表情的推荐方法、装置、设备及存储介质与流程

本申请涉及一种计算机领域，尤其涉及数据推荐领域的一种表情的推荐方法、装置、设备及存储介质。

背景技术：

随着互联网技术的发展，在如今的文字输入场景下(例如feed评论、聊天对话过程中)，越来越多的用户愿意使用表情图，来丰富信息的表达，特别是在社交类型的应用(application，app)涌现，用户通过社交app与其他用户进行交流沟通，也会涉及到表情(也称为表情包或者表情图像)的交流，根据用户输入的内容进行表情推荐的需求也随之而来。

在用户输入文字的过程中，系统推荐适当的表情，可以降低用户自己找图的操作成本，目前，常用的表情推荐方法是基于用户输入文字的关键词进行的联想推荐，即用户输入文字“今天的天气真好～”，系统会推荐“今天”“天气”“真好”等表情图，或者直接将用户输入文字作为搜索值，找到文字相关的表情，然后推荐给用户。

然而，基于用户输入的文字进行关键词联想，表情图表示的也是跟文字相关的内容，导致用户对于表情的使用欲望较低，表情推荐效果较差。

技术实现要素：

本申请实施例提供一种表情的推荐方法、装置、设备及存储介质，用于解决现有技术中基于用户输入的文字进行关键词联想，表情图表示的也是跟文字相关的内容，导致用户对于表情的使用欲望较低，表情推荐效果较差的问题。

第一方面，本申请提供一种表情的推荐方法，包括：

获取到用户输入的文本内容；

对所述文本内容进行分析处理，得到所述文本内容表达的情绪以及情绪得分；

在所述情绪得分大于预设得分阈值时，获取与所述情绪对应的至少一个表情；

将所述至少一个表情推荐给所述用户。

在一种可能的实施方式中，所述获取与所述情绪对应的至少一个表情，包括：

对所述情绪进行泛化处理，获取表示所述情绪的至少一个情绪词；

采用所述至少一个情绪词进行表情检索，得到所述至少一个表情。

在一种可能的实施方式中，所述至少一个情绪词包括：表示所述情绪的同义词，以及上位词和下位词。

在一种可能的实施方式中，所述采用所述至少一个情绪词进行表情检索，得到所述至少一个表情，包括；

根据所述至少一个情绪词，从表情数据库中检索得到检索结果，所述检索结果中包括多个表情；

采用语义匹配模型对所述检索结果中的表情进行处理打分，并获取所述检索结果中得分大于预设值的所述至少一个表情；其中，所述语义匹配模型是基于深度学习训练得到的，能够对表情中表达的语义与所述至少一个情绪词之间的相似程度进行评分的模型。

在一种可能的实施方式中，所述采用所述至少一个情绪词进行表情检索，得到所述至少一个表情，包括；

根据所述至少一个情绪词，从表情数据库中检索得到第一检索结果，所述第一检索结果中包括多个表情；

采用语义匹配模型对所述第一检索结果中的表情进行处理打分，并获取所述第一检索结果中得分大于第一预设值的至少一个第一表情；其中，所述语义匹配模型是基于深度学习训练得到的，能够对表情中表达的语义与所述至少一个情绪词之间的相似程度进行评分的模型；

根据所述第一表情，采用图片相似技术从表情数据库中进行检索得到第二检索结果，所述第二检索结果包括多个表情；

采用情绪理解技术对所述第二检索结果中的表情进行分析，获取每个表情表示的情绪，并获取第二检索结果中表示的情绪与所述文本内容表达的情绪之间的相似度大于第二预设值的至少一个第二表情；

