一种互联网金融产品消费者认知的神经实验测试计算方法技术

本发明专利技术属于信息技术领域，具体为一种互联网金融产品消费者认知的神经实验测试计算方法。本发明专利技术方法包括认知参数及测试信号设计、EEG‑fNIRS神经实验测试、BP‑GA神经网络计算分析；本发明专利技术采用嵌入式修改调整方式，通过可穿戴式眼罩生成具有互联网金融产品真实信息背景的虚拟现实测试信号；采用脑电EEG与功能性近红外脑成像fNIRS测试相结合的神经实验测试方法，同步采集具有较高时间、空间分辨率的消费者神经活动观测数据；采用动态分段式处理技术，对时域、频域及变换域特征参数和消费者认知评估参数进行处理，通过BP‑GA神经网络进行认知计算。本发明专利技术方法可以获得更精准的计算结果，并可基于神经实验观测数据对消费者的认知评估进行标定和修正。

【技术实现步骤摘要】
一种互联网金融产品消费者认知的神经实验测试计算方法
本专利技术属于信息
，具体涉及一种互联网金融产品消费者认知的神经实验测试计算方法。
技术介绍
互联网及各类数字化社交媒体的快速发展和日益普及，为现代金融创新提供了全新的空间。互联网金融是指传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。互联网金融产品包括证券、保险、众筹、借贷、第三方支付以及各类理财产品等种类，因其信息丰富、交易便捷，已成为面向社会消费者的现代金融产品创新热点和主要发展方向。互联网金融产品与一般网上销售的实物产品或服务存在着显著的不同，实际上是一种用金融条款定义的合同，让消费者在投入资金并承担一定的资金损失风险和流动性限制风险的同时，可以在未来获得确定或不确定的收益回报。因此，消费者对互联网金融产品的认知不同于对一般实物产品或服务的认知，主要表现在对金融产品交易操作的便利性以及上述产品的收益性、流动性、风险程度的认知方面，深入把握其认知特征并为上述认知计算提供有效的技术方法，对于互联网金融产品的创新、研本文档来自技高网...

【技术保护点】
1.一种互联网金融产品消费者认知的神经实验测试计算方法，其特征在于，具体步骤如下：/n步骤1：认知参数及测试信号设计；包括参考素材收集、认知参数选取、测试信号设计3个过程，其中：/n参考素材收集：是从各类互联网金融产品中收集真实信息，用于测试信号的设计；所述互联网金融产品包括证券、保险、众筹、借贷、理财产品的信息；/n认知参数选取：以收集到的互联网金融产品真实信息为基础，按照产品的便利性、收益性、流动性、风险程度4个变量作为消费者的认知参数，根据以上参数的高、中、低不同程度形成具有差异性的组合；/n测试信号设计：以可穿戴式眼罩作为测试信号装置，采用嵌入式修改调整方式对互联网金融产品真实信息中的...

【技术特征摘要】
1.一种互联网金融产品消费者认知的神经实验测试计算方法，其特征在于，具体步骤如下：
步骤1：认知参数及测试信号设计；包括参考素材收集、认知参数选取、测试信号设计3个过程，其中：
参考素材收集：是从各类互联网金融产品中收集真实信息，用于测试信号的设计；所述互联网金融产品包括证券、保险、众筹、借贷、理财产品的信息；
认知参数选取：以收集到的互联网金融产品真实信息为基础，按照产品的便利性、收益性、流动性、风险程度4个变量作为消费者的认知参数，根据以上参数的高、中、低不同程度形成具有差异性的组合；
测试信号设计：以可穿戴式眼罩作为测试信号装置，采用嵌入式修改调整方式对互联网金融产品真实信息中的相关信息和参数进行调整，然后通过虚拟现实技术按照以下模式生成测试信号：
ProductInformation(60s)+BlackScreen(2s)+[Question(10s)+BlackScreenandAnswer(18s)]1-4
即，先显示产品信息60秒，再黑屏2秒，然后显示问题10秒，再黑屏18秒，并同时让被试消费者根据自己的认知判断，通过配套的无线评分装置分别对以上产品的便利性、收益性、流动性、风险程度给出1至10分的评分并记录其作出评分的时间点，1分为最低，10分为最高，以上Question至BlackScreenandAnswer的测试程序循环出现4次，每次从便利性、收益性、流动性、风险程度中随机选择一个问题，问题不重复；
步骤2：EEG-fNIRS神经实验测试；包括测试任务准备、测试任务执行、测试数据采集3个过程，其中：
测试任务准备：是让被试消费者先填写问卷，了解其基本信息以及对互联网金融产品的熟悉情况，然后根据消费者的熟悉程度和偏好，选择相应的互联网金融产品种类测试信号，并将同类或相近的且在便利性、收益性、流动性、风险程度方面具有高、中、低不同程度差异性组合的产品信息设计成同一组测试任务，根据EEG-fNIRS神经实验测试的要求及测试范式完成各项测试准备工作；
测试任务执行：被试消费者在测试室内，根据可穿戴式眼罩中呈现的测试信号及其提示引导，通过配套的无线评分装置给出评分，完成测试任务；
测试数据采集：在测试过程中，同步采集被试消费者的EEG数据和fNIRS数据，并在每项测试任务结束时采集评分数据，将以上数据存入数据库中；
步骤3：BP-GA神经网络计算分析；包括测试数据提取、神经网络训练、认知计算输出分析3个过程，其中：
测试数据提取：对每项测试任务仅提取在BlackScreenandAnswer时间段内最后8秒的EEG数据和fNIRS数据以及被试消费者给出的评分数据；
神经网络训练：将以上测试数据按照EEG、fNIRS实验数据要求，经过去噪声、带通滤波和匹配校准预处理以后，生成时域、频域、变换域特征参数，将上述特征参数作为BP-GA神经网络的输入变量，将被试消费者给出的产品便利性、收益性、流动性、风险程度评分数据作为输出变量的参数，对以上输入、输出变量参数的数据先采用动态分段式处理技术进行处理，再将分段数据用于机器学习，直至获得稳定的收敛结果；
认知计算输出：以经过机器学习训练好的BP-GA神经网络作为消费者认知计算的估计器，对新的被试消费者在同样实验观察方式下获得的EEG-fNIRS数据进行认知计算并获得输出结果，可对通过其它方法获得的消费者认知评估结果进行标定和修正...

【专利技术属性】
技术研发人员：胡虹智，戴伟辉，戴永辉，谢燕强，孙海，汤筠冰，康燕，戴更辉，马海英，孙雅慧，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31