积极心理学计算机化训练方法及系统技术方案

本申请涉及认知训练领域，具体涉及积极心理学计算机化训练方法及系统。所述方法包括步骤：搜集用户病症特征、认知量表测评结果、实时情绪监控情况的相关数据，确定用户的心理需求，确定用户的当下训练评级，并结合用户的心理需求指定训练方案，训练完成后进行当前训练有效性检测,如果没有通过测评，则按照测评情况重新进行本级训练，如果用户通过了测评，用户能够解锁新等级的训练，同时也能够回顾原等级的训练。级的训练。级的训练。

【技术实现步骤摘要】
积极心理学计算机化训练方法及系统


[0001]本申请涉及认知训练领域，具体涉及积极心理学计算机化训练方法及系统。

技术介绍

[0002]目前相近于本方案的技术为同一理论下的培训课程、自助式练习和爱意冥想音频，通常具有以下缺点：(1)碎片化，自助式练习和爱意冥想音频通常都有碎片化的特征。人们能够即时利用这些资源来改善情绪，但是无法通过它们进行长期的改善训练。积极心理学培训课程则相对较为完整，但是也并不具备可重复使用性，且多以理论讲解为基础，其中包含的练习依然属于自助式联系的一种。
[0003](2)范式种类少、单一，自助式练习和爱意冥想音频通常都会以一两种范式为主，使用数次后，可能由于枯燥和单一而放弃训练。积极心理学培训课程相对较多，但是数量通常极少，并不足以维持长期的训练或使用。
[0004](3)缺乏适配性，以上所述的积极心理学资源多为自主获取，或在心理咨询过程中得到相关的指导和建议。这种情况下获得的资源往往并不符合用户当下的情况。以自助式练习为例，感恩日记是常见且对很多人都有效的训练，但是对于抑郁情绪较为严重的用户来说，书写可能是压力很重的活动。

