虚拟世界的广告投放处理方法及装置与流程

1.本文件涉及虚拟化技术领域，尤其涉及一种虚拟世界的广告投放处理方法及装置。


背景技术：

2.虚拟世界提供了对真实世界的模拟，甚至能够提供在真实世界难以实现的场景，因此虚拟世界越来越多地应用在各种场景。在虚拟世界场景中，用户通过特定的身份id登录三维虚拟世界，通过虚拟世界中虚拟的用户角色进行活动，通常，在虚拟世界中存在不同的用户角色，这些用户角色各自进行不同的活动。


技术实现要素：

3.本说明书一个或多个实施例提供了一种虚拟世界的广告投放处理方法，包括：将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级。基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测。若检测通过，计算候选广告的广告数据与所述虚拟世界的虚拟环境数据的匹配度。基于所述匹配度在所述候选广告中确定投放广告并进行投放处理。
4.本说明书一个或多个实施例提供了一种虚拟世界的广告投放处理装置，包括：情绪检测处理模块，被配置为将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级。广告投放检测模块，被配置为基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测。匹配度计算模块，被配置为若检测通过，计算候选广告的广告数据与所述虚拟世界的虚拟环境数据的匹配度。投放处理模块，被配置为基于所述匹配度在所述候选广告中确定投放广告并进行投放处理。
5.本说明书一个或多个实施例提供了一种虚拟世界的广告投放处理设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级。基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测。若检测通过，计算候选广告的广告数据与所述虚拟世界的虚拟环境数据的匹配度。基于所述匹配度在所述候选广告中确定投放广告并进行投放处理。
6.本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级。基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测。若检测通过，计算候选广告的广告数据与所述虚拟世界的虚拟环境数据的匹配度。基于所述匹配度在所述候选广告中确定投放广告并进行投放处理。
附图说明
7.为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
8.图1为本说明书一个或多个实施例提供的一种虚拟世界的广告投放处理方法处理流程图；
9.图2为本说明书一个或多个实施例提供的一种应用于虚拟资产场景的虚拟世界的广告投放处理方法处理流程图；
10.图3为本说明书一个或多个实施例提供的一种虚拟世界的广告投放处理装置示意图；
11.图4为本说明书一个或多个实施例提供的一种虚拟世界的广告投放处理设备的结构示意图。
具体实施方式
12.为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
13.本说明书提供的一种虚拟世界的广告投放处理方法实施例：
14.本技术提供的虚拟世界的广告投放处理方法，通过将采集的用户的脑电信息和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级，然后从多模态情绪特征和情绪等级出发对用户接入的虚拟世界进行广告投放检测，在检测通过的情况下，进一步计算候选广告与虚拟世界当前的虚拟环境数据的匹配度，最后根据匹配度确定要投放的投放广告并进行投放处理，以此从多个模态出发进行虚拟世界的广告投放检测和匹配，从而在虚拟世界中进行更加准确和更有针对性的广告投放，进而在提升虚拟世界中的广告投放效果的基础上，提升虚拟世界中广告投放的转化效果。
15.参照图1，本实施例提供的虚拟世界的广告投放处理方法，所述方法具体包括步骤s102至步骤s108。
16.步骤s102，将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级。
17.本实施例所述脑电信号，是指通过脑电波传感器采集的用户的大脑活动时的电信号。所述眼部图像，是指通过图像传感器采集的包含用户的眼部特征的图像。可选的，在用户访问虚拟世界的场景中，所述脑电信号通过虚拟世界的接入设备集成或者配置的信号传感器进行采集，比如通过接入设备配置的脑电波传感器采集用户的脑电信波信号；所述眼部图像通过虚拟世界的接入设备集成或者配置的图像传感器进行采集。本实施例通过脑电信号和眼部图像两个模态的数据采集，来增强对用户通过接入设备访问虚拟世界时采集的数据的全面性，进而提升通过多模态数据对用户访问虚拟世界的情绪检测的准确性。
18.其中，所述虚拟世界，是指基于去中心化协作实现并且具有开放经济系统的虚拟的拟真世界，比如用户通过接入设备进行游戏交互的游戏虚拟世界，再比如用户通过接入设备进行在线会议的会议虚拟世界，或者用户通过接入设备进行在线交易的交易虚拟世界；可选的，所述虚拟世界中通过生成非同质化标识进行去中心化的交易，通过交易占有虚拟资产的所有权；本实施例中，在用户通过接入设备访问虚拟世界时进行广告投放的处理过程中，在虚拟世界中的投放的候选广告，包括所述非同质化标识对应的虚拟资产的资产广告。所述虚拟世界的接入设备，可以是连接虚拟世界的vr(virtual reality，虚拟现实)设备、ar(augmented reality，增强现实)设备等，比如连接虚拟世界的头戴式vr设备。