根据所述至少一个第一表情以及所述至少一个第二表情，得到向用户推荐的所述至少一个表情。

在一种可能的实施方式中，所述对所述文本内容进行分析处理，得到所述文本内容表达的情绪以及情绪得分，包括：

将所述文本内容输入情绪分类模型进行情绪分类处理，得到所述文本内容表达的所述情绪以及所述情绪得分；

其中，所述情绪分类模型是基于深度学习训练得到的能够对文字进行情绪分类处理得到情绪以及对应的情绪得分的模型。

在一种可能的实施方式中，所述获取到用户输入的文本内容，包括：

接收用户终端通过应用客户端发送的用户输入的所述文本内容；

相应的，所述将所述至少一个表情推荐给所述用户，包括：

将所述至少一个表情通过所述应用客户端发送至所述用户终端进行显示。

第二方面，本申请提供一种表情的推荐装置，包括：

获取模块，用于获取到用户输入的文本内容；

处理模块，用于对所述文本内容进行分析处理，得到所述文本内容表达的情绪以及情绪得分；

所述处理模块还用于在所述情绪得分大于预设得分阈值时，获取与所述情绪对应的至少一个表情；

推荐模块，用于将所述至少一个表情推荐给所述用户。

在一种可能的实施方式中，所述处理模块具体用于：

对所述情绪进行泛化处理，获取表示所述情绪的至少一个情绪词；

采用所述至少一个情绪词进行表情检索，得到所述至少一个表情。

可选的，所述至少一个情绪词包括：表示所述情绪的同义词，以及上位词和下位词。

在一种可能的实施方式中，所述处理模块具体用于；

根据所述至少一个情绪词，从表情数据库中检索得到检索结果，所述检索结果中包括多个表情；

采用语义匹配模型对所述检索结果中的表情进行处理打分，并获取所述检索结果中得分大于预设值的所述至少一个表情；其中，所述语义匹配模型是基于深度学习训练得到的，能够对表情中表达的语义与所述至少一个情绪词之间的相似程度进行评分的模型。

在一种可能的实施方式中，所述处理模块具体用于；

根据所述至少一个情绪词，从表情数据库中检索得到第一检索结果，所述第一检索结果中包括多个表情；

采用语义匹配模型对所述第一检索结果中的表情进行处理打分，并获取所述第一检索结果中得分大于第一预设值的至少一个第一表情；其中，所述语义匹配模型是基于深度学习训练得到的，能够对表情中表达的语义与所述至少一个情绪词之间的相似程度进行评分的模型；

根据所述第一表情，采用图片相似技术从表情数据库中进行检索得到第二检索结果，所述第二检索结果包括多个表情；

采用情绪理解技术对所述第二检索结果中的表情进行分析，获取每个表情表示的情绪，并获取第二检索结果中表示的情绪与所述文本内容表达的情绪之间的相似度大于第二预设值的至少一个第二表情；

根据所述至少一个第一表情以及所述至少一个第二表情，得到向用户推荐的所述至少一个表情。

在一种可能的实施方式中，所述处理模块还具体用于：

将所述文本内容输入情绪分类模型进行情绪分类处理，得到所述文本内容表达的所述情绪以及所述情绪得分；

其中，所述情绪分类模型是基于深度学习训练得到的能够对文字进行情绪分类处理得到情绪以及对应的情绪得分的模型。

在一种可能的实施方式中，所述获取模块具体用于：

接收用户终端通过应用客户端发送的用户输入的所述文本内容；

相应的，所述推荐模块具体用于：

将所述至少一个表情通过所述应用客户端发送至所述用户终端进行显示。

第三方面，本申请提供一种电子设备，包括：

至少一个处理器，存储器，以及与用户终端通信的通信接口；

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面任一项提供的表情的推荐方法。

第四方面，本申请还提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面任一项提供的表情的推荐方法。

第五方面，本申请还提供一种数据的处理方法，包括：

基于用户输入的文本内容，获取所述文本内容表达的用户的情绪；

根据所述用户的情绪，向用户推荐至少一个表情。

上述申请中的一个实施例具有如下优点或有益效果：在获取到用户输入的文本内容之后，对文本内容进行分析处理，得到所述文本内容表达的情绪以及情绪得分，在情绪得分大于预设得分阈值时，获取与情绪对应的至少一个表情，然后将至少一个表情推荐给所述用户。基于对文字中的情绪理解，能够对用户表达的情绪进行判断，并且情绪达到一定程度之后，基于情绪进行表情联想，增强用户输入的情绪表达，且避免了直接推荐文本内容，丰富了表情内容，提高表情推荐效果。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请提供的表情的推荐方法的一种应用场景；

