1.本发明是基于情感的个性化区域生成与展示方法，收集用户的情感因子，对用户的情感进行分析，根据情感学习分析个体用户情感及此情感所倾向的对应情感；以可视化的方式将一个区域内群体用户的情绪集中显示出来，后在区域上为个体用户推荐符合用户情感倾向的对应情感集中的群体用户区域；基于情感的个性化区域生成与展示方法的具体流程如下：步骤1）在这个阶段输入用户（U）的情感分析因子（MoFa），根据用户的情感因子对用户此时此刻的情感进行分析；用户的MoFa包括面部表情、手势、姿势、语调、词汇、语音速度、呼吸、皮肤生理学和文本分析，本专利在情感分析部分增加了传统方法以外的文本分析MoFaTXT=（Ag，Spee），包含两个算法，具体如下：

1）Ag（word，key，γ）→（E）：文本情感分析函数Ag将用户输入的词汇和句子word与情感关键字key进行匹配，如果word和key的比值在γ（通过机器学习得到）范围内，则判定用户的情感类型E为key对应的情感类型；例如用户输入“我吃了一个西瓜，美滋滋”，通过key“美滋滋”可以判断用户此刻的情感类型E是快乐；

2）Spee（fac，sta，α）→（Ei）：文本速度分析函数Spee将用户输入的速度fac和标准速度sta（标准情感）进行对比，根据机器学习得到阈值α，将fac和sta的速度之比与α进行对比，得到用户此刻属于情感类型E中具体的情感类别Ei；例如“美滋滋”输入的速度fac和sta的比值与α进行比较后发现用户此刻的情感比sta时强烈，则用户此刻是快乐中的兴高采烈；

Spee函数反映的是用户情感的程度；

步骤2）进行个体用户的情感分析（EmoAnaly），EmoAnaly=（Sol，Gro）包括两个算法，具体如下：

1）Sol（MoFa，sta，γi）→（E，Ei）：用户情感分类函数Sol将用户的情感分析因子MoFa输入后与标准情感下的因子Sta进行对比，每一个MoFa与Sta的比值在阈值γi（通过机器学习得到）范围内，则判定用户的情感为Sta对应的情感E及程度Ei；

第二个算法在步骤3）中展示；

步骤3）进行群体情感分析；Gro（Sol，β）→E∪UE：群体用户情感函数Gro基于用户情感分类函数Sol，当多个用户的情感区别在一个阈值β（机器学习得到）内判定多个用户为同一情感E，否则为不同情感UE；

步骤4）进入匹配模块（Match）：Match=（SolGro，DegGro），包含两个算法，具体如下：

1）SolGro（Sol，Gro，ρ）→y∪n：个体群体比较函数SolGro基于用户情感分类函数Sol和群体用户情感函数Gro，当Sol和Gro的差别在阈值ρ（机器学习得到）内，则判定Sol与Gro情感相同，记为y，否则不相同，记为n；

2）DegGro（num，numsta）→（DegGroi）：匹配程度函数DegGro利用群体内用户的数量num和标准等级数量numsta进行比较，numsta中存有多个等级的标准数量，例如一级是100人，二级是300人……当num小于等于numsta时为numsta所在等级，num大于numsta时判定Gro程度为numsta等级的下一等级或下几个等级；

步骤5）对情感地图进行个性化展示（PerShow）：PerShow=（wg，sw，tj），包括三个算法，具体如下：

1）wg（DegGro，diy）→（cl）：外观展示函数wg利用匹配程度函数DegGro和用户自定义diy得到地图展示时颜色cl的变化；用户自定义相似情感的颜色表示，根据DegGro的程度对用户选择的颜色进行由浅到深的对应；

2）sw（timeline，wg）→（PerMap）：时间变化显示函数sw利用时间轴timeline和外观展示函数wg，在用户拖动timeline的时候，用户可以看到PerMap上根据DegGro和diy确定的区域颜色变化，用户可以实时观察到自己情感倾向的群体所在区域；

3）tj（Sol，δ）→（Gro）：推荐函数tj利用用户情感分类函数Sol，通过机器学习用户的情感选择δ，为用户推荐最适合的群体情感归属地Gro；例如用户A失恋了很伤感，按照情感选择δ得到用户A喜欢悲伤疗法，故推荐A去Gro情感显示为E={悲伤}，Ei={失恋引起的悲伤} 的地方。