19.具体实施时，在基于所述脑电信号和所述眼部图像对用户进行情绪检测的过程中，通过将所述脑电信号和所述眼部图像输入情绪检测模型，实现从多模态数据(脑电信号和眼部图像)出发对用户的情绪检测，可选的，所述情绪检测模型包括：第一网络、第二网络和融合网络；其中，所述第一网络用于对脑电信号进行特征提取获得脑电信号特征；所述第二网络用于对眼部图像进行特征提取获得眼部图像特征；所述融合网络用于对脑电信号特征和眼部图像特征进行特征融合，以及基于脑电信号特征和眼部图像特征进行用户的情绪检测获得情绪等级。
20.在所述情绪检测模型包括第一网络、第二网络和融合网络的基础上，本实施例提供的一种可选实施方式中，所述情绪检测模型具体采用如下方式进行情绪检测处理：
21.将所述脑电信号输入所述第一网络进行特征提取获得脑电信号特征，以及将所述眼部图像输入所述第二网络进行特征提取获得眼部图像特征；
22.将所述脑电信号特征和所述眼部图像特征输入所述融合网络进行特征处理，获得所述多模态情绪特征和所述情绪等级。
23.进一步，本实施例提供的一种可选实施方式中，所述融合网络进行的特征处理，包括：
24.对所述脑电信号特征和所述眼部图像特征进行特征融合，将获得的融合特征作为所述多模态情绪特征；
25.基于所述脑电信号特征和所述眼部图像特征进行所述至少一个情绪维度的情绪检测，获得所述至少一个情绪维度的情绪等级。
26.其中，所述情绪维度包括：关注维度、愉悦维度和/或紧张维度；其中，关注维度是指用于表征用户对虚拟世界中的访问内容的关注程度的维度，愉悦维度是指用于表征用户在访问虚拟世界过程中的愉悦程度的维度，紧张维度是指用于表征用户在访问虚拟世界过程中的紧张程度的紧张维度的维度。
27.实际应用中，所述情绪检测模型的训练可以预先完成，比如在云服务器上进行情绪检测模型的模型训练，具体在情绪检测模型的训练过程中，还可构建损失函数，比如从视觉情绪损失、脑电情绪损失、多模态情绪损失出发构建损失函数，在训练过程中，基于上述网络结构和损失函数进行网络训练，直至网络收敛后获得情绪检测模型。
28.此外，上述提供的将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级，还可被替换为对脑电信号特征和眼部图像特征进行特征融合获得多模态情绪特征，并基于脑电信号特征和眼部图像特征确定至少一个情绪维度的情绪等级，脑电信号特征对用户的脑电信号进行特征提取获
得，眼部图像特征对用户的眼部图像进行特征提取获得，并与本实施例提供的下述步骤组成新的实现方式。
29.步骤s104，基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测。
30.上述获得所述多模态特征情绪特征和至少一个情绪维度的情绪等级之后，基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测，以此从用户当前访问虚拟世界的情绪角度检测是否在虚拟世界中进行广告投放。
31.具体实施时，在进行虚拟世界的广告投放检测过程中，为了最大程度的保护用户的访问虚拟世界的访问体验，从而在确保用户访问体验的前提下尽可能的提升在虚拟世界的广告投放效果，本实施例提供的一种可选实施方式中，基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测，包括：
32.检测各情绪维度的情绪等级是否大于或者等于对应情绪维度的情绪等级阈值，以及基于所述多模态情绪特征确定的广告投放概率是否大于预设概率阈值，若是，确定检测结果为检测通过；
33.若否，确定检测结果为检测未通过，则不作处理即可。
34.可选的，所述广告投放概率，通过将所述多模态情绪特征输入投放检测模型进行广告投放适配计算后获得；其中，所述广告投放适配计算，包括基于所述多模态情绪特征计算在当前时间点进行广告投放的适配度，作为所述广告投放概率。
35.除此之外，所述基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测，还可通过如下方式实现：检测所述多模态情绪特征和所述情绪等级是否满足广告投放条件，若是，确定检测结果为检测通过，若否，确定检测结果为检测未通过；其中，所述广告投放条件包括：各情绪维度的情绪等级大于或者等于对应情绪维度的情绪等级阈值，和/或，基于多模态情绪特征确定的广告投放概率大于预设概率阈值，所述广告投放概率可通过将多模态情绪特征输入投放检测模型进行广告投放适配计算后获得。
36.此外，上述提供的将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级，还可被替换为对用户的脑电信号和眼部图像进行特征提取，并对特征提取获得的脑电信号特征和眼部图像特征进行特征融合获得多模态情绪特征，相应的，上述提供的基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测，还可被替换为基于多模态情绪特征进行虚拟世界的广告投放检测，并与本实施例提供的下述步骤组成新的实现方式；
