表情推荐方法及装置的制造方法

表情推荐方法及装置的制造方法
【专利摘要】本发明公开了一种表情推荐方法及装置，属于互联网技术领域。所述方法包括：获取用户的社交行为信息，社交行为信息包括用户的社交关系链和用户的表情使用信息中的至少一种；社交关系链用于指示与用户具有预定社交关系的至少一个关联用户，表情使用信息用于指示用户对表情的使用行为；根据社交行为信息，计算该用户与表情库中表情的相关度；根据该相关度向用户对应的社交应用客户端发送推荐表情。本发明实施例达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
【专利说明】
表情推荐方法及装置
技术领域
[0001] 本发明实施例涉及互联网技术领域，特别涉及一种表情推荐方法及装置。
【背景技术】
[0002] 社交应用客户端作为智能设备中使用率最高的应用，方便用户与好友之间进行聊 天。
[0003] 用户使用社交应用客户端与好友进行聊天时，不仅可以向好友发送文字信息，还 可以通过社交应用客户端提供的表情面板，选择并发送已保存的表情。为了丰富用户可发 送的表情，社交应用客户端提供的表情面板中包含有表情商店入口，用户通过该表情商店 入口，即可进入相应的表情商店页面。表情商店页面中的表情根据下载量或发布时间进行 排序，方便用户选择并下载。
[0004] 在实现本发明实施例的过程中，发明人发现上述技术至少存在以下问题：
[0005] 由于不同用户对表情的偏好各不相同，根据表情的下载量或发布时间对表情进行 排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户添加表情的效率较低。

【发明内容】

[0006] 为了解决根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情 才能选中喜爱的表情，导致用户的选择效率较低的问题，本发明实施例提供了一种表情推 荐方法及装置。所述技术方案如下：
[0007] 根据本发明实施例的第一方面，提供一种表情推荐方法，该方法包括：
[0008] 获取用户的社交行为信息，社交行为信息包括用户的社交关系链和用户的表情使 用信息中的至少一种；社交关系链用于指示与用户具有预定社交关系的至少一个关联用 户，表情使用信息用于指示用户对表情的使用行为；
[0009] 根据社交行为信息，计算该用户与表情库中表情的相关度；
[0010] 根据该相关度向用户对应的社交应用客户端发送推荐表情。
[0011]根据本发明实施例的第二方面，提供一种表情推荐装置，该装置包括：
[0012] 获取模块，用于获取用户的社交行为信息，社交行为信息包括用户的社交关系链 和用户的表情使用信息中的至少一种;社交关系链用于指示与用户具有预定社交关系的至 少一个关联用户，表情使用信息用于指示用户对表情的使用行为；
[0013] 计算模块，用于根据社交行为信息，计算用户与表情库中表情的相关度；
[0014] 发送模块，用于根据该相关度向用户对应的社交应用客户端发送推荐表情。
[0015] 本发明实施例提供的技术方案带来的有益效果是：
[0016] 通过获取用户的社交行为信息，根据该社交行为信息中包含的社交关系链和/或 表情使用信息，计算用户与表情库中各个表情的相关度，并以相关度作为推荐依据进行表 情推荐;解决了根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才 能选中喜爱的表情，导致用户的添加表情的效率较低的问题;达到了以用户的社交关系链 和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间 的匹配度较高，从而提高用户添加表情的效率。
【附图说明】
[0017] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。
[0018] 图1是本发明一个实施例提供实施环境的示意图；
[0019] 图2是本发明一个实施例提供的表情推荐方法的流程图；
[0020]图3A是本发明另一个实施例提供的表情推荐方法的流程图；
[0021 ]图3B是图3A所示表情推荐方法涉及的相关度计算过程的流程图；
[0022] 图3C是图3A所示表情推荐方法的界面示意图；
[0023] 图4A是本发明再一个实施例提供的表情推荐方法的流程图；
[0024] 图4B是图4A所示表情推荐方法涉及的相关度计算过程的流程图；
[0025]图5是本发明一个实施例提供的表情推荐装置的结构方框图；
[0026] 图6是本发明另一个实施例提供的表情推荐装置的结构方框图。
【具体实施方式】
[0027] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方 式作进一步地详细描述。
[0028] 为了方便理解，下面对本发明实施例中出现的名词进行解释。
[0029] 社交应用客户端:指安装在用户终端中的社交类应用程序，该社交应用客户端通 常具有即时通讯功能。比如，该社交应用客户端可以为即时通讯程序、语音通讯程序、团队 语音工具、富媒体社交工具、游戏平台或微博等等。用户使用社交应用客户端时，需要使用 预先注册的帐号进行登录，完成登录后，用于即可通过该社交应用客户端与具有预定社交 关系的关联用户进行聊天。其中，预定社交关系包括:具有好友关系、互相关注关系或属于 同一群组关系中的至少一种关系。
[0030] 社交关系链:具有预定社交关系的用户之间建立的关系链。本发明实施例中特指 社交应用中用户之间的社交关系链。
[0031] 表情使用信息：指用户在社交应用客户端中使用表情时产生的信息，该表情使用 信息具体包括使用方式、发送次数和表情标识等等。其中，使用方式包括发送表情、收藏表 情和下载表情中的至少一种。
[0032] 社交亲密度：用于指示社交应用中具有预定社交关系的用户之间的亲密度。该社 交亲密度可以根据用户之间建立社交关系时长，和/或用于在预定时间段内的聊天频率计 算得到。
[0033] 表情权重值：用于指示用户对表情的使用程度，该表情权重值可以根据表情使用 信息中的使用方式和/或发送次数计算得到。比如，不同的(表情)使用方式对应不同的表情 权重值，又比如，（表情)发送次数与表情权重值呈正比例关系。
[0034] 请参考图1，其示出了本发明一个实施例提供实施环境的示意图，该实施环境中包 含至少一个用户终端110和表情推荐服务器120。
