基于情感分析选择视觉元素的系统和方法技术方案

本文中详细描述了用于基于情感分析选择要插入到内容项中的视觉元素的系统和方法。数据处理系统可以使用训练数据集建立内容项的表现预测模型，该表现预测模型将组成视觉元素与情感表现度量相关联。数据处理系统可以识别内容项和要插入的候选视觉元素。内容项可以具有组成视觉元素。数据处理系统可以使用表现预测模型来确定内容项的总情感表现度量。数据处理系统可以使用表现预测模型来确定候选视觉元素和视觉元素之间的组合表现度量。组合表现度量可以指示对总表现度量的预测效果。数据处理系统可以基于组合表现度量选择要插入到内容项中的候选视觉元素。

【技术实现步骤摘要】
【国外来华专利技术】基于情感分析选择视觉元素的系统和方法
技术介绍
在诸如互联网的计算机联网环境中，可以由应用(例如，网络浏览器)在信息资源(例如，网页)上渲染内容项。信息资源的每个内容项可以经由计算机联网环境从不同的服务器发送到计算设备。一个或多个这些不同的服务器可能未被授权在信息资源上包括内容项。
技术实现思路
至少一个方面针对一种基于情感分析(sentimentanalysis)选择要插入到内容项中的视觉元素的方法。一种具有一个或多个处理器的数据处理系统可以使用具有多个测试内容项的训练数据集建立内容项的表现预测模型，其中该表现预测模型将组成视觉元素与情感表现度量相关联。每个测试内容项可以具有多个视觉元素和测量情感表现度量。数据处理系统可以识别内容项和要插入到该内容项中的多个候选视觉元素。内容项可以具有多个组成视觉元素。数据处理系统可以使用表现预测模型和内容项的所述多个组成视觉元素来确定内容项的总情感表现度量。数据处理系统可以使用表现预测模型，为所述多个候选视觉元素中的每个候选视觉元素确定候选视觉元素和内容项的所述多个视觉元素之间的组合表现度量。组合表现度量可以指示对内容项的总表现度量的预测效果。数据处理系统可以基于候选视觉元素与内容项中的所述多个组成视觉元素的组合表现度量，从所述多个候选视觉元素中选择要插入到内容项中的候选视觉元素。在一些实施方式中，数据处理系统可以跨多个信息资源，向第一组客户端设备呈现具有候选视觉元素的内容项，并且在第二组客户端设备上呈现不具有候选视觉元素的内容项。在一些实施方式中，数据处理系统可以根据跨多个信息资源进行呈现来确定具有候选视觉元素的内容项的第一交互统计和不具有候选视觉元素的内容项的第二交互统计。在一些实施方式中，数据处理系统可以在多个信息资源的每个信息资源上呈现信息资源上的具有候选视觉元素的内容项。在一些实施方式中，数据处理系统可以根据在所述多个信息资源上呈现内容项来确定插入了候选视觉元素的内容项的交互统计。在一些实施方式中，数据处理系统可以基于表现度量、内容项的多个组成视觉元素以及插入到内容项中的候选视觉元素来更新表现预测模型。在一些实施方式中，数据处理系统可以使用表现预测模型为内容项上的多个组成视觉元素中的每个组成视觉元素确定组成视觉元素的贡献表现度量。在一些实施方式中，确定总情感表现度量可以包括基于内容项上的多个组成视觉元素的多个贡献表现度量来确定总情感表现度量。在一些实施方式中，数据处理系统可以识别感知内容项的多个受众分群(audiencesegment)，每个受众分群由共同特征(commontrait)定义。在一些实施方式中，建立表现预测模型可以包括使用具有多个测试内容项的训练数据集来建立表现预测模型。每个测试内容项可以具有对于每个受众分群的测量情感表现度量。在一些实施方式中，确定总情感表现度量可以包括确定对于多个受众分群中的每个受众分群的、内容项的总情感表现度量。在一些实施方式中，确定组合表现度量可以包括确定对于多个受众分群中的每个受众分群的、候选视觉元素的组合表现度量。在一些实施方式中，建立表现预测模型可以包括使用训练数据集建立表现预测模型。