CN109002531A - 一种基于脑电数据分析的影视推荐系统及影视推荐方法 - Google Patents

Abstract

本发明一种基于脑电数据分析的影视推荐系统及影视推荐方法，包括播放终端子系统、脑电处理子系统和数据推荐子系统，用户在观看影视作品时，对用户产生的脑电信号进行同步采集，然后通过相关算法对采集的用户脑电信号进行处理，产生与用户关注度有关的数据，使用权重计算公式计算产生用户的评价分数，并回传给影视推荐子系统，产生更加精确的影视作品推荐列表，为用户提供更加优质的观看体验。与传统的方法相比，本发明可以有效排除个体评分标准的主观差异，提高推荐系统对推荐结果的准确性和相关性，提升用户体验。

Description

一种基于脑电数据分析的影视推荐系统及影视推荐方法

技术领域

本发明属于智能与大数据分析领域，涉及一种基于脑电数据分析的影视推荐系统及影视推荐方法。

背景技术

脑电可以记录人在观看影视作品时大脑活动所产生的电波变化，这些电波变化来源于大量的大脑神经元的突触所产生的电位总和。脑电这一生理活动反映了人在观看影视作品时因影视内容及情节产生的关注度的大小。

现有的影视推荐系统，可以根据用户的手动评分向用户提供关于影视作品的相关推荐列表,是通过所有用户的点击量和个体用户的点击记录来进行排序显示的。现有的影视推荐技术不能有效地计算用户对特定影视作品的关注度，且由于个体对于评分标准的主观差异造成评分标准的差异，从而导致相关的推荐结果的准确性和相关性比较差，影响用户体验。

发明内容

本发明针对现有技术中存在的问题，提出一种基于脑电数据分析的影视推荐系统和影视推荐方法，通过对脑电数据进行采集、分类、识别后获得用户对特定影视作品的关注度数据，并根据这些数据生成评价分数，来实现对推荐系统评分数据的更新，从而产生更加精准的影视推荐结果。

本发明一种基于脑电数据分析的影视推荐系统，包括播放终端子系统、脑电处理子系统和数据推荐子系统；

该播放终端子系统：包括显示模块、网络传输模块，该显示模块用于向用户播放影视作品，该网络传输模块用于接收脑电处理子系统输出的用户评分信息，将之上传至推荐数据子系统，以及用于接收推荐数据子系统下发的影视推荐内容；

该脑电处理子系统，包括脑电信号采集模块、脑电信号处理模块、评分产生模块和无线传输模块；该脑电信号采集模块包括若干个用于采集脑电信号的电极；该脑电信号处理模块，接收脑电信号采集模块采集的脑电信号，对该脑电信号进行滤波、去除眨眼伪迹的处理，并将该处理完成的脑电信号发送至评价产生模块；该评价产生模块用于依据接收到的脑电信号生成用户对影视作品的评价分数，并经由无线传输模块将该用户上传的评价分数上传到播放终端子系统；

该推荐数据子系统，包括推荐系统数据池模块和推荐数据调整模块，该推荐系统数据池模块存储有海量影视作品，用于用户点播和向用户提供推荐列表；该推荐数据调整模块用于根据用户上传的评价分数对推荐系统数据池模块中的推荐列表进行调整。

所述的一种基于脑电数据分析的影视推荐系统的影视推荐方法，包括如下步骤：

步骤1、通过播放终端子系统的网络传输模块接收推荐数据子系统下发的影视作品，通过播放终端子系统的显示模块向用户播放该影视作品；

步骤2、将脑电处理子系统穿戴于用户的头部，在用户观看该影视作品的同时，通过脑电信号采集模块中的电极采集用户的脑电信号；

步骤3、该脑电处理子系统的脑电信号处理模块接收脑电信号采集模块采集的脑电信号，并对采集的脑电信号进行脑电信号空间滤波和去除脑电信号中的眨眼伪迹的预处理，并将该处理完成的脑电信号发送至评价产生模块；