技术实现思路

[0005]本申请的目的是提供积极心理学计算机化训练方法。
[0006]本申请的再一目的是提供积极心理学计算机化训练系统。
[0007]根据本专利技术的积极心理学计算机化训练方法包括以下步骤：S1：确定用户病症特征；S2：进行认知测试和情绪测试，包括情绪类量表，语句积极情绪分析，面部识别数据，分析用户当下的情绪状况，并进行评级；S3：用户选择自己的训练需求，作为训练目标，为用户指定个性化的训练方案，用户使用评级所关联的训练，训练难度逐渐升级，当用户在当前评级训练中表现优秀，达到人群均值，并维持一定天数后，进行本级的有效性测评，通过后即可进行下一阶训练，直到完成用户所设定的目标。
[0008]根据本专利技术的积极心理学计算机化训练方法，其中，对于输入的病症、认知测试和情绪测试的数据通过以下分析得到初始的训练等级，获取对应训练的基本方案，（1）采用基于距离的聚类分析，根据欧式空间距离生成单维度的变量信息；（2）采用贝叶斯回归模型处理，其中，将聚类后的单维度数据作为初始状态，根据正态分布模型作为先验参数，生成先验分布数据，使用马尔可夫链蒙特卡洛（MCMC）结合转移概率，生成概率后验分布的样本，根据参数估计和已经求解出的贝叶斯线性回归模型，生成输出预测值，即初始的训练等级。
[0009]根据本专利技术的积极心理学计算机化训练方法，其中，当用户进行完当前等级的训练后，根据采集的观察数据，基于涉及声音通道、图像通道、文字数据的多模态的特征数据，进行自监督学习，其中，基于典型相关分析将输入的多种不同的数据类型映射到同一个空间进行计算，根据当前的训练内容选取相应的特定模态进行数据增强，并将跨模态的数据对比学习，将局部区域数据、全局动作结合，利用解纠缠的特征表示模型重构积极认知和情绪状态的分布形式，通过学习到的特征还原生成用户数据信息，选择更新合适的后续训练方案以促进目标评估和预测。
[0010]根据本专利技术的积极心理学计算机化训练方法，其中，训练方案包括以下几个数值：（1）训练内容各类别停留时间方案T，包括t1,t2,t3,t4的取值范围，t1,t2,t3,t4各自对应着训练的四个阶段，即感恩珍惜系列训练、培养积极心态系列训练、优势探索和成长系列训练、寻找希望和资源系列训练，（2）读取时间，设置已训练时长Y，每过一天，Y值增加1，初始Y值为0，根据Y值，按照训练方案依次呈现训练内容，其中，如果Y在t1范围内，呈现感恩珍惜系列训练中的任意练习，呈现情境，引导用户回忆和思考，记录用户在练习中的选择，如果Y在t2范围内，呈现培养积极心态系列训练中的任意练习，呈现图片或情境，要求用户书写自己的感受，并为自己的体验打分，保存用户的打分和书写的感受，如果Y在t3范围内，呈现优势探索训练中的任意练习，呈现卡牌，引导用户思考自身优势，或呈现情境，引导用户思考他人优势，用户对于卡牌的选择和系统对其选择结果的分析将会呈现并保存，如果Y在t4范围内，呈现成长系列训练中的任意练习，呈现引导语或引导小游戏，鼓励用户思考自己的美好未来和自己已有的优势，保存用户的选择和记录下的文字。
[0011]根据本专利技术的积极心理学计算机化训练方法，其中，每当用户完成当日的训练后，用户撰写并说出一段话描述当下情绪和最近的状态，对此进行文本提取分析，结果记为Rt2，由语音情绪识别算法分析音频数据，结果记为Rv2，将Rt2和Rv2呈现在当日的日志记录中，当前已训练时间Y值根据联网获取的当前时间每日增加，每当Y值到达当前所属t范围最大值时，调用认知量表和情绪测评，获得用户当前认知量表评分Rc2和情绪量表Re2，对照系统预设的及格值Ac和Ae，其中，当Rc2≥Ac且Re2≥Ae时，Y值加一，次日能够进入下一范围的训练，当不满足Rc2≥Ac且Re2≥Ae条件时，Y值重置到当前范围最小值，对比Ac与Rc2、Ae与Re2的比例，以较大的一个为准，以该比例乘以原定训练停留时间方案T中当前训练类别i（i∈[1:4]）对应的停留范围t
i
，重新计算当前类别停留时间，以此训练时间重置。在该范围内，训练难度不变。
[0012]根据本专利技术的积极心理学计算机化训练方法，其中，每当用户进行完当前等级的训练后，该等级会永久对该用户开放权限，用户可选择返回到初始化登录场景，重新选择病症和测评，由系统采用贝叶斯估计，进行聚类和回归分析，重设一个训练方案。
[0013]根据本专利技术的积极心理学计算机化训练系统包括：评估单元，用于收集用户的个人认知情况和情绪状况数据，用于生成和调整训练方案；