[0035] 用户终端110是运行有社交应用客户端的电子设备，该电子设备可以是智能手机、 平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家 压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专 家压缩标准音频层面4)播放器和膝上型便携计算机(相机、摄像机)等等。每个用户通过自 身帐号登录社交应用客户端，并可以通过该社交应用客户端与具有预定社交关系的关联用 户进行聊天。
[0036]至少一个用户终端110与表情推荐服务器120之间通过有线或无线网络相连。
[0037] 表情推荐服务器120是用户终端110的后台服务器，用于向各个用户终端中的社交 应用客户端推荐表情。表情推荐服务器120是至少一台服务器、服务器集群、分布式服务器 平台、云计算中心或几个服务器集群的组合。本发明各个实施例提供的表情推荐方法均用 于表情推荐服务器120。
[0038] 在其他可能的实施方式中，该实施环境中还可以包括社交关系服务器130和聊天 记录存储服务器140。当需要进行表情推荐时，表情推荐服务器120即可从社交关系服务器 130处获取各个用户的社交关系链，从聊天记录存储服务器140处获取各个用户的表情使用 信息。
[0039] 请参考图2,其示出了本发明一个实施例提供的表情推荐方法的流程图，本实施例 以该表情推荐方法用于图1中的表情推荐服务器120为例进行说明，该方法包括：
[0040] 步骤202,获取用户的社交行为信息，该社交行为信息包括用户的社交关系链和用 户的表情使用信息中的至少一种;社交关系链用于指示与该用户具有预定社交关系的至少 一个关联用户，表情使用信息用于指示该用户对表情的使用行为。
[0041 ]步骤204，根据社交行为信息，计算用户与表情库中表情的相关度。
[0042]根据获取到的社交行为信息，表情推荐服务器计算该用户与表情库中各个表情的 相关度。作为一种可能的实施方式，当用户的社交关系链指示与该用户具有预定社交关系 的关联用户的数量小于阈值时，表情推荐服务器根据用户的表情使用信息计算用户与表情 库中表情的相关度;作为另一种可能的实施方式，当用户的表情使用信息指示用户使用表 情的数量小于阈值时，表情推荐服务器根据用户的社交关系链计算该用户与表情库中表情 的相关度。
[0043]步骤206,根据该相关度向该用户对应的社交应用客户端发送推荐表情。
[0044] 表情推荐服务器计算得到用户与表情库中表情的相关度后，可以将相关度大于预 定相关度阈值的表情确定为推荐表情，也可以将相关度排名前η的表情确定为推荐表情，并 将该推荐表情发送至该用户对应的社交应用客户端，使得社交应用客户端可以对推荐表情 进行显示。
[0045] 相较于现有技术中根据表情的下载量或发布时间对表情进行排序，通过本实施例 提供的表情推荐方法进行表情推荐时，由于推荐的表情根据用户自身的社交行为信息确 定，因此推荐的表情更加符合用户自身的表情喜好，避免了用户从大量表情中查找自己喜 好的表情，提尚了用户添加表情的效率。
[0046] 综上所述，本实施例提供的表情推荐方法，通过获取用户的社交行为信息，根据该 社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的 相关度，并以相关度作为推荐依据进行表情推荐;解决了根据表情的下载量或发布时间对 表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率 较低的问题;达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情 推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
[0047] 当用户的表情使用信息指示用户使用表情的数量小于阈值（比如5个)时，根据用 户的表情使用信息进行表情推荐会影响推荐表情与用户的匹配度。因此，当用户的表情使 用信息指示用户使用表情的数量小于阈值时，表情推荐服务器根据用户的社交关系链计算 用户与表情库中表情的相关度。下面采用一个示意性实施例进行说明。
[0048] 请参考图3A，其示出了本发明另一个实施例提供的表情推荐方法的流程图，本实 施例以该表情推荐方法用于图1中的表情推荐服务器120为例进行说明，该方法包括：
[0049]步骤301，获取用户的社交关系链，社交关系链用于指示与该用户具有预定社交关 系的至少一个关联用户。
[0050] 在一种可能的实施方式中，当需要进行表情推荐时，表情推荐服务器可以从用于 维护用户间社交关系的社交关系服务器处获取用户的社交关系链，该社交关系链信息中包 含与该用户具有预定社交关系的各个关联用户。为了方便描述，本实施例以预定社交关系 为好友关系，关联用户为好友用户为例进行说明。
[0051] 示意性的，服务器获取到各个用户的社交关系链如表一所示。
[0052] 表一
[0053]
[0054]需要说明的是，表情推荐服务器还可以通过其他方式获取用户的好友关系链，本 发明实施例并不对服务器获取社交关系链的方式进行限定。
[0055] 步骤302,根据用户的社交关系链，确定与该用户具有预定社交关系的关联用户。
[0056] 根据获取到社交关系链，表情推荐服务器确定各个用户各自对应的关联用户。比 如，表情推荐服务器获取到各个用户的社交关系链如表一所示，从而确定与用户Adam具有 预定社交关系的关联用户包括六1;[06、13013、1^107、]\^1^、]〇1111、6代〇7 ;确定与用户234具有预 定社交关系的关联用户包括Micheal、Lily、Kobe、James。
[0057] 步骤303,根据各个关联用户各自对应的表情使用信息，生成候选表情集合，该候 选表情集合中包含各个关联用户使用过的表情。
[0058] 由于表情库中表情数量庞大，计算用户与表情库中各个表情的相关度需要耗费大 量计算资源，而具有预定社交关系的用户之间通常具有相似的喜好，相应的，关联用户经常 使用的表情符合该用户喜好的可能性较高，因此，表情推荐服务器确定用户对应的关联用 户后，获取各个关联用户的表情使用信息，进一步根据该表情使用信息确定各个关联用户 使用过的表情，从而生成相应的候选表情集合，并从该候选表情集合中选取与用户相关度 较高的表情作为推荐表情，从而减少计算量。其中，各个关联用户的表情使用信息可以从图 1中的聊天记录存储服务器处获取，本发明实施例并不对此进行限定。
[0059] 各个关联用户对应的表情使用信息中包含使用方式、发送次数和表情标识等信 息，表情推荐服务器根据表情使用信息生成候选表情集合时，即对表情使用信息中包含的 表情标识进行归纳统计。