训练数据集可以包括第一测试内容项和第二测试内容项。第一内容项可以在第一位置处具有具备第一测量情感表现度量的视觉元素。第二内容项可以在第二位置处具有具备第二测量情感表现度量的视觉元素。在一些实施方式中，确定组合表现度量可以包括使用表现预测模型来确定内容项内用于插入的候选位置处的候选视觉元素的组合表现度量。在一些实施方式中，建立表现预测模型可以包括使用训练数据集建立表现预测模型。训练数据集的每个测试内容项可以具有多个视觉元素。每个视觉元素可以具有一个或多个图形特征。在一些实施方式中，确定组合表现度量可以包括使用表现预测模型来确定内容项内用于插入的候选位置处的组合表现度量。在一些实施方式中，识别多个组成视觉元素可以包括通过以下中的至少一个来识别所述多个组成视觉元素：将对象识别算法应用于对内容项的渲染来识别每个视觉元素，以及解析对应于内容项的脚本来识别每个视觉元素。在一些实施方式中，数据处理系统可以经由调查界面接收具有多个视觉元素的测试内容项的测量情感表现度量。测量情感表现度量可以包括说服力(persuasion)、链接性(linkage)、显著性(salience)和可记忆性(memorability)中的至少一个。在一些实施方式中，数据处理系统可以基于对应的多个候选视觉元素的多个组合表现度量，在内容选择管理界面上呈现多个候选视觉元素。至少一个方面针对一种用于基于情感分析选择要插入到内容项中的视觉元素的系统。该系统可以包括在具有一个或多个处理器的数据处理系统上可执行的模型训练器。模型训练器可以使用具有多个测试内容项的训练数据集来建立内容项的表现预测模型，其中该表现预测模型将组成视觉元素与情感表现度量相关联。每个测试内容项可以具有多个视觉元素和测量情感表现度量。该系统可以包括在数据处理系统上可执行的内容界面。内容界面可以识别内容项和要插入到内容项中的多个候选视觉元素，内容项具有多个组成视觉元素。该系统可以包括在数据处理系统上可执行的表现估计器。表现估计器可以使用表现预测模型和内容项的多个组成视觉元素来确定内容项的总情感表现度量。表现估计器可以使用表现预测模型为多个候选视觉元素中的每个候选视觉元素确定候选视觉元素和内容项的多个视觉元素之间的组合表现度量。组合表现度量可以指示对内容项的总表现度量的预测效果。该系统可以包括在数据处理系统上可执行的元素选择器。元素选择器可以基于候选视觉元素与内容项中的多个组成视觉元素的组合表现度量，从多个候选视觉元素中选择要插入到内容项中的候选视觉元素。在一些实施方式中，该系统可以包括在数据处理系统上可执行的呈现跟踪器。呈现跟踪器可以跨越多个信息资源，向第一组客户端设备呈现具有候选视觉元素的内容项，并且在第二组客户端设备上呈现不具有候选视觉元素的内容项。在一些实施方式中，呈现跟踪器可以根据跨多个信息资源的呈现来确定具有候选视觉元素的内容项的第一交互统计和不具有候选视觉元素的内容项的第二交互统计。在一些实施方式中，该系统可以包括在数据处理系统上可执行的呈现跟踪器。呈现跟踪器可以在多个信息资源的每个信息资源上呈现信息资源上的具有候选视觉元素的内容项。在一些实施方式中，呈现跟踪器可以根据在多个信息资源上呈现内容项来确定插入了候选视觉元素的内容项的交互统计。在一些实施方式中，模型训练器可以基于表现度量、内容项的多个组成视觉元素以及插入到内容项中的候选视觉元素来更新表现预测模型。在一些实施方式中，表现估计器可以使用表现预测模型为内容项上的多个组成视觉元素中的每个组成视觉元素确定组成视觉元素的贡献表现度量。在一些实施方式中，表现估计器可以基于内容项上的多个组成视觉元素的多个贡献表现度量来确定总情感表现度量。在一些实施方式中，模型训练器可以识别感知内容项的多个受众分群，每个受众分群由共同特征定义。在一些实施方式中，模型训练器可以使用具有多个测试内容项的训练数据集来建立表现预测模型。每个测试本文档来自技高网...