37.或者，上述提供的将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级，还可被替换为将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得至少一个情绪维度的情绪等级，相应的，上述提供的将基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测，还可被替换为基于至少一个情绪维度的情绪等级进行虚拟世界的广告投放检测，并与本实施例提供的下述步骤组成新的实现方式。其中，基于多模态情绪特征进行虚拟世界的广告投放检测，或者基于至少一个情绪维度的情绪等级进行虚拟世界的广告投放检测的具体实现过程，参见上述提供的实现方式即可，在此不再赘述。
38.步骤s106，若检测通过，计算候选广告的广告数据与所述虚拟世界的虚拟环境数
据的匹配度。
39.在上述基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测的检测结果为检测通过的情况下，从候选广告的广告数据和虚拟世界的虚拟环境数据出发，分别计算每个候选广告的广告数据与虚拟世界的虚拟环境数据的匹配度，也即是计算候选广告与虚拟世界当前的虚拟环境的匹配程度，以此作为后续确定在所述候选广告中确定投放广告的依据。其中，所述虚拟环境数据，是指虚拟世界中的虚拟环境(比如，虚拟资产交易环境、虚拟社交环境、虚拟游戏环境)或者虚拟场景的数据，虚拟环境或者虚拟场景可以是虚拟世界中基于图像构建的三维空间。具体执行过程中，所述虚拟环境数据，可以是虚拟世界中当前展示的虚拟环境或者虚拟场景的虚拟环境数据，也可以是当前广告投放点与上一广告投放点之间的虚拟环境或者虚拟场景的虚拟环境数据。
40.具体实施时，计算所述候选广告的广告数据与所述虚拟世界的虚拟环境数据的匹配度的过程中，为提升广告数据与虚拟环境数据的匹配度的计算效率，本实施例提供的一种可选实施方式中，对所述广告数据包含的关键图像、所述虚拟环境数据包含的环境图像进行特征提取，获得广告关键特征和虚拟环境特征；计算所述广告关键特征与所述虚拟环境特征的特征相似度，作为所述匹配度。比如计算广告关键特征与虚拟环境特征的余弦相似度作为匹配度。
41.实际应用中，候选广告可能会涉及不同资产的广告，由此可能会导致候选广告的广告数据可能会比较繁杂，同时虚拟环境数据的数据类型也可能会涉及不同虚拟环境或者虚拟场景的数据，因此，为了提升针对候选广告的广告数据和虚拟环境数据进行特征提取的效率和准确率，可通过训练特征提取模型对候选广告的广告数据和虚拟环境数据进行特征提取，具体的，本实施例提供的一种可选实施方式中，对所述广告数据包含的关键图像、所述虚拟环境数据包含的环境图像进行特征提取，获得广告关键特征和虚拟环境特征，包括：将所述关键图像输入特征提取模型进行特征提取获得所述广告关键特征，以及将所述环境图像输入所述特征提取模型进行特征提取获得所述虚拟环境特征。
42.如上所述，候选广告的广告数据可能会比较繁杂，同时虚拟环境数据的数据类型也可能会涉及不同虚拟环境或者虚拟场景的数据，因此，在训练对候选广告的广告数据和虚拟环境数据进行特征提取的特征提取模型的过程中，需要收集大量的训练样本进行模型训练，针对于此，为了提升特征模型的训练效率，同时也为了降低训练样本的收集难度、减少模型训练的工作量，本实施例提供的一种可选实施方式中，在构建正/负样本对的基础上进行模型训练，本实施例提供的一种可选实施方式中，所述特征提取模型，采用如下方式训练获得：
43.将训练样本集中的正样本对和/或负样本对输入待训练的用于进行特征提取的残差网络进行特征提取，并计算输出的样本特征的特征相似度；其中，残差网络可采用resnet50或者resnet模型架构；
44.根据特征相似度计算训练损失，并基于训练损失对所述残差网络进行参数调整，在训练完成后获得所述特征提取模型。
45.可选的，所述正样本对，包括在同一虚拟环境的图像集合中进行采样获得的虚拟环境图像对；所述负样本对，包括在不同虚拟环境的图像集合中进行采样获得的虚拟环境图像对。
46.在具体执行过程中，模型训练需要大量的训练样本，而从虚拟世界中采集大量的虚拟环境的图像集合可能存在一定的难度，不一定存在足够的虚拟环境的图像集合以满足模型训练，针对于此，本实施例提供的一种可选实施方式中，从物理环境(现实环境)的图像出发进行图像创重建获得虚拟世界中虚拟环境的图像集合，具体的，所述虚拟环境的图像集合，采用如下方式生成：
47.将对物理环境进行多视角图像采集获得的物理环境图像输入预先训练的神经辐射场模型进行三维图像重建，将输出对应所述虚拟世界中三维虚拟环境的图像作为所述虚拟环境的图像集合。其中，神经辐射场模型可采用nerf(neural radiance fields)模型。
48.实际应用中，所述特征提取模型的训练可以预先完成，比如在云服务器上进行特征提取模型的模型训练，具体在特征提取模型的训练过程中，还可构建损失函数，损失函数具体为：
[0049][0050]
其中，f
p1
、f
p2
为正样本对中两个训练样本进行特征提取的特征值，f
n1
、f
n2
为负样本对中两个训练样本进行特征提取的特征值，m为一个较大的预设常数，||f
p1-f
p2
||2表示对f
p1-f
p2
求二范数，或者表示f
p1
与f
p2
的欧氏距离，表示对f
p1-f
p2
求二范数获得的结果的平方，或者f
p1
与f
p2
的欧氏距离的平方。通过该损失函数，能够使针对正样本对进行特征提取的特征在特征空间的距离最小化，使针对负样本对进行特征提取的特征在特征空间的距离接近m。在训练过程中，基于上述网络结构和损失函数进行网络训练，直至网络收敛后获得特征提取模型。
[0051]
此外，为了进一步提升针对候选广告的广告数据和虚拟环境数据进行特征提取的效率和准确率，还可训练对候选广告的广告数据进行特征提取的广告特征提取模型，以及训练对虚拟环境数据进行特征提取的虚拟环境特征提取模型，以此通过更有针对性的模型进行特征提取，来提升特征提取的准确性，以及特征提取模型的训练难度和训练过程中的计算量。
