本发明涉及推广内容推荐，具体为一种基于ai的多媒体推广内容快速生成方法及系统。
背景技术：
1、随着社交媒体和网络平台的普及，用户在互联网环境中的互动数据日益丰富，包括文本评论、音频反馈和视频观看记录等。这些数据不仅反映了用户的兴趣和偏好，还能提供关于其情感状态的重要线索。在多媒体推广场景中，如何充分利用这些丰富的数据资源，以快速生成贴合用户需求的推广内容，成为企业提升推广效果和用户参与度的关键。这一需求在电商、在线教育、娱乐和社交网络等多个领域尤为明显，企业希望通过优化推广策略，吸引更多目标用户。
2、目前，现有的多媒体推广技术主要依赖于基于规则的推荐系统和简单的内容匹配算法。这些系统通常通过用户的历史行为进行推荐，但缺乏对用户情感状态的深入理解和分析。此外，传统方法多采用静态的文本匹配技术，未能有效考虑音频和视频等多媒体数据的特性。这导致推广内容往往与用户的真实需求不匹配，降低了推广的有效性，且在个性化推荐方面表现不佳。
3、传统的多媒体推广系统主要依赖基于规则的推荐算法，这些算法通常使用用户的历史行为数据进行推荐，例如购买记录和浏览历史。然而，这些方法多局限于静态数据的分析，难以实时反映用户的情感变化和动态兴趣。具体而言，传统推荐系统往往忽略了用户在与内容互动过程中所表现出的情感特征，无法深入理解用户对不同类型内容的情感反应。此外，现有技术在多媒体内容的推荐中，主要采用文本匹配和关键词提取的方式，缺少对音频特征和视频观看行为的综合考虑，现有方案在个性化推荐上也存在明显不足，通常只关注单一维度的数据，缺乏对用户行为的多维度分析。
4、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本发明的目的在于提供一种基于ai的多媒体推广内容快速生成方法及系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种基于ai的多媒体推广内容快速生成方法，具体步骤包括：
4、步骤1：收集用户过去时间长度内的互联网在线互动数据，收集的在线互动数据的类型包括用户发布的文本评论、音频和浏览的视频数据，为将文本评论数据切分成单独的词语并去除停用词，获取音频数据中音调、语速的特征数据，获取浏览的视频数量、每条视频的停留时间和平均观看时间数据；
5、步骤2：通过预处理后的文本评论数据提取文本中的关键词，构成关键词集合，依据音频数据中音调、语速的特征数据，生成用户的实时情感指数，依据浏览的每条视频的停留时间和平均观看时间数据生成用户的推荐观看时长；
6、步骤3：对多媒体资源库中的各个推广视频进行分析，获取每个推广视频中的推广文本和视频长度数据，计算关键词和每个推广视频中的推广文本的文本匹配程度，并对每个推广视频中的推广文本进行情感评分；
7、步骤4：依据实时情感指数和推广文本进行情感评分计算每个推广视频和用户的情感匹配指数，依据每个推广视频的视频长度数据和用户的推荐观看时长计算每个推广视频的时长推荐指数，并将时长推荐指数结合用户浏览的视频数量，生成建议推荐指数；
8、步骤5：依据每个推广视频的文本匹配程度、情感匹配指数和建议推荐指数构建数学分析模型，对多媒体资源库中的各个推广视频进行筛选，在多媒体资源库选择最佳推广视频推送给用户。
9、进一步地，收集用户过去时间长度内用户发布的文本评论时，将过去时间长度内所有文本评论按照评论的发布时间进行排序，并采用特定的逗号进行连接，形成一个长字符串，将文本评论数据切分成单独的词语并去除停用词时，使用分词工具切分形成的长字符串中的词汇，生成一个包含所有词语的列表，遍历分词结果，筛选并保留那些不在停用词列表中的词语，形成预处理后的词语列表；
