[發(fā)明專利]一種利用腦電信號輔助偏好獲取協(xié)同過濾推薦系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201810233430.6
• 申請日: 2018-03-19
• 公開（公告）號: CN108446635B
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計）人: 高嶺;何丹;曹瑞;王偉;楊康
• 申請（專利權(quán)）人: 西北大學(xué)
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62;G06F16/9536;G06F16/27
• 代理公司: 西安西達(dá)專利代理有限責(zé)任公司 61202
• 代理人: 劉華

一種利用腦電信號輔助偏好獲取協(xié)同過濾推薦系統(tǒng)及方法，通過腦電信號數(shù)據(jù)計算用戶情感傾向性并將這種隱式反饋作用于用戶所瀏覽的商品的偏好打分上，在推薦流程中，將腦電信號數(shù)據(jù)的分類結(jié)果納入計算范疇中，進(jìn)而提高推薦系統(tǒng)的推薦準(zhǔn)確率。采用本發(fā)明深度挖掘用戶偏好的推薦方法，用戶可以從過載的信息數(shù)據(jù)中快速找到自己所需。另一方面，隨著腦電設(shè)備的小型化、產(chǎn)品化，本發(fā)明提出的推薦方法結(jié)合腦機接口領(lǐng)域?qū)I(yè)知識，為推薦系統(tǒng)的下一步發(fā)展提出了一個新的方向。

技術(shù)領(lǐng)域

本發(fā)明屬于信息推薦和模式識別技術(shù)領(lǐng)域，具體涉及一種利用腦電信號輔助偏好獲取協(xié)同過濾推薦系統(tǒng)及方法。

背景技術(shù)

情緒往往涉及到人的切身需求和主觀態(tài)度，往往與其他心理過程有著復(fù)雜的相互關(guān)系，是思想、感覺以及行為的綜合狀態(tài)。中國自古就有“喜怒哀樂悲恐驚”七情之說。Lange等人根據(jù)愉悅度和喚醒度提出了基于二維空間的情緒分類模型，這樣，人的不同情緒體驗都可以通過這兩個維度映射到二維情緒空間中。

大腦是人類器官中最為復(fù)雜的一部分，它蘊含著人體豐富的生理和心理信息，近年來，隨著現(xiàn)代神經(jīng)科學(xué)關(guān)于腦認(rèn)知過程信號獲取及處理技術(shù)的不斷進(jìn)步，基于中樞神經(jīng)系統(tǒng)的情緒識別方法也成為研究的熱門。該方法主要通過分析不同情緒狀態(tài)下大腦發(fā)出信號的差異來對情緒進(jìn)行識別。大腦信號相比于其他生理信號更容易反應(yīng)出人真實的情緒狀態(tài)，經(jīng)過有效的處理后，識別率較高。常見的基于中樞神經(jīng)系統(tǒng)的識別方法主要使用的手段包括功能核磁共振(fMRI)、腦電(EEG)、功能性近紅外光譜成像(fNIRS)。這方面，基于腦電的情緒研究開展較早。早期人們通常在腦電的波形以及節(jié)律性方面來對大腦的情緒機制進(jìn)行研究。研究成果主要體現(xiàn)在以下幾個方面：一是不同情緒狀態(tài)在大腦上的激活區(qū)具有非對稱特性，如有人發(fā)現(xiàn)大腦前額葉的不對稱現(xiàn)象與情緒效價具有密切關(guān)系；其次，腦電的節(jié)律性在情緒研究中也得到了充分體現(xiàn)，例如，Sammle等人通過對音樂誘發(fā)情緒的腦電信號分析發(fā)現(xiàn)，歡快的音樂能在額中區(qū)引起更多的波(1-4Hz)，國內(nèi)賴永秀等人也發(fā)現(xiàn)了左右額葉波(8-12Hz)與正負(fù)情緒的相關(guān)性；通過EEG信號進(jìn)行情感識別得到了越來越多人的認(rèn)可，EEG信號是檢測人腦活動的一種極為有效的生理活動，但是它屬于微弱的生物電信號，容易受到背景噪聲的影響，因此收集到的EEG信號需要進(jìn)行處理，首先是特征提取，將高維的原始EEG信號進(jìn)行降維，常見的特征提取方法有主成分分析、獨立分量分析和共空間模式；其次是特征分類，即將提取好的特征向量按相應(yīng)的映射關(guān)系來決定該向量的所屬類別，常見的分類器有支持向量機、K近鄰和人工神經(jīng)網(wǎng)絡(luò)。

推薦系統(tǒng)是近年來的一個熱門領(lǐng)域。它為用戶解決了信息過載問題，找到用戶感興趣的物品。承擔(dān)了在識別用戶喜愛偏好的基礎(chǔ)上，使用戶避免信息“超載”所帶來的麻煩。推薦系統(tǒng)廣泛存在于各類網(wǎng)站中，作為一個應(yīng)用為用戶提供個性化的推薦。它需要一些用戶的歷史數(shù)據(jù)，一般由三個部分組成：基礎(chǔ)數(shù)據(jù)、推薦算法系統(tǒng)、前臺展示。基礎(chǔ)數(shù)據(jù)包括很多維度；推薦算法系統(tǒng)主要是根據(jù)不同的推薦訴求有多個算法組成的推薦模型；前臺展示主要是對客戶端系統(tǒng)進(jìn)行響應(yīng)，返回相關(guān)的推薦信息以供展示。信息推薦中的信息是指展現(xiàn)給用戶觀看的任何信息，包括圖片、文字、視頻、游戲等，推薦的效果則是指這些信息對用戶產(chǎn)生的吸引力和心理反映，如感到驚奇，厭惡，高興等，這些效果進(jìn)一步導(dǎo)致用戶的偏好行為，因此可以利用這些評價作為反饋來改進(jìn)信息的推薦方法。

協(xié)同過濾推薦算法是誕生最早，并且較為著名的推薦算法。主要的功能是預(yù)測和推薦。算法通過對用戶歷史行為數(shù)據(jù)的挖掘發(fā)現(xiàn)用戶的偏好，基于不同的偏好對用戶進(jìn)行群組劃分并推薦品味相似的商品。協(xié)同過濾推薦算法分為兩類，分別是基于用戶的協(xié)同過濾算法(user-based collaborative filtering)，和基于項目的協(xié)同過濾算法(item-based collaborative filtering)。簡單的說就是：人以類聚，物以群分。在本專利中，主要采用基于物品的協(xié)同過濾算法。它使用用戶對物品或者信息的偏好，發(fā)現(xiàn)物品與物品之間的相似性，然后根據(jù)用戶的歷史偏好信息，將類似的信息推薦給用戶。