一种通过交互情景预测提升留存的方法、装置、设备及存储介质

本发明提供了一种通过交互情景预测提升留存的方法、装置、设备及存储介质，通过获取交互场景中用户间的当前多模态交互数据流，进行噪声过滤、分帧处理、尺寸归一化和时间聚合等预处理，并提取情感特征，生成实时多维观察向量序列。该序列捕捉了多模态信息的互补性和时序依赖，克服了单一模态静态分析的局限。将观察向量序列输入预训练的隐马尔可夫模型，该模型基于历史序列训练，定义隐状态集合、初始概率、转移矩阵和发射概率。通过Viterbi算法推理，获得当前时刻的最优情绪状态路径，实现对情绪转移不确定性的概率建模和动态预测。从路径中提取当前情绪状态，驱动虚拟宠物的拟态表现在交互界面显示，形成直观反馈，增强情感连接，提升用户留存率。