【技术保护点】
1.一种基于情感分析选择要插入到内容项中的视觉元素的方法，包括：/n由具有一个或多个处理器的数据处理系统使用具有多个测试内容项的训练数据集来建立内容项的表现预测模型，其中所述表现预测模型将组成视觉元素与情感表现度量相关联，每个测试内容项具有多个视觉元素和测量情感表现度量；/n由所述数据处理系统识别内容项和要插入到所述内容项中的多个候选视觉元素，所述内容项具有多个组成视觉元素；/n由所述数据处理系统使用所述表现预测模型和所述内容项的所述多个组成视觉元素来确定所述内容项的总情感表现度量；/n由所述数据处理系统使用所述表现预测模型为所述多个候选视觉元素中的每个候选视觉元素确定所述候选视觉元素和所述内容项的所述多个视觉元素之间的组合表现度量，所述组合表现度量指示对所述内容项的总表现度量的预测效果；以及/n由所述数据处理系统基于所述候选视觉元素与所述内容项中的所述多个组成视觉元素的组合表现度量，从所述多个候选视觉元素中选择要插入到所述内容项中的候选视觉元素。/n

【技术特征摘要】
【国外来华专利技术】1.一种基于情感分析选择要插入到内容项中的视觉元素的方法，包括：
由具有一个或多个处理器的数据处理系统使用具有多个测试内容项的训练数据集来建立内容项的表现预测模型，其中所述表现预测模型将组成视觉元素与情感表现度量相关联，每个测试内容项具有多个视觉元素和测量情感表现度量；
由所述数据处理系统识别内容项和要插入到所述内容项中的多个候选视觉元素，所述内容项具有多个组成视觉元素；
由所述数据处理系统使用所述表现预测模型和所述内容项的所述多个组成视觉元素来确定所述内容项的总情感表现度量；
由所述数据处理系统使用所述表现预测模型为所述多个候选视觉元素中的每个候选视觉元素确定所述候选视觉元素和所述内容项的所述多个视觉元素之间的组合表现度量，所述组合表现度量指示对所述内容项的总表现度量的预测效果；以及
由所述数据处理系统基于所述候选视觉元素与所述内容项中的所述多个组成视觉元素的组合表现度量，从所述多个候选视觉元素中选择要插入到所述内容项中的候选视觉元素。


2.根据权利要求1所述的方法，还包括：
由所述数据处理系统跨多个信息资源向第一组客户端设备呈现具有所述候选视觉元素的内容项，并且在第二组客户端设备上呈现不具有所述候选视觉元素的内容项；以及
由所述数据处理系统根据跨所述多个信息资源的呈现来确定具有所述候选视觉元素的内容项的第一交互统计和不具有所述候选视觉元素的内容项的第二交互统计。


3.根据权利要求1所述的方法，还包括：
由所述数据处理系统在多个信息资源的每个信息资源上呈现所述信息资源上的具有所述候选视觉元素的内容项；
由所述数据处理系统根据在所述多个信息资源上呈现所述内容项来确定插入了所述候选视觉元素的内容项的交互统计；以及
由所述数据处理系统基于所述表现度量、所述内容项的所述多个组成视觉元素以及插入到所述内容项中的所述候选视觉元素来更新所述表现预测模型。


4.根据权利要求1所述的方法，还包括：
由所述数据处理系统使用所述表现预测模型为所述内容项上的所述多个组成视觉元素的每个组成视觉元素确定所述组成视觉元素的贡献表现度量；并且
其中，确定所述总情感表现度量还包括基于所述内容项上的所述多个组成视觉元素的多个贡献表现度量来确定总情感表现度量。


5.根据权利要求1所述的方法，还包括：
由所述数据处理系统识别感知所述内容项的多个受众分群，每个受众分群由共同特征定义；
其中，建立所述表现预测模型还包括使用具有所述多个测试内容项的所述训练数据集来建立所述表现预测模型，每个测试内容项具有对于每个受众分群的测量情感表现度量；
其中，确定所述总情感表现度量还包括确定对于所述多个受众分群中的每个受众分群的、所述内容项的总情感表现度量；并且
其中，确定所述组合表现度量还包括确定对于所述多个受众分群中的每个受众分群的、所述候选视觉元素的组合表现度量。


6.根据权利要求1所述的方法，其中，建立所述表现预测模型还包括使用所述训练数据集建立所述表现预测模型，所述训练数据集包括第一测试内容项和第二测试内容项，第一内容项在第一位置处具有具备第一测量情感表现度量的视觉元素，第二内容项在第二位置处具有具备第二测量情感表现度量的视觉元素；并且
其中，确定所述组合表现度量还包括使用所述表现预测模型确定所述内容项内用于插入的候选位置处的候选视觉元素的组合表现度量。


7.根据权利要求1所述的方法，其中，建立所述表现预测模型还包括使用所述训练数据集建立所述表现预测模型，所述训练数据集的每个测试内容项具有多个视觉元素，每个视觉元素具有一个或多个图形特征；并且
其中，确定所述组合表现度量还包括使用所述表现预测模型基于所述候选视觉元素的一个或多个图形特征来确定所述组合表现度量。


8.根据权利要求1所述的方法，其中，识别所述多个组成视觉元素还包括通过以下中的至少一个来识别所述多个组成视觉元素：将对象识别算法应用于对所述内容项的渲染来识别每个视觉元素，以及解析对应于所述内容项的脚本来识别每个视觉元素。


9.根据权利要求1所述的方法，还包括由所述数据处理系统经由调查界面接收具有所述多个视觉元素的测试内容项的测量情感表现度量，所述测量情感表现度量包括说服力、链接性、显著性和可记忆性中的至少一个。


10.根据权利要求1所述的方法，还包括由所述数据处理系统基于对应的多个候选视觉元素的多个组合表现度量在内容选择管理界面上呈现所述多个候选视觉元素。


11.一种用于基于情感分析选择要插入到内容项中的视觉元素的系统，包括：...

【专利技术属性】
技术研发人员：J托伦蒂诺，I布洛索姆，Z方，M米勒，X曲，D邓菲尔德，YJ里，N戈尔梅兹卡拉汉，Z格雷彻，J米尔克，H利欧，K亨尼西，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国;US