10、获取音频数据中音调、语速的特征数据具体逻辑为：
11、将过去时间长度内所有的音频数据按照发布时间进行排序并进行连接，相邻的两个音频数据之间采用长度为的静音段进行连接，并将第一个音频的数据的起始时间点定为0时刻，构成一个完整的音频片段，并标定为，为时间变量；
12、使用傅里叶变换将从时间域信号转换为频率域信号，得到频谱，在频谱中，找到幅度最大的频率成分即基频，将基频标定为音调数据；
13、将音频信号分为若干帧，每帧的时间长度设定为，帧移设定为，的总时长为，则总帧数为：计算每一帧的能量，并和能量阈值相比较，若能量大于能量阈值，则将该帧标定为语音帧，所依据的公式为：其中，表示第帧的能量，表示第帧的能量起始时间，若，则将该帧标定为语音帧，统计所有语音帧的数量，并计算在总帧数中的占比，将占比标定为语速数据；
14、获取浏览的视频数量的平均观看时间数据时，获取用户在每条视频上的停留时间，计算平均观看时间所依据的公式为：
15、其中，和分别表示用户过去时间长度内浏览的视频总量和平均观看时间，表示在第个视频上的停留时间。
16、进一步地，确定文本中出现的关键词的具体逻辑为：
17、根据预处理后的词语列表，计算每个词语在词语列表中出现的频率，将出现的频率按照从高到低的顺序进行排序，选择出现频率最高的个词汇作为关键词，并构成关键词集合；
18、生成用户的实时情感指数所依据的公式为：其中，表示语音帧的平均能量，表示第个语音帧的能量，表示语音帧的总数，表示用户的实时情感指数，表示语音帧在总帧数中的占比。
19、进一步地，生成用户的推荐观看时长的具体方法为：
20、对于浏览的每条视频的停留时间和平均观看时间数据，计算用户的每条停留时间与平均观看时间的比率，依据的公式为：其中，分别表示用户浏览的第条视频的停留时间，以及停留时间与平均观看时间的比率，表示平均观看时间；
21、根据用户的每条停留时间与平均观看时间的比率，计算加权平均停留时间，通过加权平均停留时间与用户浏览的视频数量结合，获得推荐观看时长，依据的公式为：其中，表示加权平均停留时间，表示用户浏览的视频数量，表示推荐观看时长。
22、进一步地，计算关键词和每个推广视频中的推广文本的文本匹配程度的方法为：
23、将推广文本切分成单独的词语，构成推广词语集合，找出推广词语集合和关键词集合的交集词汇和并集词汇数量，计算文本匹配程度，所依据的公式为其中，表示关键词和第个推广视频中的推广文本的文本匹配程度，和分别表示第个推广视频中的推广词语集合和关键词集合的交集词汇数量、并集词汇数量，分别表示关键词集合和第个推广视频的推广词语集合。
24、进一步地，计算每个推广视频和用户的情感匹配指数的方法为：
25、使用情感词典对每个推广视频中的推广文本进行情感评分，获取每个推广视频中的推广文本的情感得分，结合用户的实时情感指数生成和用户的情感匹配指数，计算的公式为：
26、其中，分别表示第个推广视频的推广文本的情感评分、以及和用户的实时情感指数之间的情感匹配指数。
27、进一步地，生成建议推荐指数依据的公式为：
28、其中，分别表示第个推广视频的时长推荐指数和建议推荐指数，分别表示推荐观看时长和第个推广视频的时长，表示用户浏览的视频数量。
29、进一步地，构建数学分析模型，对多媒体资源库中的各个推广视频进行筛选具体为：
30、依据每个推广视频的文本匹配程度、情感匹配指数和建议推荐指数计算每个推广视频的推荐程度指数，所依据的公式为：
31、其中，表示第个推广视频的推荐程度指数；
32、根据推荐程度指数从大到小的顺序对推广视频进行排序，选择推荐程度指数最高的推广视频作为推荐结果，向用户推送。
33、本发明另外还提供一种基于ai的多媒体推广内容快速生成系统，所述系统用于执行上述的一种多媒体推广内容快速生成方法，包括：