图2为本申请提供的表情的推荐方法的又一种应用场景；

图3为本申请提供的表情的推荐方法实施例一的流程图；

图4为本申请提供的表情的推荐方法实施例二的流程图；

图5为本申请提供的表情的推荐装置实施例一的结构示意图；

图6是用来实现本申请实施例的表情的推荐方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

当前行业内使用的表情推荐的方式，都是基于用户输入文字的简单关键词联想，并未对用户输入文字做理解，推荐效果较差，且用户使用欲望较低。表情推荐的结果有较大的优化空间。具体的，现有的方案中存在以下一些问题：

1)，部分用户需求未满足。用户在文字配图的发送场景下，不只是想将输入文字原封不动的转化为图片，经过调研分析，在评论输入场景下，60％的用户希望通过表情来增强自己输入文字的情绪(例如用户输入“今天的天气真好～”，然后配上一张“开心”的表情图，用以衬托自己的心情)，而基于输入文字的关键词表情联想很难做到；

2)，信息重复。用户输入的文字与系统推荐表情上的文字相同，即输入文字为“今天的天气真好～”，表情上的文字可能也为“今天的天气真好～”，这样在图文一同发送时，会造成表情信息内容的高度重复，并没有丰富用户信息的表达；

3)，缺少惊喜感。基于用户输入文字内的表情推荐，用户有较稳定的结果预期，缺少出乎意料的结果推荐，从而导致产品平庸；

4)，推荐频率高，打扰用户。未对表情推荐做任何触发控制，任何输入内容都可以出推荐表情，展现频率较高，打扰用户，导致用户体验较差。

综上所述，现有提供的基于用户输入的文字进行关联词联想进行表情推荐的方案中，推荐的表情也是跟文字相关的内容，导致用户使用欲望较低，表情推荐效果较差。

基于上述现有技术中存在的问题，本申请提供一种表情的推荐方法，鉴于目前只是根据文字进行推荐的方式没有对文字中具体表达的含义，以及用户的情绪等进行分析，本方案提出一种新的思路，对用户输入的文本内容进行分析处理得到用户的情绪，并且在情绪达到一定程度时再根据情绪进行表情推荐。具体的，可以基于用户输入的文本内容获取用户表达的情绪，然后根据该情绪向用户推荐一个或者多个情绪。具体的推荐过程中采用的推荐词是根据情绪泛化处理得到的表示该情绪的同义词或者近义词等，避免了直接采用文本内容中的关键词进行检索得到的表情只是文字的重复这种问题，提高表情推荐效果。

图1为本申请提供的表情的推荐方法的一种应用场景；如图1所示，本申请提供的表情的推荐方法可以在用户终端上实现，也就是说用户终端设备中预先存储有表情数据库，且具有数据处理功能，在用户输入了文本内容之后，用户终端自行分析，按照本申请的方案进行表情的推荐。

图2为本申请提供的表情的推荐方法的又一种应用场景；如图2所示，该场景中，本申请提供的表情的推荐方法应用在用户终端与服务器之间，用户通过用户终端输入文本内容，服务器接收到该文本内容之后进行分析处理，召回相关的表情，再通过用户终端推荐给用户。

在上述至少两种场景中，用户终端可以是用户的手机、笔记本电脑，个人计算机pc等能够安装应用(application，app)进行文本内容输入的智能终端，服务器指的是能够进行数据分析处理，并且包括去其他存储设备中进行检索或者自身存储有表情数据库的设备，例如，云服务器、输入法服务器以及应用程序的服务器等，对此本方案不做限制。

