[發明專利]基于情感的OCC-PAD-OCEAN聯邦認知建模方法

有效

• 申請號: 202110523544.6
• 申請日: 2021-05-13
• 公開（公告）號: CN113420591B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 劉峰;張嘉淏;王晗陽;沈思源;賈迅;胡靜怡;周愛民;齊佳音;李志斌
• 申請（專利權）人: 華東師范大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/25;G06V10/774;G06V10/77;G06V10/80;G06N20/00
• 代理公司: 無錫市匯誠永信專利代理事務所(普通合伙) 32260
• 代理人: 朱曉林

本發明提供的基于情感的OCC?PAD?OCEAN聯邦認知建模方法，包括以下步驟：構建VGG?FACS?OCC模型，計算出被試視頻的情感空間向量；依據OCC?PAD?OCEAN模型中的OCC情感空間與PAD心情空間的參數量化映射關系，將情感空間向量映射到PAD心情空間，得到心情空間向量；將心情空間向量映射到OCEAN人格空間，得到人格空間向量。本發明通過建立的表情?心情映射關系將表情映射到PAD心情空間，再通過建立的心情?人格映射關系，將一段時間內的平均心情進行映射，實現對人格特征的萃取，最終獲取在人格空間上有一定統計學意義信效度的信息。

技術領域

本發明涉及心理學認知建模技術領域，尤其涉及一種基于情感的?OCC-PAD-OCEAN聯邦認知建模方法。

背景技術

心理學作為實驗科學，絕大多數心理學研究的進展都是基于心理學實驗范?式，對被試的主客觀數據進行采集與分析。實驗中要求主試在變量進行嚴格控?制的情況下對被試的各個方面行為進行觀察與記錄，并對采集的數據結果進行?分析。即便如此，心理學實驗依然存在大量實驗結果信效度不高，實驗不可重?復等問題。這些問題部分來源于旁觀者效應，部分來源于實驗室實驗的局限性等，進而導致心理學實驗被局限在一定場景中，無法進行外推延展。針對以上?問題，計算機技術可發揮精準控制、量化數據的作用，這種現代心理測量技術?可以諸多益處，包括避免復雜的信度測量、改進的結構效度、避免暴露效應和高測量效率等。大多數心理實驗的主要目的是探究人類行為原理或人類認知模?式：基于數據采集的角度，通過計算機技術對觀測數據進行采集，能對整個實?驗環境實現精確的數字控制，如準確采集視頻信號、音頻信號、傳感器數據、人體運動信息等。基于構建實驗環境的角度，計算機的輔助可以使得被試有沉?浸式的體驗，例如在情緒心理學的研究中使用虛擬現實技術(VR)可以使得情?感相比于一般的圖片或語言刺激，能被更有效地誘發。此外，計算機技術可以?對假設模型進行仿真，解釋所觀察到的行為，而在實驗條件受限制的情況下，?計算機的模擬也可以對假設進行初步理想化的驗證。近十年來，對人類情感行為的研究越來越受到人們的關注。情感計算正是基于心理學與計算機科學，研?究如何利用計算機識別、建模甚至表達人類情感的一門交叉學科。從情感計算?延伸出的人格計算則能夠推進所有與人類行為的理解、預測的技術。

在關于人的行為、預測等方向的心理學研究中，人格是一個非常重要的決?定因素，它能描述穩定的個人特征，這些特征通常可以用定量的方式衡量，解?釋和預測可觀察到的行為差異。大五人格模型(FFM)是當今人格心理學中的重?要理論，是心理學研究中最有影響力的模型之一。其五因子包括開明性?(openness)、責任性(conscientiousness)、外向性(extraversion)、宜人性?(agreeableness)和神經質(neuroticism)。社會心理學家Harry?Reis將FFM?述為“行為科學中最科學嚴謹的分類法”。大五人格模型提供了一個可以將大多?數人的人格特征進行分類的結構，通過一組高度可復制的維度，可簡約且全面地描述大多數個體差異。從計算機的角度來說，特征模型用數值的形式表示個?性，可適合于計算機處理。而目前大多數人格評估都采用自我報告的形式，通?過量表中的陳述或形容詞評估個性。自我報告范式簡單明了卻無法控制被試回?答的真實性，實驗結果也受到多種無關因素的影響而容易產生較大偏差。自我?評估的重大局限性之一也在于被試可能傾向于使評分偏向于社會的期望值，尤?其是當評估可能產生負面后果時，被試可能隱藏消極的特征，從而導致結果不符合真實性格。

總體而言，雖然目前部分交叉創新研究在推進心理學理論的計算與量化，?但心理學理論仍然以傳統的定性結論為主，難以給計算機的算法實現供直接的?量化模型支持。此外，計算機的算法程序也無法準確表達出心理學中的情緒理?論與情緒模型，兩者之前存在較大壁壘。現存的大多數研究通常只從計算機科?學或心理學其中一個角度考慮，而非從交叉融合的視角。與此同時，雖然目前基于深度學習的人臉表情識別技術已經較為完善，但利用深度學習技術來處理?心理學信號的研究仍處于起步階段。因而從情緒心理學基礎理論出發，融合深?度學習等算法進行深層次融合的認知建模方法仍然比較欠缺，如何在高效處理?認知問題的同時提升模型的可解釋性也是一個關鍵問題。

發明內容