一种基于情绪脑电信号和多任务学习的人格评估方法技术

本发明专利技术公开了一种基于情绪脑电信号和多任务学习的人格评估方法。属于脑电信号处理领域，具体操作步骤如下：情绪刺激实验范式设计和脑电的数据采集；对采集到的脑电数据进行预处理，得到情绪脑电信号数据；对经过预处理后的情绪脑电信号数据计算其脑电特征；将得到的脑电特征输入至多任务学习方法中，并利用不同人格维度之间的相关性信息，得到人格评估结果。本发明专利技术提出的基于情绪脑电信号和多任务学习的人格评估方法；既利用了脑电信号在人格评估中的客观性，又通过多任务学习技术利用人格维度之间的相关性信息，而且只需要建立一个评估模型就可以得到五个人格维度的评估结果，因此可以快速、准确、客观的得到人格评估结果。客观的得到人格评估结果。客观的得到人格评估结果。

【技术实现步骤摘要】
一种基于情绪脑电信号和多任务学习的人格评估方法


[0001]本专利技术属于脑电信号处理领域，涉及一种基于情绪脑电信号和多任务学习的人格评估方法。

技术介绍

[0002]人格是一种心理结构，反映一个人区别于其他人的相对稳定的思维、情感和行为模式，对个人的生活和发展具有重要意义。人格识别一直是心理学家关注的焦点，因为它在社会网络分析、推荐系统设计、求职面试和情绪分析等领域都有重要的应用。在教育行业中，教育者们尝试利用人格测评工具了解学生的优劣势，以期实现高质量的因材施教；在职业选拔中，人格特质也作为一个重要考核指标，面试官期望通过对人格特质的评估来选取出更适合职位特性要求的高素质人才；在临床评估中，为了更好的评估病人的病情，人格评估工具也被越来越广泛的使用。在所有提出的人格描述方法中，最有前途、应用最广泛的是五大人格。它从五个维度描述一个人的人格：神经质、外向性、开放性、宜人性、尽责性。
[0003]传统的人格评估方法包括量表类测评法、访谈法、观察法等方法。其中，量表类自评测试是目前学术界最为广泛使用的方式。自评测试是指个体根据自己的实际情本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于情绪脑电信号和多任务学习的人格评估方法，其特征在于，其具体操作步骤如下：(1)、情绪刺激实验范式设计和脑电的数据采集；(2)、对采集到的脑电数据进行预处理，从而得到情绪脑电信号数据；(3)、对经过预处理后的情绪脑电信号数据计算其脑电特征；(4)、将得到的脑电特征输入至多任务学习方法中，并利用不同人格维度之间的相关性信息，最终得到人格评估结果。2.根据权利要求1所述的一种基于情绪脑电信号和多任务学习的人格评估方法，其特征在于，在步骤(1)中，所述情绪刺激实验范式设计的具体过程是：从情绪素材库中选取情绪图片或视频作为情绪刺激材料；设计实验范式中情绪刺激素材的展示顺序、展示时间、时间间隔；将实验重复若干次，直到将所有情绪刺激素材都展示过一次，最终形成完整的情绪刺激实验范式；所述脑电数据采集的具体过程是：受试者佩戴多通道脑电设备；脑电设备收集受试者在情绪刺激实验范式下产生的情绪脑电数据；将收集到的数据保存在可存储介质中。3.根据权利要求1所述的一种基于情绪脑电信号和多任务学习的人格评估方法，其特征在于，在步骤(2)中，所述对采集到的脑电数据进行预处理的具体操作步骤如下：(2.1)、信号滤波：采取某种信号滤波方法，对采集到的脑电信号滤波，去除工频及肌电伪迹干扰，保留所需的频率范围中的脑电信号；(2.2)、重参考：根据参考点的位置对数据进行重参考，得到每个电极和参考电极之间的电位差；(2.3)、分段和基线校正：对于情绪刺激实验范式下采集到的的脑电数据，根据数据的标签信息将数据分段，每段保留一定时间长度的脑电数据，然后对数据进行基线校正去除数据漂移的影响；(2.4)、伪迹去除：对分段后的脑电数据进行独立成分分析，并去除分析结果中所包含的伪迹成分。4.根据权利要求1所述的一种基于情绪脑电信号和多任务学习的人格评估方法，其特征在于，在步骤(3)中，所述对经过预处理后的情绪脑电信号数据计算其脑电特征的具体过程是：所述计算的脑电特征包括基于头皮脑电电极通道间的功能连接、事件相关电位脑电及功率谱密度特征；(3.1)、计算基于头皮脑电电极通道间的功能连接：将情绪脑电信号数据进行滤波，分成delta、theta、alpha、beta及gamma五个频段，然后将每个频段的数据基于相干等计算脑电各通道之间的功能连接特征；(3.2)、计算事件相关电位脑电特征：将情绪脑电信号数据划分为1秒时间长度的数据段，所述1秒时间长度的时域脑电信号数据段即为事件相关电位特征，然后进行标准化处理；
(3.3)、功率谱密度特征：将情绪脑电信号数据转换到频域，从频域中选取出需要的频段作为功率谱密度特征，然后进行标准化处理。5.根据权利要求1所述的一种基于情绪脑电信号和多任务学习的人格评估方法，其特征在于，在步骤(4)中，在所述在多任务学习方法中利用不同人格维度之间的相关性信息得到人格评估结果中，所述多任务学习方法是指通过同时训练多个相关任务，学习到任务之间的共享表示，并进一步的挖掘训练信号中的特定域信息来提高每个任务泛化能力；其具体操作步骤如下：(4.1)、多视图输入：将不同类型的脑电特征输入到全连接层，通过多视图输入进行特征融合拼接，其形式化为：v
j
＝Relu(x
j
w
j
+b
j
)其中，x
j
表示是第j个视图的输入特征向量；w
j
和b
j
分别表示是学习的参数；ReLU表示激活函数；v
j
表示是第j个视图的输出特征向量；(4.2)、注意力层：将得到的不同视图的特征向量作为输入，通过自注意力层得到每个视图中每个特征的加权和，并输入到跨注意力层；通过跨注意力层得到每个视图特征向量的加权；最后将不同视图的特征向量拼接，作为整个注意力层输出的特征向量...

【专利技术属性】
技术研发人员：张道强，许子明，邬霞，周月莹，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：