，采集用户阅读时的人脸表情图像，抽取人脸表情图像特征，采用人脸表情分类器判断用户当时的情感状况，将情感状态作为信息推荐的评价效果。本专利技术还公开了一种基于人脸表情图像的信息推荐效果评价手机，包括：推荐信息阅读模块，人脸表情图像采集模块，人脸表情图像的特征向量构造模块，人脸表情分类模块，信息推荐效果评价模块，以及一个人脸表情训练样本数据库。本专利技术的效果是人脸表情采集更自然，评价更真实，使用更方便，可应用于改进广告投放方法，改进视频的推荐方法，改进游戏的设计策略等。【专利说明】一种基于人脸表情图像的信息推荐效果的评价方法及手机
本专利技术涉及一种基于人脸表情图像的信息推荐效果的评价方法及手机，属于信息推荐和模式识别领域。
技术介绍
信息推荐是近年来的一个热门领域，如电子商务，社交网站等，它为用户解决了信息的过载问题，承担了在识别客户消费偏好的基础上，使客户避免信息“超载”所带来的麻烦。精准广告投放是另一种特殊的信息推荐，目前很多商家不惜在广告上花费巨资，希望利用庞大的用户群，进行大范围地推广广告，这类信息推荐减少了对用户的困扰。还有一类信息推荐，用来改进营销策略和开展新业务，例如在电信、银行、保险、零售等行业，准确的信息推荐，有利于引导用户消费，拓展市场。信息推荐中的信息是指展现给用户观看的任何信息，包括图片、文字、视频、游戏等，推荐的效果则是指这些信息对用户产生的吸引力和心理反映，如感到惊奇，厌恶，高兴等，这些效果进一步导致用户的偏好行为，消费倾向改变和购买行动等，因此可以利用这些评价作为反馈来改进信息的推荐方法，例如改进广告的投放方法，改进视频的推荐方法，改进游戏的设计策略等。 推荐系统不但要考虑推荐的精度，还要考虑信息的来源和用户对信息微妙的情感因素，而这些因素在现有推荐算法中难以建模和衡量。现有推荐系统也没有考虑用户在领域内的动态成长模型，例如推荐内容对用户行为的影响，用户对推荐信息的评价等。没有将用户对推荐信息的评价作为负反馈，推荐系统是不稳定的。存在这些困难的主要原因之一是现有推荐算法没有准确地判断用户对推荐信息的心理反映。本专利技术直接通过用户在阅读推荐信息时的人脸表情来推断用户对推荐信息的满意程度，以此评价信息推荐的效果。人脸表情包含了丰富的情感信息，是我们理解情感的重要途径，因此通过人脸表情分析就可以实现人类的情感状态判别，进而获得用户对推荐信息效果的评价。 智能手机的普及以及移动互联网的发展使得很多推荐系统能够将推荐的信息发送到手机上，很多人也习惯用手机来阅读这些推荐的信息。手机具有摄像功能，人们在阅读推荐的信息时，人脸表情是用户对推荐信息的满意程度的自然反映，因此通过自动采集用户阅读推荐信息时的人脸表情，进而通过人脸表情分析就可以判断用户的情感状态，以此推断信息推荐的效果。目前国内还没有发现通过用手机人脸表情来评估信息推荐效果的方法。
技术实现思路
本专利技术要解决的技术问题是:现有信息推荐系统缺乏对推荐信息的自动评估问题，特别是没有考虑用户对推荐信息的心理反映，难以取得满意的推荐效果。 本专利技术涉及一种基于人脸表情图像的信息推荐效果的评价方法，其特征在于该方法包括以下步骤: 用户阅读推荐信息如图片、文字、网页、视频、游戏等形式的信息 采集用户阅读推荐信息时的人脸表情图像 抽取人脸表情图像的情感特征，构造特征向量 利用人脸表情分类模型预测用户的情感状态 将用户的情感状态作为推荐效果的评价 其中人脸情感分类模型的获取过程包含以下步骤 采集N个人脸表情图像及其对应的情感类别 构造每个人脸表情图像的特征向量 构造训练数据，以人脸表情图像的特征向量为输入，其对应的情感类别为输出，构成训练样本集合 采用训练样本集合，学习人脸情感分类模型 以M倍交叉验证方式选择人脸情感分类模型的最佳参数，进而获得对应参数的人脸情感分类模型。 