[0060] 比如，表情推荐服务器获取到用户Zark的社交关系链中包含关联用户Micheal、 Lily、Kobe、James，且Micheal对应的表情使用信息中包含表情标识emo jiOOl、emo ji002和 6111〇」;[004;1^17对应的表情使用信息中包含表情标识61]1〇」;[001、61]1〇」;[004和61]1〇」;[008;1((^6 对应的表情使用信息中包含表情标识emo ji03、emo j i007和emo ji012; James对应的表情使 用信息中包含表情标识emo j i 001、emo j i 002。表情推荐服务器将获取到的表情标识的合集 确定为候选表情集合，该候选表情集合中即包含emo jiOOl、emo ji002、emo ji003、emo ji004、 emoji007、emoji008、emoji012。
[0061] 步骤304,计算用户与候选表情集合中各个表情的相关度。
[0062] 获取到候选表情集合后，表情推荐服务器进一步计算用户与该候选表情集合中各 个表情的相关度。
[0063]对于具有预订社交关系的两个用户（用户和关联用户）来说，其社交亲密度越高， 其偏好表情的相似度也越高，相应的，关联用户使用的表情与该用户的相关度越高；同时， 关联用户对某一表情的喜好程度越高（即对该表情的表情权重值越高），相应的，用户与该 表情相关度也越高。因此，表情推荐服务器在计算用户与候选表情集合中各个表情的相关 度时，需要综合用户与各个关联用户之间的社交亲密度以及各个关联用户对(候选表情集 合中）各个表情的表情权重值。在一种可能的实施方式中，如图3B所示，本步骤可以包括如 下步骤。
[0064]步骤304A，获取该用户与各个关联用户之间的社交亲密度。
[0065] 表情推荐服务器可以根据用户与各个关联用户之间建立社交关系的时长，和/或 根据预定时间段内用户与各个关联用户的聊天频率，计算用户与各个关联用户之间的社交 亲密度。
[0066] 示意性的，用户之间的建立社交关系的时长与社交亲密度的对应关系可以如表二 所示。
[0067] 表二
[0068]
[0069] 示意性的，用户之间聊天频率与社交亲密度的对应关系可以如表三所示。
[0070] 表三
[0071]

[0072] 步骤304B，根据各个关联用户各自对应的表情使用信息，计算各个关联用户对候 选表情集合中各个表情的表情权重值，表情权重值用于指示用户对表情的使用程度。
[0073] 在获取用户与各个关联用户之间的社交亲密度的同时，表情推荐服务器可以根据 各个关联用户各自对应表情使用信息中包含的使用方式和发送次数等信息，计算各个关联 用户对候选表情集合中各个表情的表情权重值。
[0074] 在一种可能的实施方式中，针对不同的使用方式，表情推荐服务器中预先设置有 不同使用方式对应的表情权重值。
[0075] 比如，发送表情对应的表情权重值为1，未发送表情对应的表情权重值为0,下载表 情对应的表情权重值为1.2，收藏表情对应的表情权重值为1.5。当关联用户James对应的表 情使用信息指示James发送表情emoji 001，收藏表情emoji 002,且候选表情集合中包含 emo jiOOl、emo ji002、emo ji003、emo ji004、emo ji007、emo ji008、emo ji012时，用户 James对 emo j iOOl的表情权重值为1，对emo j iOOl的表情权重值为1.5，对emo j i003的表情权重值为 0,对emoji004的表情权重值为0,对emoji007的表情权重值为0,对emoji008的表情权重值 为0，对emo j i012的表情权重值为0 〇
[0076] 在另一种可能的实施方式中，关联用户对表情的表情权重值与发送该表情的次数 呈正比，表情推荐服务器则根据关联用户发送表情的次数，计算关联用户对该表情的表情 权重值。
[0077]需要说明的是，表情推荐服务器还可以根据其他方式计算关联用户对候选表情集 合中各个表情的表情权重值，本实施例仅以上述两种可能的实施方式进行示意性说明，并 不对此构成限定。
[0078]步骤304C，根据社交亲密度和表情权重值，计算用户与候选表情集合中各个表情 的相关度。
[0079]表情推荐服务器综合社交亲密度和表情权重值，计算用户与候选表情集合中各个 表情的相关度，在一种可能的实施方式中，表情推荐服务器将社交亲密度和表情权重值带 入第一相关度计算公式，计算用户与候选表情集合中各个表情的相关度，其中，第一相关度 计算公式为
[0080]
[0081 ] Scoreu, (^表示用户u与候选表情集合中表情e的相关度；
[0082] Friend0f(U)表示与用户u具有预定社交关系的关联用户的集合；
[0083] Weight (u,f)表示用户u与关联用户f之间的社交亲密度；
[0084] UserEmoji Interact (f,e)表示关联用户f对表情e的表情权重值。
[0085]结合上述实施例，用户Zark对应的FriendOf (u)即为Micheal、Lily、Kobe、James; Weight (u，f)即包括Zark与Micheal的社交亲密度，Zark与Li ly的社交亲密度，Zark与Kobe 的社交亲密度以及Zark与James的社交亲密度;UserEmo j i Interac t (f，e)即包括Mi cheal对 候选表情集合中各个表情(emo jiOOl、emo ji 002、emo ji003、emo ji004、emoji 007、emo ji008、 emo j iO 12)的表情权重值，Li ly对候选表情集合中各个表情的表情权重值，Kobe对候选表情 集合中各个表情的表情权重值以及James对候选表情集合中各个表情的表情权重值。
[0086]步骤305，根据相关度的大小对表情进行降序排序。
[0087]计算得到用户与候选表情集合中各个表情的相关度后，表情推荐服务器根据相关 度的大小对候选表情集合中各个表情进行降序排序。其中，相关度数值越大指示用户与表 情的相关程度越高，该表情符合用户喜好的可能性越高。
[0088]比如，表情推荐服务器计算得到Zark与emojiOOl的相关度为85、与emoji002的相 关度为76、与emo ji003的相关度为30、与emo ji004的相关度为50、与emo ji007的相关度为 15、与emo ji008的相关度为21、与emo ji012的相关度为18,排序后的表情为emo jiOOl、 emoji002、emoji004、emoji003、emoji008、emoji012、emoji007。
[0089] 步骤306,将排序后的前η个表情确定为推荐表情。