下面通过具体的实施方式对本申请提供的表情的推荐方法进行说明。

图3为本申请提供的表情的推荐方法实施例一的流程图，如图3所示，本实施例提供的表情的推荐方法具体包括以下步骤：

s101：获取到用户输入的文本内容。

在本步骤中，该表情推荐一般是应用在用户与别的用户通过文字交流的过程中，对于进行表情推荐的执行主体来说，首先需要获取到用户输入的文本内容，用户输入文本内容的方式具体可以是通过直接编辑文字的方式输入，也可以是通过语音输入，系统在获取到语音之后将语音转换为文本你，对此本方案不做限制。在该方案的具体时限中，用户可以是在预装的app中进行文字输入，也可以是在自行安装的社交app中进行的文字输入，具体可采用系统输入法或者其他可下载安装的输入法进行的文字编辑或者语音输入，最终获取到输入的内容中的文本即可，本申请不做限制。

如果是第一种场景下则可以直接获取用户输入的文本内容即可，如果是第二种场景，服务器则需要通过应用程序或者输入法等应用客户端获取用户输入的文本内容，也就是用户终端通过应用客户端提供的接口向服务器发送文本内容。

s102：对文本内容进行分析处理，得到文本内容表达的情绪以及情绪得分。

在本步骤中，需要对文本内容进行分析处理，分析出用户输入这些文本内容表达的情绪，以及该情绪的程度，例如：“今天天气真好呀～”表示用户的情绪比较正向，很开心，“今天天气还行～”表示用户情绪一般，状态也比较普通。

获取该文本内容中表达的情况以及情绪得分，可以通过语义理解的方式实现，也可以通过专门的用户做情绪分类的模型对文本内容进行分析。

在该方案的一种具体实现中，可以将获取到的文本内容输入情绪分类模型中进行情绪分类处理，该模型可以直接输入该文本内容中表达的情绪，以及情绪的得分。

该情绪分类模型是能够对文字进行情绪分类处理得到情绪以及对应的情绪得分的模型，一般来说可以基于深度学习训练得到。具体的，服务器或者进行模型训练的设备通过抓取、清洗构建海量query-emotion_tag语料库；语料库结合textcnn，bert等深度学习模型，产出具有多种分类的情绪分类模型，例如，可以得到能够进行25种情绪分类的情绪分类模型，这些情绪包括：开心，生气，悲伤……等。在该方案应用中，只需要将用户输入的文本内容(即query)送入情绪分类模型，该模型可输出文本内容的情绪分类以及情绪得分。

s103：在情绪得分大于预设得分阈值时，获取与情绪对应的至少一个表情。

在本步骤中，需要根据情绪的程度确定是不是进行表情推荐，在用户输入的文字表示的情绪程度小于一定值的时候，不进行表情推荐过程，也就是说，该方案中在获取到用户的情绪之后，需要该情绪满足一定的条件才进行表情推荐，进一步确定用户是否需要使用表情。

在一种具体实现方式中，当情绪得分大于了预设得分阈值时候，则认为用户情绪已经达到一定的程度，此时可以进一步借助表情表达，则进行情绪推荐过程。该方案与现有技术不同的是，不是根据文本内容进行表情检索，而是根据得到的情绪(即情绪分类)，获取能够表示该情绪的至少一个表情进行推荐。

具体的，当情绪是高兴，开心的时候，可以从表情数据库中检索出表示开心的所有表情，然后根据一定的规则进行排序，将其中排名在前列的一个或者多个选择出来作为要给用户推荐的表情。这里的排序规则可以是表情与情绪的相似程度从大到小，也可以是表情被使用的频率从高到低，也可以是表情的创建时间由近到远等顺序进行排序，对此本方案不做限制。

s104：将至少一个表情推荐给用户。

在本步骤中，将获取到的至少一个表情通过发送给用户终端或者直接在用户终端上进行显示进行表情推荐。

本实施例提供的表情的推荐方法中，在获取到用户输入的文本内容之后，对文本内容进行分析处理，得到所述文本内容表达的情绪以及情绪得分，在情绪得分大于预设得分阈值时，获取与情绪对应的至少一个表情，然后将至少一个表情推荐给所述用户。基于对文字中的情绪理解，能够对用户表达的情绪进行判断，并且情绪达到一定程度之后，基于情绪进行表情联想，增强用户输入的情绪表达，且避免了直接推荐文本内容，丰富了表情内容，提高表情推荐效果。