本专利技术还涉及一种基于人脸表情图像的信息推荐效果的评价手机，其特征在于，所述的手机系统包括:一个人脸表情训练样本数据库，推荐信息阅读模块，手机摄像头控制模块，人脸表情图像采集模块，人脸表情图像的特征向量构造模块，人脸表情分类模块，信息推荐效果评价模块，人脸表情分类模型学习模块，信息推荐效果显示模块，信息推荐效果档案管理模块。其中推荐信息阅读模块的输出与手机摄像头控制模块的输入连接，手机摄像头控制模块的输出与人脸表情图像采集模块的输入连接，人脸表情图像采集模块的输出与人脸表情图像的特征向量构造模块的输入连接，人脸表情图像的特征向量构造模块的输出与人脸表情分类模块的输入连接，人脸表情分类模型学习模块的输出与人脸表情分类模块的输入连接，人脸表情分类模块的输出与信息推荐效果评价模块的输入连接，信息推荐效果评价模块的输出与信息推荐效果显示模块的输入连接，信息推荐效果显示模块的输出与信息推荐效果档案管理模块的输入连接。 有益效果 与现有技术相比，本专利技术的一种基于人脸表情图像的信息推荐效果的评价方法及手机具有以下优点: 手机阅读推荐信息时，系统自动采集阅读者的人脸表情图像，不需要用户特别关注，这样采集的人脸表情更自然，分析的结果更真实。 仅使用日用手机就能对用户的推荐信息的效果进行实时分析，简单易用； 应用范围广泛，可应用于改进广告投放方法，改进视频的推荐方法，改进游戏的设计策略等。 【专利附图】【附图说明】 图1 一种基于人脸表情图像的信息推荐效果的评价方法的流程图 图2 —种基于人脸表情图像的情感分类模型的训练流程 图3 —种基于人脸表情图像的信息推荐效果的评价手机的结构图 【具体实施方式】 本专利技术提出的一种基于人脸表情图像的信息推荐效果的评价方法及手机，结合附图和实施例说明如下。 如图1所示，为一种基于人脸表情图像的信息推荐效果的评价方法的流程图， 该方法包括以下步骤: 用户阅读推荐的信息，例如用图片游览器观看推荐的图片，用视频播放器观看推荐的视频，用IE游览器游览推荐的网页等。 采集用户阅读时的人脸表情图像，按设定时间间隔采集人脸表情图像，并以采集时的时间为文件名称将采集的人脸表情图像保存为JPEG格式的图片文件。 提取每个JPEG格式图片文件的图像情感特征，形成一个情感特征向量。 采用支持向量机作为情感分类器，对每个人脸情感特征向量分类，判断的情感类别为愤怒，高兴，悲伤，惊讶，厌恶，恐惧和平静。 用户阅读推荐信息期间，将获得多幅人脸情感图像及对应的情感状态，除平静状态外，对其余的所有情感状态进行投票，将获得最多票数的情感状态作为推荐效果的评价值。 其中人脸表情分类模型是通过机器学习获得的，包括以下步骤 采集1000个人脸表情图像及对应的情感类别 抽取每个人脸表情图像的特征向量 构造训练数据，以人脸表情图像特征向量为输入，其对应的情感类别为输出，构成训练样本集合 利用训练样本集合，训练支持向量机，获得人脸表情分类模型 以10倍交叉验证方式选择支持向量机的合适参数,进而获得对应的支持向量机人脸表情分类模型 本实施案例中，人脸图像处理采用Androi本文档来自技高网...
【技术保护点】
一种基于人脸表情图像的信息推荐效果的评价方法，其特征在于该方法包括以下步骤：[1]用户阅读推荐的信息[2]按设定时间间隔采集用户阅读推荐信息时的人脸表情图像，得到多幅人脸表情图像[3]抽取每幅人脸表情图像的情感特征，构造特征向量[4]利用人脸表情分类模型预测每幅人脸表情图像的情感状态[5]将预测的用户的各类情感状态的统计值作为推荐效果的评价。用户阅读推荐信息期间，将获得多幅人脸情感图像及对应的情感状态类别，统计每类情感状态类别的次数，然后将各个情感状态类别的统计次数作为推荐效果的评价值。
【技术特征摘要】
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：广州华久信息科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。