[0090] 比如，排序后的表情为emo j i001、emo j i002、emo j i004、emo j i003、emo j i008、 咖〇^012、咖〇」1007，表情推荐服务器将前3个表情确定为推荐表情，即将 6111〇」1001、 emo j i002和emo j i004确定为推荐表情。
[0091] 需要是说明的是，在其他可能的实施方式中，表情推荐服务器还可以将相关度大 于预设相关度阈值的表情确定为推荐表情，本发明实施例并不对此进行限定。
[0092] 步骤307,向该用户对应的社交应用客户端发送推荐表情，该社交应用客户端用于 在表情面板中显示推荐表情对应的下载入口。
[0093] 表情推荐服务器将确定的推荐表情发送给相应的用户，当用户使用社交应用客户 端，并打开表情面板时，该表情面板中即显示推荐表情对应的下载入口。用户通过该下载入 口可以查看到推荐表情的信息并进行下载。为了区分用户已下载表情和推荐表情，推荐表 情对应的下载入口与用户已下载表情采用不同的显示效果，比如，推荐表情对应的下载入 口可米用灰色背景或尚壳背景等等。
[0094]如图3C所示，当用户打开社交应用客户端中的表情面板21时，该表情面板21中即 显示推荐表情对应的下载入口 22。当用户点击下载入口 22时，表情面板21中显示推荐表情 的相关信息23及下载控件24。当用户点击相关信息23时，社交应用客户端显示该推荐表情 对应的详情页面25,该详情页面25中包含推荐表情的详细信息；当用户点击下载控件24时， 即可下载该推荐表情。
[0095]需要说明的一点是，为了保证推荐表情的时效性，表情推荐服务器可以按照预定 时间间隔（比如1次/天）重复执行上述步骤301至步骤306,从而实时更新推荐给用户的表 情。
[0096] 采用上述实施例提供的表情推荐方法进行表情推荐时，表情推荐服务器针对不同 用户进行表情推荐，推荐给用户的表情与用户对表情的喜好匹配度较高；同时，表情推荐服 务器推荐给用户的表情直接在表情面板中进行显示，方便用户直接进行下载，相较于通过 表情商店入口进入表情商店浏览并下载表情，方便用户快速下载到心仪的表情，提高了用 户下载表情的效率。
[0097] 综上所述，本实施例提供的表情推荐方法，通过获取用户的社交行为信息，根据该 社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的 相关度，并以相关度作为推荐依据进行表情推荐;解决了根据表情的下载量或发布时间对 表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率 较低的问题;达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情 推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
[0098]本实施例中，表情推荐服务器利用用户的社交关系链确定与用户具有预定社交关 系的关联用户，并根据各个关联用户的表情使用情况进行表情推荐，使得推荐给用户的表 情更加符合用户自身的表情喜好；同时，表情推荐服务器推荐给用户的表情直接在表情面 板中进行显示，相较于在表情商店中显示大量表情更加直观，且方便用户快速下载，提高了 用户下载表情的效率。
[0099]本实施例中，表情推荐服务器在计算用户与表情的相关度时，综合用户与关联用 户之间的社交亲密度和关联用户对表情的表情权重值，保证了计算得到的相关度的准确 度，提高了推荐表情与用户喜好的匹配度。
[0100]为了使用户知悉表情推荐服务器采用何种推荐策略进行表情推荐，表情推荐服务 器向用户对应的社交应用客户端发送推荐表情的同时，根据相关度的计算方式向该社交应 用客户端发送相应的推荐信息。在一种可能的实施方式中，上述步骤307后，还包括如下步 骤。
[0101]步骤308,根据相关度的计算方式，向用户对应的社交应用客户端发送相应的推荐 信息，该社交应用客户端用于在表情面板中显示推荐表情对应的下载入口时显示该推荐信 息。
[0102] 在一种可能的实施方式中，当根据用户的社交关系链计算相关度时，表情推荐服 务器确定推荐表情后，进一步根据社交关系链中各个关联用户的表情使用信息，获取使用 过该推荐表情的关联用户的用户数，并向社交应用客户端发送包含该用户数的推荐信息， 比如，如图3C所示，该推荐信息可以为"20位好友正在使用这套表情"，其中，20即为使用过 该推荐表情的关联用户的用户数。社交应用客户端接收到该推荐信息后，在显示推荐表情 对应的下载入口时显示该推荐信息。
[0103] 当用户的社交关系链指示该用户对应的关联用户的数量小于阈值（比如5个)时， 根据关联用户的表情使用情况进行表情推荐会影响推荐表情与用户的匹配度。因此，当用 户的社交关系链指示该用户对应的关联用户的数量小于阈值时，表情推荐服务器根据用户 的表情使用信息计算用户与表情库中表情的相关度。下面采用一个示意性实施例进行说 明。
[0104] 请参考图4A，其示出了本发明再一个实施例提供的表情推荐方法的流程图，本实 施例以该表情推荐方法用于图1中的表情推荐服务器120为例进行说明，该方法包括：
[0105]步骤401，获取用户的表情使用信息，表情使用信息用于指示用户对表情的使用行 为。
[0106] 在一种可能的实施方式中，当需要进行表情推荐时，表情推荐服务器可以从用于 存储用户间聊天记录的聊天记录存储服务器处获取用户的表情使用信息。
[0107] 在一种可能的实施方式中，聊天记录存储服务器采用key-value的存储格式保存 有各个用户的表情使用信息，其中，key为用户的用户标识，value则为表情标识与发送次数 的组合。示意性的，用户的表情使用信息如表四所示。
[0108] 表四
[0109]
'[0110] 在其他可能的实施方式中，该表情使用信息中还可以包含用户对表情的使用方 式，比如发送表情、下载表情、收藏表情等等。本实施例并不对此进行限定。
[0111] 步骤402,计算表情库对应的表情相似度矩阵，表情相似度矩阵中包括表情库中各 个表情之间的表情相似度。
[0112] 对于表情库中所有表情，表情推荐服务器预先计算表情库中各个表情之间的相似 度，从而获得表情库对应的表情相似矩阵。
[0113] 作为一种可能的实施方式，对于表情库中的表情α和表情β，表情α与表情β之间的 表情相似度Μα, e为：
[0114