图4为本申请提供的表情的推荐方法实施例二的流程图，如图4所示，本实施例提供的表情的推荐方法具体包括以下步骤：

s201：接收用户终端通过应用客户端发送的用户输入的文本内容。

在本方案中，执行主体为服务器，服务器通过安装在用户终端上的应用客户端来获取用户输入的文本内容。在用户终端侧，用户终端获取用户输入的文本内容之后，通过应用客户端发送给服务器，该应用客户端可以是社交软件应用的客户端，也可以是输入法应用的客户端等。

s202：将文本内容输入情绪分类模型进行情绪分类处理，得到文本内容表达的情绪以及情绪得分。

本步骤中，服务器预先获取情绪分类模型，将收到的文本内容输入该将情绪分类模型，输出对应的情绪分类以及情绪得分。

例如：用户输入文字为“今天天气真好～”也就是上述的文本内容为“今天天气真好～”，判断出情绪为“正向”>>“开心”。

进一步地，该方案的实现中需要判断情绪的程度，即还可以触发判断的步骤，仅对有情绪的输入内容做联想触发。

具体的，情绪分类模型不仅会输出情绪分类，同时也会输出情绪对应分数，也就是情绪得分，这个得分是情绪强弱的表征。通过大量实验确定阈值，超过阈值的情绪被认为是可以作为联想触发的情绪种子词。例如：用户输入文字“今天天气真好～”的情绪得分相较于设置的情绪得分阈值较高，系统判断为适合做表情推荐，则进行后续处理过程，否则不进行表情推荐。

s203：对情绪进行泛化处理，获取表示情绪的至少一个情绪词。

在本步骤中，泛化得到的所述至少一个情绪词包括：表示所述情绪的同义词，以及上位词和下位词。

为了满足召回多样化的需求，每一个情绪(也称为情绪词，情绪种子词)通过word2vec、crf等机器学习技术泛化出与情绪语义相近内涵相似的同义词，以及与情绪词紧密相关的上位词和下位词，重新构成检索词，也就是上述的至少一个情绪词。

例如：用户输入文字“今天天气真好～”，情绪词为“开心”，通过“开心”泛化出“nice”，“happy”“愉快”“激动”等相同语义的情绪词。

s204：采用至少一个情绪词进行表情检索，得到至少一个表情。

在本步骤中，根据泛化处理得到的一个或者多个情绪词在表情数据库或者网络上进行表情检索，得到与这些情绪词匹配的多个表情，然后从中选择处理需要向用户进行推荐的至少一个表情。

具体的，该步骤至少包括以下几种实现方式：

第一种实现方式，可以从表情数据库中检索出表示开心的所有表情，然后根据一定的规则进行排序，将其中排名在前列的一个或者多个选择出来作为要给用户推荐的表情。这里的排序规则可以是表情与情绪的相似程度从大到小，也可以是表情被使用的频率从高到低，也可以是表情的创建时间由近到远等顺序进行排序，对此本方案不做限制。

第二种实现方式，根据所述至少一个情绪词，从表情数据库中检索得到检索结果，所述检索结果中包括多个表情，然后采用语义匹配模型对所述检索结果中的表情进行处理打分，并获取所述检索结果中得分大于预设值的所述至少一个表情；其中，所述语义匹配模型是能够对表情中表达的语义与所述至少一个情绪词之间的相似程度进行评分的模型，一般可以基于深度学习训练得到。