输出单元，以图片、文字方式呈现系统内容 ；观测单元，通过语音识别和文本识别观测用户情绪变化；交互单元，与用户进行互动，在用户完成设定目标后呈现动画效果；存储单元：存储用户的训练方案、预设的训练内容和每日更新的训练日志，存储用户积极情绪调节模型公式，存储用户在训练过程的选择和产生的新素材，生成用户的个性化信息库，其中，上述单元通过执行以下步骤实现积极心理学计算机化训练：S1：获取用户信息，实现登录，输出单元呈现症状选项；S2：收集用户的个人认知情况和情绪状况数据，其中，用户语音描述当下情绪和最近的状态，音频进入观测单元进行处理，由语音情绪识别算法分析音频，所述评估单元执行以下功能：调用认知测试，内容包括积极资源类、整体生活质量类、生活满意度测评，收集记录测评数据，调用情绪测试,呈现即时的情绪测试表，收集记录测评数据，用户通过文本描述当下情绪和最近的状态，进行文本提取分析，记录结果；S3:根据所输入的认知测试数据、情绪测试数据、 文本提取分析数据和语音分析数据进行分析和运算，输出预测值，即初始训练等级，设定为训练方案的起点，所选择的需求设定为训练方案的终点，其中，训练方案包括以下几个数值：（1）训练内容各类别停留时间方案T，包括t1,t2,t3,t4的取值范围，t1,t2,t3,t4各自对应训练的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种积极心理学计算机化训练方法，其特征在于，所述方法包括以下步骤：S1：确定用户病症特征；S2：进行认知测试和情绪测试，包括情绪类量表，语句积极情绪分析，面部识别数据，分析用户当下的情绪状况，并进行评级；S3：用户选择自己的训练需求，作为训练目标，为用户制定个性化的训练方案，用户使用评级所关联的训练，训练难度逐渐升级，当用户在当前评级训练中表现优秀，达到人群均值，并维持一定天数后，进行本级的有效性测评，通过后即可进行下一阶训练，直到完成用户所设定的目标。2.根据权利要求1所述的积极心理学计算机化训练方法，其特征在于，对于输入的病症、认知测试和情绪测试的数据通过以下分析得到初始的训练等级，（1）采用基于距离的聚类分析，根据欧式空间距离生成单维度的变量信息；（2）采用贝叶斯回归模型处理，其中，将聚类后的单维度数据作为初始状态，根据正态分布模型作为先验参数，生成先验分布数据，使用马尔可夫链蒙特卡洛结合转移概率，生成概率后验分布的样本，根据参数估计和已经求解出的贝叶斯线性回归模型，生成输出预测值，即初始的训练等级。3.根据权利要求1所述的积极心理学计算机化训练方法，其特征在于，在S3步骤中，当用户完成当前等级的训练后，根据采集的观察数据，基于涉及声音通道、图像通道、文字数据的多模态的特征数据，进行自监督学习，其中，基于典型相关分析将输入的多种不同的数据类型映射到同一个空间进行计算，根据当前的训练内容选取相应的特定模态进行数据增强，并将跨模态的数据对比学习，将局部区域数据、全局动作结合，利用解纠缠的特征表示模型重构积极认知和情绪状态的分布形式，通过学习到的特征还原生成用户数据信息，选择更新合适的后续训练方案。4.根据权利要求1所述的积极心理学计算机化训练方法，其特征在于，训练方案包括以下数值：（1）训练内容各类别停留时间方案T，包括t1,t2,t3,t4的取值范围，t1,t2,t3,t4分别对应感恩珍惜系列训练、培养积极心态系列训练、优势探索和成长系列训练、寻找希望和资源系列训练，（2）读取时间，设置已训练时长Y，每过一天，Y值增加1，初始Y值为0，根据Y值，按照训练方案依次呈现训练内容，其中，如果Y在t1范围内，提供感恩珍惜系列训练中的任意练习，呈现情境，引导用户回忆和思考，记录用户在练习中的选择，如果Y在t2范围内，提供培养积极心态系列训练中的任意练习，呈现图片或情境，要求用户书写自己的感受，并为自己的体验打分，保存用户的打分和书写的感受，如果Y在t3范围内，提供优势探索训练中的任意练习，呈现卡牌，引导用户思考自身优势，或呈现情境，引导用户思考他人优势，用户对于卡牌的选择和系统对其选择结果的分析将会呈现并保存，如果Y在t4范围内，提供成长系列训练中的任意练习，呈现引导语或引导小游戏，鼓励用户思考自己的美好未来和自己已有的优势，保存用户的选择和记录下的文字。5.根据权利要求4所述的积极心理学计算机化训练方法，其特征在于，当前已训练时间
Y值根据联网获取的当前已训练时间每日增加，每当Y值到达当前所属t范围最大值时，调用认知量表和情绪测评，获得用户当前认知量表评分Rc2和情绪量表Re2，对照系统预设的及格值Ac和Ae，其中，当Rc2≥Ac且Re2≥Ae时，Y值加一，次日能够进入下一范围的训练，当不满足Rc2≥Ac且Re2≥Ae条件时，Y值重置到当前范围最小值，对比Ac与Rc2、Ae与Re2的比例，以较大的比例乘以原定训练停留时间方案T中当前训练类别i对应的停留范围t
i
，其中，i∈[1:4],重新计算当前类别停留时间，以此训练时间重置，在该范围内，训练难度不变。6.根据权利要求1所述的积极心理学计算机化训练方法，其特征在于，每当用户完成当日的训练后，用户撰写并说出一段话描述当下情绪和最近的状态，对此进行文本提取分析，由语音情绪识别算法分析音频数据，将文本提取分析和音频分析数据呈现在当日的日志记录中。7.根据权利要求1所述的积极心理学计算机化训练方法，其特征在于，每当用户完成当前...

【专利技术属性】
技术研发人员：李诗怡，徐青青，王晓怡，马珠江，
申请(专利权)人：北京智精灵科技有限公司，
类型：发明
国别省市：