[0115]其中，ka表示发送过表情α的用户数;ke表示发送过表情β的用户数;u表示所有用 户;h表示用户j发送过表情的表情总数;指示用户j是否发送过表情α，若用户j发送过表 情α，则aaj = 1，若用户j未发送过表情α，则aa j = 0; ap j指示用户j是否发送过表情β，若用户j 发送过表情β，则afij = l，若用户j未发送过表情β，则afij = 0;A为浮点数，〇<入<1。\用于调节 相似度计算的准确度和推荐表情覆盖率，推荐表情覆盖率用于指示最终推荐给用户的表情 占表情库的比例，λ越小，推荐表情覆盖率越高，通常情况下，λ取值为〇. 3。
[0116]需要说明的是，表情推荐服务器还可以通过其他可能的方式计算表情库中各个表 情之间的相似度，本实施例仅以上述方法进行说明，并不对此构成限定。
[0117] 步骤403,根据用户对应的表情使用信息和表情相似度矩阵，计算用户与表情库中 表情的相关度。
[0118] 对于用户经常使用的表情，用户对与该表情相似度较高的其他表情的喜爱程度通 常也较高，因此，表情推荐服务器可以根据表情使用信息指示用户经常使用的表情以及表 情相似度矩阵，从表情库中挖掘出与用户常用表情相似度较高的表情作为推荐表情，并推 荐给用户。
[0119] 在一种可能的实施方式中，如图4Β所示，本步骤可以包括如下步骤。
[0120]步骤403Α，根据用户对应的表情使用信息，计算用户对表情库中已使用表情的表 情权重值，表情权重值用于指示用户对表情的使用程度。
[0121]与上述步骤304Β相似的，表情推荐服务器可以根据用户对应表情使用信息中包含 的表情标识，确定用户已使用表情，并根据该表情使用信息中包含的使用方式和发送次数 等信息，计算该对各个已使用表情的表情权重值。
[0122]比如，对于用户James来说，James的表情使用信息指示已使用表情为emojiOOl和 emo j i002，且James对emo j iOOl的表情权重值为1，对emo j i002的表情权重值为1 · 5 〇 [0123]步骤403B，从表情相似度矩阵中获取已使用表情与未使用表情之间的表情相似 度，未使用表情指表情库中用户未使用过的表情。
[0124] 进一步的，表情推荐服务器从上述步骤402计算得到的表情相似度矩阵中，获取已 使用表情与未使用表情之间的表情相似度，其中，未使用表情指该用户未使用过的表情。
[0125] 步骤403C，根据已使用表情与未使用表情之间的表情相似度以及表情权重值，计 算用户与未使用表情的相关度。
[0126] 表情推荐服务器根据用户对已使用表情的表情权重值，以及已使用表情与未使用 表情之间的表情相似度，计算用户与各个未使用表情之间的相关度。作为一种可能的实施 方式，表情推荐服务器可以将已使用表情与未使用表情之间的表情相似度以及表情权重值 带入第二相关度计算公式，计算用户与未使用表情的相关度。
[0127] 其中，第二相关度计算公式为
[0128]
[0129] Scoreu,肩示用户u与未使用表情e的相关度；
[0130] SendEm〇jiList(u)表示用户u使用过的表情的集合；
[0131] se表示已使用表情se;
[0132] UserEmoji Interact (u，se)表示用户u对已使用表情se的表情权重值；
[0133] Me,%表示未使用表情e与已使用表情se之间的表情相似度。
[0134] 步骤404,根据相关度的大小对表情进行降序排序。
[0135] 步骤405,将排序后的前η个表情确定为推荐表情。
[0136] 步骤406,向该用户对应的社交应用客户端发送推荐表情，该社交应用客户端用于 在表情面板中显示推荐表情对应的下载入口。
[0137] 与上述步骤305至步骤307相似的，表情推荐服务器计算得到用户与未使用表情的 相关度后，按照相关度的大小对各个未使用表情进行排序，将相关度较高的前η个表情确定 为推荐表情，并向该用户发送推荐表情。
[0138] 综上所述，本实施例提供的表情推荐方法，通过获取用户的社交行为信息，根据该 社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的 相关度，并以相关度作为推荐依据进行表情推荐;解决了根据表情的下载量或发布时间对 表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率 较低的问题;达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情 推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
[0139] 本实施例中，表情推荐服务器根据用户自身使用表情的情况以及表情库中各个表 情之间的相似度，从表情库中筛选出与用户常用表情相似度较高的其他表情作为推荐表情 推荐给用户，使得推荐给用户的表情与用户喜好的表情相似，提高了表情推荐的准确性。
[0140] 与上述步骤308相似的，为了使用户知悉表情推荐服务器采用何种推荐策略进行 表情推荐，表情推荐服务器向用户对应的社交应用客户端发送推荐表情的同时，根据相关 度的计算方式向该社交应用客户端发送相应的推荐信息。在一种可能的实施方式中，上述 步骤406后，还包括如下步骤。
[0141] 步骤407,根据相关度的计算方式，向用户对应的社交应用客户端发送相应的推荐 信息，该社交应用客户端用于在表情面板中显示推荐表情对应的下载入口时显示该推荐信 息。
[0142] 在一种可能的实施方式中，当根据用户的表情使用信息计算相关度时，表情推荐 服务器确定推荐表情后，使用预设的文案模版生成推荐信息，并将推荐信息发送至社交应 用客户端。比如，该推荐信息可以为"与您喜欢同类表情的用户也喜欢这套表情"。
[0143] 下述为本发明装置实施例，对于装置实施例中未详尽描述的细节，可以参考上述 --对应的方法实施例。
[0144] 请参考图5,其示出了本发明一个实施例提供的表情推荐装置的结构方框图。该表 情推荐装置通过硬件或者软硬件的结合实现成为图1中表情推荐服务器120的全部或者一 部分。该表情推荐装置包括：
[0145] 获取模块510,用于获取用户的社交行为信息，所述社交行为信息包括所述用户的 社交关系链和所述用户的表情使用信息中的至少一种;所述社交关系链用于指示与所述用 户具有预定社交关系的至少一个关联用户，所述表情使用信息用于指示所述用户对表情的 使用行为；
[0146] 计算模块520,用于根据所述社交行为信息，计算所述用户与表情库中表情的相关 度；
[0147] 发送模块530,用于根据所述相关度向所述用户对应的社交应用客户端发送推荐 表情。
