System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种融合超图的心理量表常模智能更新方法及系统技术方案_技高网
当前位置: 首页 > 专利查询>安徽大学专利>正文

一种融合超图的心理量表常模智能更新方法及系统技术方案

技术编号:41326668 阅读:2 留言:0更新日期:2024-05-13 15:04
本发明专利技术涉及心理评测技术领域,更具体的,涉及一种融合超图的心理量表常模智能更新方法及系统。本发明专利技术的方法只需收集待测用户的用户网络行为,并通过对用户网络行为进行分析匹配适合的心理量表,进而通过超图建模、超图匹配的方式来进行模拟性作答,最后输出反映待测用户心理状态的结果。本发明专利技术不需要对待测用户通过分发心理量表作答的方式进行测试,避免待测用户的主观反抗等实时情绪影响。本发明专利技术解决了现有心理评测时待测用户可能存在的乱选择情况的问题。

【技术实现步骤摘要】

本专利技术涉及心理评测,更具体的,涉及一种融合超图的心理量表常模智能更新方法、以及使用了方法的融合超图的心理量表常模智能更新系统。


技术介绍

1、心理评测是以现代心理学和行为科学为基础,通过心理测验、面试、情景模拟等科学方法对人的价值观、性格特征以及发展潜力等的心理特征进行客观的测量与科学评价。

2、心理评测常用的工具就是心理量表。心理量表是一种具有参照点和单位的标准化测量工具,其特点是以文字形式呈现,大多采用选项式。心理量表可以采用纸质表,交给待测用户进行手动填写;也可以采用数字化的方式,通过屏幕交互的方式让待测用户进行填写。但这两种方式都存在同一个问题:待测用户不可控,其进行填写时可能会存在胡闹、抵触情况而进行乱选择,从而造成评测结果与实际严重不符。


技术实现思路

1、基于此,有必要针对现有心理评测时待测用户可能存在的乱选择情况的问题,提供了一种融合超图的心理量表常模智能更新方法及系统

2、本专利技术采用以下技术方案实现:

3、第一方面,本专利技术公开了一种融合超图的心理量表常模智能更新方法,包括以下步骤:

4、步骤一,获取待测用户的p条用户网络行为,构成用户网络行为集;

5、步骤二,依据用户网络行为集反映的心理属性选取q道未答心理问答题,构成未答心理量表集;

6、其中,每道心理问答题具有4个待选择项、且4个待选择项配置有相应的粗分值;

7、步骤三,对用户网络行为集、未答心理量表集分别进行超图建模,得到用户网络行为超图、未答心理量表超图;

8、步骤四,将用户网络行为超图、未答心理量表超图进行遍历匹配,得到q道已答心理问答题;

9、步骤五,获取q道已答心理问答题的已选择项,并将对应粗分值进行累加得到总粗分;再将总粗分乘以修正系数后,进行取整、不四舍五入,得到标准分;

10、步骤六,将标准分与预设的判断阈值进行比较,并输出待测用户的评测结果。

11、该种融合超图的心理量表常模智能更新方法实现根据本公开的实施例的方法或过程。

12、第二方面,本专利技术公开了一种融合超图的心理量表常模智能更新系统,使用了第一方面公开的融合超图的心理量表常模智能更新系统。

13、所述融合超图的心理量表常模智能更新系统包括:用户行为获取模块、心理量表获取模块、超图建模模块、超图匹配模块、分数计算模块、结果输出模块。

14、用户行为获取模块用于获取待测用户的p条用户网络行为,构成用户网络行为集。心理量表获取模块用于依据用户网络行为集反映的心理属性选取q道未答心理问答题,构成未答心理量表集;其中,每道心理问答题具有4个待选择项、且4个待选择项配置有相应的粗分值。超图建模模块用于对用户网络行为集、未答心理量表集分别进行超图建模,得到用户网络行为超图、未答心理量表超图。超图匹配模块用于将用户网络行为超图、未答心理量表超图进行遍历匹配,得到q道已答心理问答题。分数计算模块用于获取q道已答心理问答题的已选择项,并将对应粗分值进行累加得到总粗分;再将总粗分乘以修正系数后,进行取整、不四舍五入,得到标准分。结果输出模块用于将标准分与预设的判断阈值进行比较,并输出待测用户的评测结果。

15、该种融合超图的心理量表常模智能更新系统实现根据本公开的实施例的方法或过程。

16、与现有技术相比,本专利技术具备如下有益效果:

17、本专利技术不需要对待测用户通过分发心理量表作答的方式进行测试,避免待测用户的主观反抗等实时情绪影响。本专利技术只需收集待测用户的用户网络行为,并通过对用户网络行为进行分析匹配适合的心理量表,进而通过超图建模、超图匹配的方式来进行模拟性作答,最后输出反映待测用户心理状态的结果。整个过程基于信号化处理,可以减少人工。

本文档来自技高网...

【技术保护点】

1.一种融合超图的心理量表常模智能更新方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤一中,用户网络行为的时间跨度大于或等于3个月。

3.根据权利要求1所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤二包括:

4.根据权利要求2所述的融合超图的心理量表常模智能更新方法,其特征在于,所述心理问答题为正向问答题或负向问答题;

5.根据权利要求1所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤三中,对用户网络行为集进行超图建模,得到用户网络行为超图,包括:

6.根据权利要求5所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤三中,对未答心理量表集进行超图建模,得到未答心理量表超图,包括:

7.根据权利要求6所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤四中,将用户网络行为超图、未答心理量表超图进行超边匹配,

8.根据权利要求1所述的融合超图的心理量表常模智能更新方法,其特征在于,修正系数取1.25。p>

9.根据权利要求1所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤六中,预设的判断阈值包括5.3*Z、6.2*Z、7.2*Z;其中,Z表示已答心理量表的个数;

10.一种融合超图的心理量表常模智能更新系统,其特征在于,其使用了如权利要求1-9中任一所述的融合超图的心理量表常模智能更新方法;

...

【技术特征摘要】

1.一种融合超图的心理量表常模智能更新方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤一中,用户网络行为的时间跨度大于或等于3个月。

3.根据权利要求1所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤二包括:

4.根据权利要求2所述的融合超图的心理量表常模智能更新方法,其特征在于,所述心理问答题为正向问答题或负向问答题;

5.根据权利要求1所述的融合超图的心理量表常模智能更新方法,其特征在于,步骤三中,对用户网络行为集进行超图建模,得到用户网络行为超图,包括:

6.根据权利要求5所述的融合超图的心理量表常模智能更新方法,...

【专利技术属性】
技术研发人员:张馨之侯娟刘晓艳范鑫颖杨越颜登程
申请(专利权)人:安徽大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1