基于情绪脑电响应相似性的人际关系预测方法技术

本发明专利技术涉及涉及人机交互及工程心理学技术领域，公开了一种基于情绪脑电响应相似性的人际关系预测方法，包括步骤：S1：建立情绪视频数据库；S2：根据不同社会团体的实验者对所述情绪视频数据库中视频观看产生的脑电信号构建人际关系预测模型；S3：获取测试者观看所述情绪视频数据库中视频的实时脑电信号；S4：将所述实时脑电信号应用于所述人际关系预测模型，以预测测试者的人际关系发展状况。本发明专利技术能够获取更加客观的情绪测评结果，而且能够对情绪状态的动态变化过程进行更敏锐的跟踪。

【技术实现步骤摘要】
基于情绪脑电响应相似性的人际关系预测方法
本专利技术涉及人机交互及工程心理学
，特别涉及一种基于情绪脑电响应相似性的人际关系预测方法。
技术介绍
人作为社会性动物，通过人际交往建立广泛的社会关系。一方面，每个个体均有其独特的思想、情感与行为模式。另一方面，个体之间在以上角度上也存在着一定的相似性、同质性。而同质性是社会关系建立的基本特性之一，即越相似的人成为朋友、发展更亲密的人际关系的可能性越大。目前，已发现一些心理特质的相似性/同质性可用以预测人际关系的质量，例如，参与者主观报告的人格特质(如：外向性)的相似性，一定程度上可以预测友谊状况。但这些预测变量一方面关注的认知过程、特性较为简单，变量本身维度较少，选取特质较为单一，不够精细，另一方面也大多依赖于受测者的主观报告，难以避免社会赞许性等因素的影响。情绪，作为一种复杂的认知过程，是社会交互与人际沟通中最重要的心理机制。以往的研究发现，亲密关系双方行为水平上的情绪反应相似性可以预测人际关系的发展情况。而情绪的相似性既包含情绪体验类别与强度的相似性，也包含情绪动态波动模式的相似性。而传统的情绪测量方法大多通过问卷或访谈等方式获取受测者的主观报告，与心理特质测量一样难以完全排除社会赞许性的干扰，并且难以对情绪的动态波动模式进行精细的追踪。
技术实现思路
本专利技术提出一种基于情绪脑电响应相似性的人际关系预测方法，解决现有技术情绪测量方法难以完全排除社会赞许性的干扰，以及难以对情绪的动态波动模式进行精细的追踪的问题。本专利技术提供了一种基于情绪脑电响应相似性的人际关系预测方法，包括步骤：S1：建立情绪视频数据库；S2：根据不同社会团体的实验者对所述情绪视频数据库中视频观看产生的脑电信号构建人际关系预测模型；S3：获取测试者观看所述情绪视频数据库中视频的实时脑电信号；S4：将所述实时脑电信号应用于所述人际关系预测模型，以预测测试者的人际关系发展状况。其中，所述步骤S1包括：根据心理学情绪分类理论确定积极、中性和消极的情绪类别；初选有效唤起目标情绪的视频进行剪辑并添加字幕；对入选视频材料的情绪属性进行在各个情绪维度进行7点量表评分，选择预定分数以上的视频添加到情绪视频数据库。其中，所述步骤S2包括：对于不同社会团体的实验者，在观看视频的全过程记录分布于不同通道的脑电信号；在不同情绪类型的刺激下，提取脑电信号中的包括时域、频域和空域的脑电特征，将不同诱发视频的脑电特征相似性组成特征向量；收集社会团体中所有实验者两两之间的社会距离互评；通过提名生成法对团体中多维的整体社会网络进行刻画，得到多维人际关系数据。通过脑电特征相似性组成的特征向量、社会距离互评以及多维人际关系数据，在多个维度分别训练人际关系预测模型。其中，采用自我-他人重叠量表对受测者两两之间社会距离进行互评。其中，所述脑电特征为某情绪类型下视频诱发的脑电响应中在特定时间段内所得脑电信号的均值。其中，在步骤S2和S3中，以四段同类型情绪的视频为一个单元呈现给所述实验者和测试者，每看完一个单元的视频将呈现数学题让实验者和测试者进行判断任务。其中，所述脑电信号包括：1-3Hz的delta信号、4-8Hz的theta信号，8-13Hz的alpha信号、14-30Hz的beta信号和30-50Hz的gamma信号。本专利技术的方法相比传统的对于人际关系的预测方法一方面可以获取更加客观的情绪测评结果，另一方面也可以对情绪状态的动态变化过程进行更敏锐的跟踪，对于人际关系的自动预测，对人际关系的建立与发展、团队建设具有重要的应用意义。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的一种基于情绪脑电响应相似性的人际关系预测方法流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本实施例的基于情绪脑电响应相似性的人际关系预测方法如图1所示，包括：步骤S1，建立情绪视频数据库，其中的视频素材用于诱发被测者的情绪。步骤S2，根据不同社会团体的实验者对所述情绪视频数据库中视频观看产生的脑电信号构建人际关系预测模型。步骤S3，获取测试者观看所述情绪视频数据库中视频的实时脑电信号。步骤S4，将所述实时脑电信号应用于所述人际关系预测模型，以预测测试者的人际关系发展状况。本实施例的方法相比传统的对于人际关系的预测方法一方面可以获取更加客观的情绪测评结果，另一方面也可以对情绪状态的动态变化过程进行更敏锐的跟踪，对于人际关系的自动预测，对人际关系的建立与发展、团队建设具有重要的应用意义。本实施例中，步骤S1具体包括：根据心理学情绪分类理论确定积极(高兴、激励、幽默和温情等)、中性和消极(悲伤、恐惧、厌恶和愤怒等)的情绪类别。初选情绪唤起效果较佳的视频进行剪辑并添加字幕，以增强视频素材的易懂性。邀请专家对入选视频材料的情绪属性进行评分，选择预定分数以上的视频添加到情绪视频数据库。其中步骤S2包括：对于不同社会团体的实验者，在观看视频的全过程记录分布于不同通道的脑电信号；在不同情绪类型的刺激下，提取脑电信号中的包括时域、频域和空域的脑电特征，将不同诱发视频的脑电特征相似性组成特征向量；收集社会团体中所有实验者两两之间的社会距离互评；通过提名生成法对团体中多维的整体社会网络进行刻画，得到多维人际关系数据。通过脑电特征相似性组成的特征向量、社会距离互评以及多维人际关系数据，在多个维度分别训练人际关系预测模型。该人际关系预测模型原型为多元回归模型，训练时以社会距离互评与多维人际关系数据为应变量，实验者的脑电特征相似性组成的特征向量为自变量训练多元回归模型，从而得到人际关系预测模型。首先向超过100名来自多个不同社会团体的受测者分别呈现对应的情绪诱发素材，对于每一位受测者记录分布于不同脑区的不同电极通道的脑电信号，然后在不同情绪类型的刺激下，提取脑电信号中的包括但不限于时域、频域和空域特征用于计算人际相似性。脑电信号中delta(1-3Hz)，theta(4-8Hz)，alpha(8-13Hz)，beta(14-30Hz)，gamma(30-50Hz)等频带能量和脑电幅值、相位等特征是本专利技术中计划提取的但不限于此的特征。其次，本实施例需要收集人际关系数据。一方面，收集社会团体中所有参与者两两之间的社会距离互评，采用自我-他人重叠量表对受测者两两之间社会距离进行互评；另一方面，通过提名生成法，对团体中多维的整体社会网络(情感网络、信任网络、咨询网络)进行刻画，得到多维人际关系数据。最终，通过收集共计超过100名实验者的脑电信号、社会距离互评以及多个社会内部的人际关系数据，在上述多个维度分别训练人际关系的预测模型。具体地，对采集到的不同通道脑电信号进行特征提取，获得每位实验者对于诱发素材的脑电特征。脑电本文档来自技高网...