[0148] 综上所述，本实施例提供的表情推荐装置，通过获取用户的社交行为信息，根据该 社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的 相关度，并以相关度作为推荐依据进行表情推荐;解决了根据表情的下载量或发布时间对 表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率 较低的问题;达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情 推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
[0149] 请参考图6,其示出了本发明另一个实施例提供的表情推荐装置的结构方框图。该 表情推荐装置通过硬件或者软硬件的结合实现成为图1中表情推荐服务器120的全部或者 一部分。该表情推荐装置包括：
[0150] 获取模块610,用于获取用户的社交行为信息，所述社交行为信息包括所述用户的 社交关系链和所述用户的表情使用信息中的至少一种;所述社交关系链用于指示与所述用 户具有预定社交关系的至少一个关联用户，所述表情使用信息用于指示所述用户对表情的 使用行为；
[0151]计算模块620,用于根据所述社交行为信息，计算所述用户与表情库中表情的相关 度；
[0152] 发送模块630,用于根据所述相关度向所述用户对应的社交应用客户端发送推荐 表情。
[0153] 可选地，所述社交行为信息中包括所述用户的社交关系链，所述计算模块620,包 括：
[0154] 确定单元621，用于根据所述用户的社交关系链，确定与所述用户具有预定社交关 系的关联用户；
[0155] 生成单元622,用于根据各个关联用户各自对应的表情使用信息，生成候选表情集 合，所述候选表情集合中包含各个关联用户使用过的表情；
[0156] 第一计算单元623,用于计算所述用户与所述候选表情集合中各个表情的相关度。
[0157] 可选的，所述第一计算单元623,包括：
[0158]第一获取子单元623a，用于获取所述用户与各个关联用户之间的社交亲密度； [0159]第一计算子单元623b，用于根据各个关联用户各自对应的表情使用信息，计算各 个关联用户对所述候选表情集合中各个表情的表情权重值，所述表情权重值用于指示用户 对表情的使用程度；
[0160]第二计算子单元623c，用于根据所述社交亲密度和所述表情权重值，计算所述用 户与所述候选表情集合中各个表情的相关度。
[0161 ]可选的，第二计算子单元623c，具体用于:将所述社交亲密度和所述表情权重值带 入第一相关度计算公式，计算所述用户与所述候选表情集合中各个表情的相关度；
[0162] 其中，所述第一相关度计算公式为
[0163]
[0164] Scoreu, (^表示用户u与所述候选表情集合中表情e的相关度；
[0165] FriendOf(u)表示与用户u具有预定社交关系的关联用户的集合；
[0166] Weight (u, f)表示用户u与关联用户f之间的所述社交亲密度；
[0167] UserEmoji Interact (f,e)表示关联用户f对表情e的所述表情权重值。
[0168] 可选地，所述社交行为信息包括所述用户的表情使用信息，所述计算模块620,包 括：
[0169] 第二计算单元624,用于计算所述表情库对应的表情相似度矩阵，所述表情相似度 矩阵中包括表情库中各个表情之间的表情相似度；
[0170]第三计算单元625,用于根据所述用户对应的表情使用信息和所述表情相似度矩 阵，计算所述用户与所述表情库中表情的相关度。
[0171] 可选的，对于所述表情库中的表情α和表情β，表情α与表情β之间的表情相似度Μα』 为：
[0172]
[0173] 其中，ka表示发送过表情α的用户数;ke表示发送过表情β的用户数;u表示所有用 户;h表示用户j发送过表情的表情总数;指示用户j是否发送过表情α，若用户j发送过表 情α，则aaj = 1，若用户j未发送过表情α，则aa j = 0; ap j指示用户j是否发送过表情β，若用户j 发送过表情β，则ap j = 1，若用户j未发送过表情β，则ap j = 0; λ为浮点数，〇 < λ < 1。
[0174] 可选地，所述第三计算单元625,包括：
[0175] 第三计算子单元625a，用于根据所述用户对应的表情使用信息，计算所述用户对 所述表情库中已使用表情的表情权重值，所述表情权重值用于指示用户对表情的使用程 度；
[0176]第二获取子单元625b，用于从所述表情相似度矩阵中获取所述已使用表情与未使 用表情之间的表情相似度，所述未使用表情指所述表情库中用户未使用过的表情；
[0177]第四计算子单元625c，用于根据所述已使用表情与所述未使用表情之间的表情相 似度以及所述表情权重值，计算所述用户与所述未使用表情的相关度。
[0178] 可选的，所述第四计算子单元625c，具体用于:将所述已使用表情与所述未使用表 情之间的表情相似度以及所述表情权重值带入第二相关度计算公式，计算所述用户与所述 未使用表情的相关度；
[0179] 其中，所述第二相关度计算公式为
[0180]
[0181] Scoreu,肩示用户u与未使用表情e的相关度；
[0182] SendEmojiList(u)表示用户u使用过的表情的集合；
[0183] se表示已使用表情se;
[0184] UserEmoji Interact (u，se)表示用户u对已使用表情se的所述表情权重值；
[0185] Me,%表示未使用表情e与已使用表情se之间的表情相似度。
[0186] 可选的，所述发送模块630,包括：
[0187] 排序单元631，用于根据所述相关度的大小对表情进行降序排序；
[0188] 表情确定单元632，用于将排序后的前η个表情确定为所述推荐表情；
[0189] 发送单元633,用于向所述用户对应的社交应用客户端发送所述推荐表情，所述社 交应用客户端用于在表情面板中显示所述推荐表情对应的下载入口。
[0190] 可选的，所述装置，还包括：
[0191]信息发送模块640,用于根据所述相关度的计算方式，向所述用户对应的社交应用 客户端发送相应的推荐信息，所述社交应用客户端用于在表情面板中显示所述推荐表情对 应的下载入口时显示所述推荐信息。
[0192] 综上所述，本实施例提供的表情推荐装置，通过获取用户的社交行为信息，根据该 社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的 相关度，并以相关度作为推荐依据进行表情推荐;解决了根据表情的下载量或发布时间对 表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率 较低的问题;达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情 推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
