【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体是一种基于层级扩散模型的动态性格分析方法及系统。
技术介绍
1、性格，作为个体在行为、认知、情感和动机上的独特且相对稳定的模式，深刻影响着个人生活的方方面面，从职业选择、人际关系到心理健康。因此，准确且高效地进行性格评估在心理咨询、人力资源管理、教育、个性化服务等领域具有至关重要的应用价值。
2、当前，主流的性格分析方法主要可分为量表测验法、行为观察与访谈法以及传统机器学习方法。量表测验法如“大五人格模型”（）等，操作简单但存在静态性、主观性与偏差、粒度粗糙且结构扁平化等问题，无法反映性格的动态演化和内部复杂结构。行为观察与访谈法能获得深入洞察，但耗时耗力、成本高昂且难以标准化。传统机器学习方法尝试通过分析用户数据预测性格标签，虽更客观，但模型假设简单，仍未解决静态性问题，特征工程依赖强，且缺乏生成能力与解释性，难以揭示性格内部不同维度间的内在联系。与此同时，生成式人工智能领域取得了突破性进展，其中扩散模型因其强大的数据分布学习能力和高质量样本生成能力，在图像、文本等领域表现突出。然而，将扩散...
【技术保护点】
1.一种基于层级扩散模型的动态性格分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于层级扩散模型的动态性格分析方法，其特征在于，所述层级结构化扩散模型具有层级结构化扩散机制，层级结构化扩散机制是在层级结构化扩散模型的前向扩散训练阶段，针对预设的不同性格层级采用不同的噪声注入策略，噪声注入策略包括为代表更稳定核心气质的性格层级维度设置较慢且方差较小的噪声累积速率，以及为代表更易变外显行为模式的性格层级维度设置较快且方差较大的噪声累积速率。
3.根据权利要求1或2所述的基于层级扩散模型的动态性格分析方法，其特征在于，所述内部层间动态...
【技术特征摘要】
1.一种基于层级扩散模型的动态性格分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于层级扩散模型的动态性格分析方法，其特征在于，所述层级结构化扩散模型具有层级结构化扩散机制，层级结构化扩散机制是在层级结构化扩散模型的前向扩散训练阶段，针对预设的不同性格层级采用不同的噪声注入策略，噪声注入策略包括为代表更稳定核心气质的性格层级维度设置较慢且方差较小的噪声累积速率，以及为代表更易变外显行为模式的性格层级维度设置较快且方差较大的噪声累积速率。
3.根据权利要求1或2所述的基于层级扩散模型的动态性格分析方法，其特征在于，所述内部层间动态引导机制包括在层序条件逆扩散过程中，一个或多个先期去噪生成的且代表较稳定性格层级的特征子向量以及被用作后续去噪生成代表较易变性格层级的特征子向量时的附加动态条件。
4.根据权利要求1所述的基于层级扩散模型的动态性格分析方法，其特征在于，特征映射模型的工作过程如下：将出生时间信息中的周期性部分通过傅里叶特征函数进行编码，并将非周期性部分进行归一化处理，同时将地理位置信息通过可学习的地理空间嵌入层进行编码。
5.根据权利要求3所述的基于层级扩散模型的动态性格分析方法，其特征在于，所述层序条件逆扩散过程由一个深度神经网络实现，该深度神经网络的输入包括当前时间步的噪声化性格...
【专利技术属性】
技术研发人员：何小敏，杨柏英，彭云峰，彭晓君，
申请(专利权)人：广东数圈科技有限公司，
类型：发明
国别省市：
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。