[0052]
步骤s108，基于所述匹配度在所述候选广告中确定投放广告并进行投放处理。
[0053]
在上述步骤计算出所述候选广告的广告数据与虚拟世界的虚拟环境数据的匹配度基础上，本步骤中，基于所述匹配度在所述候选广告中确定在虚拟世界进行广告投放的投放广告，并针对确定的投放广告进行投放处理。
[0054]
本实施例提供的一种可选实施方式中，基于所述匹配度在所述候选广告中确定投放广告并进行投放处理，包括：
[0055]
按照所述匹配度从高到低的排序顺序对所述候选广告进行排序，并选择排序位次处于前n位的候选广告；其中，n为正整数；
[0056]
从所述前n位的候选广告中随机选择一个候选广告作为所述投放广告，并进行所述投放广告的渲染输出。
[0057]
此处，进行所述投放广告的渲染输出，是指进行所述投放广告在虚拟世界中的广告展示页面的渲染，并将渲染获得的广告展示页面输出至所述用户的接入设备进行展示。
[0058]
下述以本实施例提供的一种虚拟世界的广告投放处理方法在虚拟资产场景的应用为例，结合图2，对本实施例提供的虚拟世界的广告投放处理方法进行进一步说明，参见
图2，应用于虚拟资产场景的虚拟世界的广告投放处理方法，具体包括下述步骤。
[0059]
步骤s202，获取用户接入虚拟世界的接入设备集成的信号传感器采集的脑电信号，以及接入设备集成的图像传感器采集的眼部图像。
[0060]
步骤s204，将脑电信号输入情绪检测模型的第一网络进行特征提取获得脑电信号特征，以及将眼部图像输入情绪检测模型的第二网络进行特征提取获得眼部图像特征。
[0061]
步骤s206，将脑电信号特征和眼部图像特征输入情绪检测模型的融合网络进行特征处理，获得多模态情绪特征和情绪等级。
[0062]
其中，融合网络进行的特征处理，包括：
[0063]
对脑电信号特征和眼部图像特征进行特征融合，将获得的融合特征作为多模态情绪特征；
[0064]
基于脑电信号特征和眼部图像特征进行至少一个情绪维度的情绪检测，获得至少一个情绪维度的情绪等级。
[0065]
步骤s208，检测各情绪维度的情绪等级是否大于或者等于对应情绪维度的情绪等级阈值，以及基于多模态情绪特征确定的广告投放概率是否大于预设概率阈值；
[0066]
若是，确定检测结果为检测通过，执行下述步骤s210至步骤s216；
[0067]
若否，若否，确定检测结果为检测未通过，则不作处理即可。
[0068]
步骤s210，将虚拟资产的资产广告的关键图像输入特征提取模型进行特征提取获得广告关键特征，以及将虚拟世界中当前虚拟环境的环境图像输入特征提取模型进行特征提取获得虚拟环境特征。
[0069]
步骤s212，计算广告关键特征与虚拟环境特征的特征相似度。
[0070]
步骤s214，按照特征相似度从高到低的排序顺序对资产广告进行排序，并选择排序位次处于前n位的资产广告；
[0071]
步骤s216，从前n位的资产广告中随机选择一个资产广告作为投放广告，并进行投放广告的渲染输出。
[0072]
本说明书提供的一种虚拟世界的广告投放处理装置实施例如下：
[0073]
在上述的实施例中，提供了一种虚拟世界的广告投放处理方法，与之相对应的，还提供了一种虚拟世界的广告投放处理装置，下面结合附图进行说明。
[0074]
参照图3，其示出了本实施例提供的一种虚拟世界的广告投放处理装置示意图。
[0075]
由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
[0076]
本实施例提供一种虚拟世界的广告投放处理装置，包括：
[0077]
情绪检测处理模块302，被配置为将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级；
[0078]
广告投放检测模块304，被配置为基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测；
[0079]
匹配度计算模块306，被配置为若检测通过，计算候选广告的广告数据与所述虚拟世界的虚拟环境数据的匹配度；
[0080]
投放处理模块308，被配置为基于所述匹配度在所述候选广告中确定投放广告并进行投放处理。
[0081]
本说明书提供的一种虚拟世界的广告投放处理设备实施例如下：
[0082]
对应上述描述的一种虚拟世界的广告投放处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种虚拟世界的广告投放处理设备，该虚拟世界的广告投放处理设备用于执行上述提供的虚拟世界的广告投放处理方法，图4为本说明书一个或多个实施例提供的一种虚拟世界的广告投放处理设备的结构示意图。
[0083]
本实施例提供的一种虚拟世界的广告投放处理设备，包括：
[0084]
如图4所示，虚拟世界的广告投放处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器401和存储器402，存储器402中可以存储有一个或一个以上存储应用程序或数据。其中，存储器402可以是短暂存储或持久存储。存储在存储器402的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括虚拟世界的广告投放处理设备中的一系列计算机可执行指令。更进一步地，处理器401可以设置为与存储器402通信，在虚拟世界的广告投放处理设备上执行存储器402中的一系列计算机可执行指令。虚拟世界的广告投放处理设备还可以包括一个或一个以上电源403，一个或一个以上有线或无线网络接口404，一个或一个以上输入/输出接口405，一个或一个以上键盘406等。