步骤4、该评价产生模块采用步骤3中预处理的数据进行用户关注度的实时检测，生成关注时长的数据；

步骤5、评价产生模块对步骤4产生的关注时长进行量化处理，生成用户对该影视作品的评价分数；

步骤6、脑电处理子系统将对应该影视作品的评价分数通过无线传输模块发送给播放终端子系统，并经由该播放终端子系统上传至推荐数据子系统；推荐数据子系统接收到用户上传的评价数据之后，更新影视推荐系统的数据；

步骤7、推荐数据子系统中的推荐系统数据池模块存储有海量影视作品，用于用户点播和向用户提供推荐列表；推荐数据子系统中的推荐数据调整模块根据步骤6上传的评价分数对推荐系统数据池模块中推荐列表中的影视作品进行调整。

所述步骤1播放的影视作品，可以是通过推荐列表推荐给用户的影视作品，也可以是用户自行点播的影视作品，所述影视作品全部来自于推荐数据子系统的推荐系统数据池模块。

所述步骤2中的脑电信号采集模块包括有36个用于采集脑电信号的电极，所有的电极以右耳垂作为参考，设备采样率设置为1000HZ，采集过程中的电极电阻＜5Ω，对数据进行DC校正消除直流漂移。

所述脑电信号空间滤波采用CAR空间滤波方法：

通过计算记录的N个电极的信号的平均值，来重新评定各时刻各电极的电位，该CAR空间滤波的公式为：

式中，s′_h(t)为某电极滤波后的电位，s_h(t)为该电极滤波之前的电位，N为电极总数，h为电极的序号。

利用FastICA算法和相关性分析相结合的方法对脑电信号的眨眼伪迹进行自动识别和去除：

所述FastICA算法包括：

对完成空间滤波的脑电信号数据进行中心化和白化处理；

选择一个具有单位范数的初始化向量，对其进行更新和标准化处理，判断该向量更新出的权重是否近似，当其临近两次更新出的权重近似时，视为收敛，若未收敛，继续对该向量进行更新，直至收敛，通过更新所得到的向量，就是该区域的独立分量；

所述相关性分析的公式为：

式中，x_i,y_i为需要进行相关性计算的两个信号序列，r_xy指的是x_i，y_i这两个信号序列的相关系数，为两组信号的均值，N为信号长度；

所述FastICA算法与相关性分析相结合的方法为：

(1)对原始信号进行归一化处理：

y＝(x-x_min)/(x_max-x_min)

其中，x为原始信号，y为归一化后的信号，x_max是原始信号x的最大值，x_min是原始信号x的最小值；

(2)按照前左、前右、中左、中右、后左、后右的顺序，将脑电极所在位置分成6个区域，对每个区域的脑电信号数据，即已经进行了空间滤波的电位s₁(t),s₂(t),s₃(t),s₄(t),s₅(t),s₆(t)进行FastICA分析：

对每个区域，通过差值计算公式把步骤(1)中归一化后的信号进行重新构建得出6组差值数据s1、s2、s3、s4、s5、s6，差值计算公式为：s＝s(i)-s(j)

对于S1，i和j指的是第一个电极和第二个电极，对于S2，i和j指的是第二个电极和第三个电极，……，以此类推；

将6组的差值数据依次与FastICA算法分离出的每个区域的独立分量进行相关性计算，其中相关性最小的信号就是眨眼伪迹信号，将该眨眼伪迹信号设置为零，从而得到全新的已经消除眨眼伪迹信号的脑电信号。

所述步骤4的对用户的关注度的实时检测包括如下步骤：

对滤波后的α频段进行加权能量GFP(t)_new计算，算出左右脑的α波的能量，从而得出左脑相对于右脑的α波的相对值，当左脑的α波相对值大于±0.01时，就判定这一秒属于用户的关注时长：

用户脑电信号的能量GFP(t)计算公式为：

式中，x_i(t)表示第i个电极的脑电信号，N表示电极总数，左半脑以及右半脑各自所属的十八个电极采集的信号的比重是不同的，因此进行加权处理，得到一个加权后的能量GFP(t)_new：

式中，表示经过a频段滤波后的第i电极脑电信号，η代表常数系数，ω(i)代表的是第i个电极脑电信号的权重。

所述评价分数fs，由用户关注影视作品的时长gz，打开影视作品的时长dk，影视作品总时长zc三项要素构成，评价分数计算公式为：

fs＝100*(gz/dk*w1+dk/zc*w2)