[0193] 本实施例中，表情推荐服务器利用用户的社交关系链确定与用户具有预定社交关 系的关联用户，并根据各个关联用户的表情使用情况进行表情推荐，使得推荐给用户的表 情更加符合用户自身的表情喜好；同时，表情推荐服务器推荐给用户的表情直接在表情面 板中进行显示，相较于在表情商店中显示大量表情更加直观，且方便用户快速下载，提高了 用户下载表情的效率。
[0194] 本实施例中，表情推荐服务器在计算用户与表情的相关度时，综合用户与关联用 户之间的社交亲密度和关联用户对表情的表情权重值，保证了计算得到的相关度的准确 度，提高了推荐表情与用户喜好的匹配度。
[0195] 本实施例中，表情推荐服务器根据用户自身使用表情的情况以及表情库中各个表 情之间的相似度，从表情库中筛选出与用户常用表情相似度较高的其他表情作为推荐表情 推荐给用户，使得推荐给用户的表情与用户喜好的表情相似，提高了表情推荐的准确性。
[0196] 需要说明的是：上述实施例提供的表情推荐装置，仅以上述各功能模块的划分进 行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将表 情推荐服务器的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。 另外，上述实施例提供的表情推荐装置与表情推荐方法实施例属于同一构思，其具体实现 过程详见方法实施例，这里不再赘述。
[0197] 应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式"一 个"（"a"、"an"、"the"）旨在也包括复数形式。还应当理解的是，在本文中使用的"和/或"是 指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
[0198] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0199] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件 来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读 存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0200] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和 原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种表情推荐方法，其特征在于，所述方法包括： 获取用户的社交行为信息，所述社交行为信息包括所述用户的社交关系链和所述用户 的表情使用信息中的至少一种;所述社交关系链用于指示与所述用户具有预定社交关系的 至少一个关联用户，所述表情使用信息用于指示所述用户对表情的使用行为； 根据所述社交行为信息，计算所述用户与表情库中表情的相关度； 根据所述相关度向所述用户对应的社交应用客户端发送推荐表情。2. 根据权利要求1所述的方法，其特征在于，所述社交行为信息中包括所述用户的社交 关系链，所述根据所述社交行为信息，计算所述用户与表情库中表情的相关度，包括： 根据所述用户的社交关系链，确定与所述用户具有预定社交关系的关联用户； 根据各个关联用户各自对应的表情使用信息，生成候选表情集合，所述候选表情集合 中包含各个关联用户使用过的表情； 计算所述用户与所述候选表情集合中各个表情的相关度。3. 根据权利要求2所述的方法，其特征在于，所述计算所述用户与所述候选表情集合中 各个表情的相关度，包括： 获取所述用户与各个关联用户之间的社交亲密度； 根据各个关联用户各自对应的表情使用信息，计算各个关联用户对所述候选表情集合 中各个表情的表情权重值，所述表情权重值用于指示用户对表情的使用程度； 根据所述社交亲密度和所述表情权重值，计算所述用户与所述候选表情集合中各个表 情的相关度。4. 根据权利要求3所述的方法，其特征在于，所述根据所述社交亲密度和所述表情权重 值，计算所述用户与所述候选表情集合中各个表情的相关度，包括： 将所述社交亲密度和所述表情权重值带入第一相关度计算公式，计算所述用户与所述 候选表情集合中各个表情的相关度； 其中，所述第一相关度计算公式为Score。, e表示用户U与所述候选表情集合中表情e的相关度； 化iendOf(u)表示与用户U具有预定社交关系的关联用户的集合； Wei曲t(u，f)表示用户U与关联用户f之间的所述社交亲密度； UserEmoji Interact (f,e)表示关联用户f对表情e的所述表情权重值。5. 根据权利要求1所述的方法，其特征在于，所述社交行为信息包括所述用户的表情操 作信息，所述根据所述社交行为信息，计算所述用户与表情库中表情的相关度，包括： 计算所述表情库对应的表情相似度矩阵，所述表情相似度矩阵中包括表情库中各个表 情之间的表情相似度； 根据所述用户对应的表情使用信息和所述表情相似度矩阵，计算所述用户与所述表情 库中表情的相关度。6. 根据权利要求5所述的方法，其特征在于，对于所述表情库中的表情α和表情β，表情α 与表情β之间的表情相似度Μα,e为：其中，ka表示发送过表情α的用户数;ke表示发送过表情β的用户数;U表示所有用户；kj 表示用户j发送过表情的表情总数;aa苗旨示用户j是否发送过表情α，若用户j发送过表情α， 则aaf 1，若用户j未发送过表情α，则aaf 0;aw指示用户j是否发送过表情β，若用户j发送 过表情β，则ae j = 1，若用户j未发送过表情β，则ae j = 0; λ为浮点数，0 < λ < 1。7. 根据权利要求5或6所述的方法，其特征在于，所述根据所述用户对应的表情使用信 息和所述表情相似度矩阵，计算所述用户与所述表情库中表情的相关度，包括： 根据所述用户对应的表情使用信息，计算所述用户对所述表情库中已使用表情的表情 权重值，所述表情权重值用于指示用户对表情的使用程度； 从所述表情相似度矩阵中获取所述已使用表情与未使用表情之间的表情相似度，所述 未使用表情指所述表情库中用户未使用过的表情； 根据所述已使用表情与所述未使用表情之间的表情相似度W及所述表情权重值，计算 所述用户与所述未使用表情的相关度。8. 