34、数据收集模块，用于收集用户过去时间长度内的互联网在线互动数据，收集的在线互动数据的类型包括用户发布的文本评论、音频和浏览的视频数据，为将文本评论数据切分成单独的词语并去除停用词，获取音频数据中音调、语速的特征数据，获取浏览的视频数量、每条视频的停留时间和平均观看时间数据；
35、预处理模块，用于通过预处理后的文本评论数据提取文本中的关键词，构成关键词集合，依据音频数据中音调、语速的特征数据，生成用户的实时情感指数，依据浏览的每条视频的停留时间和平均观看时间数据生成用户的推荐观看时长；
36、情感分析模块，用于对多媒体资源库中的各个推广视频进行分析，获取每个推广视频中的推广文本和视频长度数据，计算关键词和每个推广视频中的推广文本的文本匹配程度，并对每个推广视频中的推广文本进行情感评分；
37、推广分析模块，用于依据实时情感指数和推广文本进行情感评分计算每个推广视频和用户的情感匹配指数，依据每个推广视频的视频长度数据和用户的推荐观看时长计算每个推广视频的时长推荐指数，并将时长推荐指数结合用户浏览的视频数量，生成建议推荐指数；
38、视频筛选模块，用于依据每个推广视频的文本匹配程度、情感匹配指数和建议推荐指数构建数学分析模型，对多媒体资源库中的各个推广视频进行筛选，在多媒体资源库选择最佳推广视频推送给用户。
39、与现有技术相比，本发明的有益效果是：
40、本发明通过融合文本评论、音频特征和视频观看行为多模态的用户互动数据，实现了对用户行为的全面分析，能够建立更为准确的用户画像，从而生成个性化的推荐内容，提升了推荐的精准性，能够更好地满足用户的实际需求，增加用户对推荐内容的兴趣和接受度，通过识别用户在互动过程中所表现出的情感状态，能够快速响应用户情感的变化，及时调整推荐内容，引入了自适应推荐机制，根据用户情感状态的实时变化不断优化推荐策略。能够在不同情境下灵活调整推荐内容，提供更符合用户当前需求的推广方案。
1.一种基于ai的多媒体推广内容快速生成方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于ai的多媒体推广内容快速生成方法，其特征在于：收集用户过去时间长度内用户发布的文本评论时，将过去时间长度内所有文本评论按照评论的发布时间进行排序，并采用特定的逗号进行连接，形成一个长字符串，将文本评论数据切分成单独的词语并去除停用词时，使用分词工具切分形成的长字符串中的词汇，生成一个包含所有词语的列表，遍历分词结果，筛选并保留那些不在停用词列表中的词语，形成预处理后的词语列表；
3.根据权利要求2所述的一种基于ai的多媒体推广内容快速生成方法，其特征在于：确定文本中出现的关键词的具体逻辑为：
4.根据权利要求3所述的一种基于ai的多媒体推广内容快速生成方法，其特征在于：生成用户的推荐观看时长的具体方法为：
5.根据权利要求1所述的一种基于ai的多媒体推广内容快速生成方法，其特征在于：计算关键词和每个推广视频中的推广文本的文本匹配程度的方法为：
6.根据权利要求5所述的一种基于ai的多媒体推广内容快速生成方法，其特征在于：计算每个推广视频和用户的情感匹配指数的方法为：
7.根据权利要求6所述的一种基于ai的多媒体推广内容快速生成方法，其特征在于：生成建议推荐指数依据的公式为：
8.根据权利要求7所述的一种基于ai的多媒体推广内容快速生成方法，其特征在于：构建数学分析模型，对多媒体资源库中的各个推广视频进行筛选具体为：
9.一种基于ai的多媒体推广内容快速生成系统，其特征在于：所述系统用于执行权利要求1-8任一项所述的一种多媒体推广内容快速生成方法，包括：