【技术保护点】
1.一种基于情绪脑电响应相似性的人际关系预测方法，其特征在于，包括步骤：S1：建立情绪视频数据库；S2：根据不同社会团体的实验者对所述情绪视频数据库中视频观看产生的脑电信号构建人际关系预测模型；S3：获取测试者观看所述情绪视频数据库中视频的实时脑电信号；S4：将所述实时脑电信号应用于所述人际关系预测模型，以预测测试者的人际关系发展状况。

【技术特征摘要】
1.一种基于情绪脑电响应相似性的人际关系预测方法，其特征在于，包括步骤：S1：建立情绪视频数据库；S2：根据不同社会团体的实验者对所述情绪视频数据库中视频观看产生的脑电信号构建人际关系预测模型；S3：获取测试者观看所述情绪视频数据库中视频的实时脑电信号；S4：将所述实时脑电信号应用于所述人际关系预测模型，以预测测试者的人际关系发展状况。2.如权利要求1所述的基于情绪脑电响应相似性的人际关系预测方法，其特征在于，所述步骤S1包括：根据心理学情绪分类理论确定积极、中性和消极的情绪类别；初选有效唤起目标情绪的视频进行剪辑并添加字幕；对入选视频材料的情绪属性进行在各个情绪维度进行7点量表评分，选择预定分数以上的视频添加到情绪视频数据库。3.如权利要求1所述的基于情绪脑电响应相似性的人际关系预测方法，其特征在于，所述步骤S2包括：对于不同社会团体的实验者，在观看视频的全过程记录分布于不同通道的脑电信号；在不同情绪类型的刺激下，提取脑电信号中的包括时域、频域和空域的脑电特征，将不同诱发视频的脑电特征相似性组成特征向量；收集社会团体中所有实验者两两之...

【专利技术属性】
技术研发人员：龙雪飞，胡鑫，张丹，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11