[0085]
在一个具体的实施例中，虚拟世界的广告投放处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对虚拟世界的广告投放处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
[0086]
将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级；
[0087]
基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测；
[0088]
若检测通过，计算候选广告的广告数据与所述虚拟世界的虚拟环境数据的匹配度；
[0089]
基于所述匹配度在所述候选广告中确定投放广告并进行投放处理。
[0090]
本说明书提供的一种存储介质实施例如下：
[0091]
对应上述描述的一种虚拟世界的广告投放处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种存储介质。
[0092]
本实施例提供的存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：
[0093]
将用户的脑电信号和眼部图像输入情绪检测模型进行情绪检测处理，获得多模态情绪特征和至少一个情绪维度的情绪等级；
[0094]
基于所述多模态情绪特征和所述情绪等级进行虚拟世界的广告投放检测；
[0095]
若检测通过，计算候选广告的广告数据与所述虚拟世界的虚拟环境数据的匹配度；
[0096]
基于所述匹配度在所述候选广告中确定投放广告并进行投放处理。
[0097]
需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于虚拟世界的广告投放处理方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对
应方法的实施，重复之处不再赘述。
[0098]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0099]
在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmable logic device，pld)(例如现场可编程门阵列(field programmable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advanced boolean expression language)、ahdl(altera hardware description language)、confluence、cupl(cornell university programming language)、hdcal、jhdl(java hardware description language)、lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
[0100]
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0101]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放
器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0102]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0103]
本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0104]
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0105]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0106]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0107]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0108]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0109]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0110]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包
括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0111]
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0112]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0113]
以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。