根据权利要求7所述的方法，其特征在于，所述根据所述已使用表情与所述未使用表 情之间的表情相似度W及所述表情权重值，计算所述用户与所述未使用表情的相关度，包 括： 将所述已使用表情与所述未使用表情之间的表情相似度W及所述表情权重值带入第 二相关度计算公式，计算所述用户与所述未使用表情的相关度； 其中，所述第二相关度计算公式为Score。,康示用户U与未使用表情e的相关度； Sen祀mo jiList(u)表示用户U使用过的表情的集合； se表示已使用表情se; UserEmoji Interact (u,se)表示用户U对已使用表情se的所述表情权重值； Me, se表示未使用表情e与已使用表情S e之间的表情相似度。9. 根据权利要求1至8任一所述的方法，其特征在于，所述根据所述相关度向所述用户 对应的社交应用客户端发送推荐表情，包括： 根据所述相关度的大小对表情进行降序排序； 将排序后的前η个表情确定为所述推荐表情； 向所述用户对应的社交应用客户端发送所述推荐表情，所述社交应用客户端用于在表 情面板中显示所述推荐表情对应的下载入口。10. 根据权利要求1至9任一所述的方法，其特征在于，所述方法，还包括： 根据所述相关度的计算方式，向所述用户对应的社交应用客户端发送相应的推荐信 息，所述社交应用客户端用于在表情面板中显示所述推荐表情对应的下载入口时显示所述 推荐信息。11. 一种表情推荐装置，其特征在于，所述装置包括： 获取模块，用于获取用户的社交行为信息，所述社交行为信息包括所述用户的社交关 系链和所述用户的表情使用信息中的至少一种;所述社交关系链用于指示与所述用户具有 预定社交关系的至少一个关联用户，所述表情使用信息用于指示所述用户对表情的使用行 为； 计算模块，用于根据所述社交行为信息，计算所述用户与表情库中表情的相关度； 发送模块，用于根据所述相关度向所述用户对应的社交应用客户端发送推荐表情。12. 根据权利要求11所述的装置，其特征在于，所述社交行为信息中包括所述用户的社 交关系链，所述计算模块，包括： 确定单元，用于根据所述用户的社交关系链，确定与所述用户具有预定社交关系的关 联用户； 生成单元，用于根据各个关联用户各自对应的表情使用信息，生成候选表情集合，所述 候选表情集合中包含各个关联用户使用过的表情； 第一计算单元，用于计算所述用户与所述候选表情集合中各个表情的相关度。13. 根据权利要求12所述的装置，其特征在于，所述第一计算单元，包括： 第一获取子单元，用于获取所述用户与各个关联用户之间的社交亲密度； 第一计算子单元，用于根据各个关联用户各自对应的表情使用信息，计算各个关联用 户对所述候选表情集合中各个表情的表情权重值，所述表情权重值用于指示用户对表情的 使用程度； 第二计算子单元，用于根据所述社交亲密度和所述表情权重值，计算所述用户与所述 候选表情集合中各个表情的相关度。14. 根据权利要求13所述的装置，其特征在于，所述第二计算子单元，还用于:将所述社 交亲密度和所述表情权重值带入第一相关度计算公式，计算所述用户与所述候选表情集合 中各个表情的相关度； 其中，所述第一相关度计算公式为Score。, e表示用户U与所述候选表情集合中表情e的相关度； 化iendOf(u)表示与用户U具有预定社交关系的关联用户的集合； Wei曲t(u，f)表示用户U与关联用户f之间的所述社交亲密度； UserEmoji Interact (f,e)表示关联用户f对表情e的所述表情权重值。15. 根据权利要求11所述的装置，其特征在于，所述社交行为信息包括所述用户的表情 使用信息，所述计算模块，包括： 第二计算单元，用于计算所述表情库对应的表情相似度矩阵，所述表情相似度矩阵中 包括表情库中各个表情之间的表情相似度； 第Ξ计算单元，用于根据所述用户对应的表情使用信息和所述表情相似度矩阵，计算 所述用户与所述表情库中表情的相关度。16. 根据权利要求15所述的装置，其特征在于，对于所述表情库中的表情α和表情β，表 情α与表情β之间的表情相似度Μα,e为：其中，ka表示发送过表情α的用户数;ke表示发送过表情β的用户数;U表示所有用户；kj 表示用户j发送过表情的表情总数;aa苗旨示用户j是否发送过表情α，若用户j发送过表情α， 则aaj = 1，若用户j未发送过表情α，则aaj = 0; apj指示用户j是否发送过表情β，若用户j发送 过表情β，则ae j = 1，若用户j未发送过表情β，则ae j = 0; λ为浮点数，0 < λ < 1。17. 根据权利要求15或16所述的装置，其特征在于，所述第Ξ计算单元，包括： 第Ξ计算子单元，用于根据所述用户对应的表情使用信息，计算所述用户对所述表情 库中已使用表情的表情权重值，所述表情权重值用于指示用户对表情的使用程度； 第二获取子单元，用于从所述表情相似度矩阵中获取所述已使用表情与未使用表情之 间的表情相似度，所述未使用表情指所述表情库中用户未使用过的表情； 第四计算子单元，用于根据所述已使用表情与所述未使用表情之间的表情相似度W及 所述表情权重值，计算所述用户与所述未使用表情的相关度。18. 根据权利要求17所述的装置，其特征在于，所述第四计算子单元，还用于:将所述已 使用表情与所述未使用表情之间的表情相似度W及所述表情权重值带入第二相关度计算 公式，计算所述用户与所述未使用表情的相关度； 其中，所述第二相关度计算公式为Score。,康示用户U与未使用表情e的相关度； Sen祀mo jiList(u)表示用户U使用过的表情的集合； se表示已使用表情se; UserEmoji Interact (u,se)表示用户U对已使用表情se的所述表情权重值； Me,se表示未使用表情e与已使用表情se之间的表情相似度。19. 根据权利要求1至8任一所述的装置，其特征在于，所述发送模块，包括： 排序单元，用于根据所述相关度的大小对表情进行降序排序； 表情确定单元，用于将排序后的前η个表情确定为所述推荐表情； 发送单元，用于向所述用户对应的社交应用客户端发送所述推荐表情，所述社交应用 客户端用于在表情面板中显示所述推荐表情对应的下载入口。20. 根据权利要求11至19任一所述的装置，其特征在于，所述装置，还包括： 信息发送模块，用于根据所述相关度的计算方式，向所述用户对应的社交应用客户端 发送相应的推荐信息，所述社交应用客户端用于在表情面板中显示所述推荐表情对应的下 载入口时显示所述推荐信息。
【文档编号】G06F17/30GK105975563SQ201610286192
【公开日】2016年9月28日
【申请日】2016年4月29日
【发明人】陈凯斌, 李霖, 唐林平, 潘长鹏, 黄东
【申请人】腾讯科技（深圳）有限公司