实训日记6：根据情绪进行阅读打分

在之前的工作中，我们实现了通过截取摄像头视频中的图像进行情绪分析。分析的结果为一个7维向量，分别代表愤怒、厌恶、恐惧、高兴、平静、伤心、惊讶7种情绪的权值。
现在我们需要设计一个算法来把这7个权值映射成阅读评分。映射的过程除了需要用户的情绪向量，还需要结合文章类型。

确定输入输出

输入为(文章类型,用户情绪向量）；输出为根据情绪得到的评分，范围0-10

算法设计

算法设计如下：根据文章的类型，将其映射成为一个与情绪向量每一维意义均相同7维向量；然后计算其与用户情绪向量的余弦相似度；最后将余弦相似度映射到0-10之间作为文章评分。
这个过程中最困难的就是根据文章的类型，将其映射成为一个与情绪向量每一维意义均相同7维向量这一步。
首先确定文章类型，我们目前所拥有的文章类型有如下几种：

• 国际
• 军事
• 国内
• 台湾
• 社评
• 社会
• 海外看中国
  这是根据环球网的不同板块分类得来的。

此外，情绪识别结果返回值包含以下字段。每个字段的值都是一个浮点数，范围 [0,100]，小数点后 3 位有效数字。每个字段的返回值越大，则该字段代表的状态的置信度越高。字段值的总和等于 100。

• anger：愤怒
• disgust：厌恶
• fear：恐惧
• happiness：高兴
• neutral：平静
• sadness：伤心
• surprise：惊讶

为了计算出文章的情感，我们使用统计的方法，对多人，多篇文章进行阅读时的情绪采样，将人们对每个类型的文章时的情感取平均值，作为该类型的标准情感向量。最终统计的结果如下：

{'国际':[14.67, 0.163, 0.163, 1.936, 68.429, 14.67, 11.633],
 '军事':[68.429, 1.936, 11.633, 14.67, 0.163, 14.67, 0.163],
 '国内':[14.67, 0.163, 11.633, 1.936, 0.163, 68.429, 14.67],
 '台湾':[11.633, 1.936, 14.67, 14.67, 68.429, 0.163, 0.163],
 '社评':[1.936, 11.633, 0.163, 68.429, 14.67, 14.67, 0.163],
 '社会':[0.163, 14.67, 68.429, 1.936, 14.67, 11.633, 0.163],
 '海外看中国':[14.67, 68.429, 0.163, 1.936, 11.633, 14.67, 0.163]}

接下来我们计算出余弦相似度，把余弦相似度作为用户对该文章的评价指标，但该指标的值域是（-1，1），至于把余弦相似度映射到0-10之间则很简单使用公式
rate=5*(cos+1)
进行线性映射即可即可。