该方式中，将泛化之后的同义词与上/下位词组成的新的检索词(也就是上述至少一个情绪词)发起检索，通过经典的信息检索方式(倒排索引+bm25)召回检索结果，然后使用基于深度学习的语义匹配模型对召回结果进行打分排序，选出语义相似度最高的一个或者几个表情作为向用户推荐的表情。

第三种实现方式，根据所述至少一个情绪词，从表情数据库中检索得到第一检索结果，所述第一检索结果中包括多个表情；采用语义匹配模型对所述第一检索结果中的表情进行处理打分，并获取所述第一检索结果中得分大于第一预设值的至少一个第一表情；其中，所述语义匹配模型是基于深度学习训练得到的，能够对表情中表达的语义与所述至少一个情绪词之间的相似程度进行评分的模型。

然后根据所述第一表情，采用图片相似技术从表情数据库中进行检索得到第二检索结果，所述第二检索结果包括多个表情；采用情绪理解技术对所述第二检索结果中的表情进行分析，获取每个表情表示的情绪，并获取第二检索结果中表示的情绪与所述文本内容表达的情绪之间的相似度大于第二预设值的至少一个第二表情。

最后，根据至少一个第一表情以及至少一个第二表情，得到向用户推荐的所述至少一个表情。

在该实现方式中，将泛化之后的同义词与上/下位词组成的新的检索词发起检索，通过经典的信息检索方式(倒排索引+bm25)召回检索结果，然后使用基于深度学习的语义匹配模型对召回结果进行打分排序，选出语义相似度的最高的一个或者多个表情作为返回结果的第一部分，也就是选择出上述的至少一个第一表情。

然后基于这些第一表情，采用图片相似技术，在表情数据库或者网络中发起二次检索，检索出与这些第一表情相似的图片，也就是另一些表情。利用情绪理解技术，识别相似图片周边文本的情绪，判断此图片的情绪与用户输入的文本内容的情绪的吻合程度，情绪吻合程度最高的一个或者多个表情作为返回结果的第二部分，即上述得到的至少一个第二表情。最后，综合第一部分和第二部分的结果返回给用户，也就是集合至少一个第一表情以及至少一个第二表情得到最后要向用户推荐的至少一个表情。

根据第一表情以及第二表情选择最后要推荐的表情的方式可以从两个集合中各自选择一部分，也可以从整体中重选与情绪相似度最高的一个或者多个表情，对此本方案不足限制。

例如：召回情绪词“开心”“nice”，“happy”“愉快”“激动”相关的表情图，然后做整体排序，推荐给用户。

s205：将至少一个表情通过应用客户端发送至用户终端进行显示。

在本实施例中，由于用户使用的是用户终端，服务器得到了要推荐的表情之后，则需要通过应用程序的客户端返回给用户终端进行显示，该应用程序可以是社交软件应用的客户端，也可以是输入法应用的客户端等。

本申请的各个实施例提供的表情的推荐方法，在进行表情推荐时候考虑用户的情绪，基于对输入的文本内容的情绪理解，能准确判断情绪，再对情绪做表情配图，从而增强用户输入的情绪表达。

该中推荐方式还可以丰富信息表达，具体实现中，基于情绪的表情联想，所推荐的表情内容，只与原输入文字做情绪上的关联，与原输入文本内容相差较大，不会出现相同文字的情况，从而丰富了用户图文发送时的信息内容。并且在方案中新增触发控制环节，可通过对判断出的情绪阈值，做触发调整，做到表情图的精准推荐，避免过于打扰用户，控制推荐频率。

另外，采用本申请提供的表情推荐方法具有惊喜感，具体的用户对表情推荐不再具有结果的稳定预期，更容易通过对用户情绪的准确判断，推荐出乎意料的表情结果，增加输入过程中的产品惊喜感体验。

图5为本申请提供的表情的推荐装置实施例一的结构示意图。如图5所示，该表情的推荐装置可以集成在电子设备中或通过电子设备实现，该电子设备可以是服务器，云服务器，电脑，手机等设备，对此不做限制。该表情的推荐装置10，包括：

获取模块11，用于获取到用户输入的文本内容；

处理模块12，用于对所述文本内容进行分析处理，得到所述文本内容表达的情绪以及情绪得分；

所述处理模块12还用于在所述情绪得分大于预设得分阈值时，获取与所述情绪对应的至少一个表情；

推荐模块13，用于将所述至少一个表情推荐给所述用户。

在一种具体的实现方式中，所述处理模块12具体用于：

对所述情绪进行泛化处理，获取表示所述情绪的至少一个情绪词；

采用所述至少一个情绪词进行表情检索，得到所述至少一个表情。

可选的，所述至少一个情绪词包括：表示所述情绪的同义词，以及上位词和下位词。

在一种具体的实现方式中，所述处理模块12具体用于；

根据所述至少一个情绪词，从表情数据库中检索得到检索结果，所述检索结果中包括多个表情；

采用语义匹配模型对所述检索结果中的表情进行处理打分，并获取所述检索结果中得分大于预设值的所述至少一个表情；其中，所述语义匹配模型是能够对表情中表达的语义与所述至少一个情绪词之间的相似程度进行评分的模型。

可选的，所述处理模块12具体用于；

根据所述至少一个情绪词，从表情数据库中检索得到第一检索结果，所述第一检索结果中包括多个表情；

采用语义匹配模型对所述第一检索结果中的表情进行处理打分，并获取所述第一检索结果中得分大于第一预设值的至少一个第一表情；其中，所述语义匹配模型是能够对表情中表达的语义与所述至少一个情绪词之间的相似程度进行评分的模型；

根据所述第一表情，采用图片相似技术从表情数据库中进行检索得到第二检索结果，所述第二检索结果包括多个表情；

采用情绪理解技术对所述第二检索结果中的表情进行分析，获取每个表情表示的情绪，并获取第二检索结果中表示的情绪与所述文本内容表达的情绪之间的相似度大于第二预设值的至少一个第二表情；

根据所述至少一个第一表情以及所述至少一个第二表情，得到向用户推荐的所述至少一个表情。

可选的，所述处理模块12还具体用于：

将所述文本内容输入情绪分类模型进行情绪分类处理，得到所述文本内容表达的所述情绪以及所述情绪得分；

其中，所述情绪分类模型是基于深度学习训练得到的能够对文字进行情绪分类处理得到情绪以及对应的情绪得分的模型。

可选的，所述获取模块11具体用于：

接收用户终端通过应用客户端发送的用户输入的所述文本内容；

相应的，所述推荐模块13具体用于：

将所述至少一个表情通过所述应用客户端发送至所述用户终端进行显示。

上述几种实施方式提供的表情的推荐装置，用于实现前述任一方法实施例中数据提供方的技术方案，其实现原理和技术效果类似，在此不再赘述。

需要说明的是，应理解以上几个实施例中提供的装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，处理模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

进一步地，本申请提供一种电子设备，既可以是用户设备也可以是服务器。

图6是用来实现本申请实施例的表情的推荐方法的电子设备的框图。如图6所示，是根据本申请实施例的表情的推荐方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器101、存储器102，以及用于连接各部件的接口，包括高速接口和低速接口，以及与其他电子设备进行通信的通信接口103。各个部件利用不同的总线104互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器101为例。

存储器102即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的任一执行主体对应的表情的推荐方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的方法。

存储器102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区则可以存储数据，例如，表情数据库等等。此外，存储器102可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器102可选包括相对于处理器1001远程设置的存储器，这些远程存储器可以通过网络连接至数据处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

此外，电子设备还可以包括：输入装置和输出装置。处理器101、存储器102、输入装置和输出装置可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置可接收输入的数字或字符信息，以及产生与数据处理的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

进一步地，本申请还提供一种存储有计算机指令的非瞬时计算机可读存储介质，用于存储计算机指令，该计算机指令被处理器执行后可实现前述任一方法实施例提供的技术方案。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。