其中，w1、w2为权重常数。

本发明通过采集用户在观看影视作品过程中的脑电信号，并进行分析来检测用户对该影视作品的关注度，进而形成有效的评价分数，并回传给影视推荐子系统，产生更加精确的影视作品推荐列表，为用户提供更加优质的观看体验。与传统的方法相比，本发明可以有效排除个体评分标准的主观差异，提高推荐系统对推荐结果的准确性和相关性，提升用户体验。

附图说明

图1是本发明一种基于脑电数据分析的影视推荐系统的框图；

图2是本发明一种基于脑电数据分析的影视推荐方法的流程图。

以下结合附图和实施例对本发明做进一步详述。

具体实施方式

如图1所示，一种基于脑电数据分析的影视推荐系统，包括播放终端子系统、脑电处理子系统和数据推荐子系统；

该播放终端子系统：包括显示模块、网络传输模块；该显示模块用于向用户播放影视作品，可以是高分辨率的液晶屏幕及具备良好声音播放效果的音响；该网络传输模块用于接收脑电处理子系统输出的用户评分信息，将之上传至推荐数据子系统，用于接收推荐数据子系统下发的影视推荐内容，可以使用基于802.11g协议的无线传输天线和有线网络传输接口；

该脑电处理子系统，是一个头戴式脑电设备，包括脑电信号采集模块、脑电信号处理模块、评分产生模块和无线传输模块；该脑电信号采集模块包括有36个用于采集脑电信号的电极；该脑电信号处理模块，接收脑电信号采集模块采集的用户脑电信号，进行空间滤波、自动去除眨眼伪迹等用户脑电信号的预处理，并将该处理完成的脑电信号发送至评价产生模块；该评价产生模块用于依据接收到的脑电信号生成用户对影视作品的评价分数，并经由无线传输模块将该用户上传的评价分数上传到播放终端子系统，并且由播放终端子系统进一步上传至推荐数据子系统；

该推荐数据子系统，包括推荐系统数据池模块和推荐数据调整模块，该推荐系统数据池模块存储有海量影视作品，用于用户点播和向用户提供推荐列表；该推荐数据调整模块用于根据用户上传的评价分数对推荐系统数据池模块中推荐列表的影视作品进行调整。

如图2所示，一种基于脑电数据分析的影视推荐方法，具体步骤如下：

步骤1：播放影视作品

使用播放终端子系统的显示模块来播放影视作品，所述播放影视作品的内容可以是通过推荐列表推荐给用户的影视作品，也可以是用户自行点播的影视作品；所述影视作品全部来自于推荐数据子系统的推荐系统数据池模块；

步骤2：在步骤1进行的同时，通过脑电处理子系统的脑电信号采集模块采集用户的脑电信号，该脑电信号采集模块包括有36个用于采集脑电信号的电极，所有的电极以右耳垂作为参考，设备采样率设置为1000HZ，采集过程中的电极电阻＜5Ω，对数据进行DC校正消除直流漂移；

步骤3：通过脑电处理子系统的脑电信号处理模块对采集的脑电信号进行预处理,包括脑电信号空间滤波和去除脑电信号中的眨眼伪迹；

所述脑电信号空间滤波采用CAR空间滤波方法可以得到:

通过计算记录的N个电极的信号的平均值，来重新评定各时刻各电极的电位，该CAR空间滤波的公式为：

式中，s′_h(t)为某电极滤波后的电位，s_h(t)为该电极滤波之前的电位，N为电极总数，h为电极的序号；

利用FastICA算法和相关性分析相结合的方法对脑电信号的眨眼伪迹进行自动识别和去除，所述FastICA算法包括：

对完成空间滤波的脑电信号数据进行中心化和白化处理；

选择一个具有单位范数的初始化向量，对其进行更新和标准化处理，判断该向量更新出的权重是否近似，当其临近两次更新出的权重近似时，视为收敛，若未收敛，继续对该向量进行更新，直至收敛，通过更新所得到的向量，就是该区域的独立分量；

所述相关性分析的公式为：

式中，x_i、y_i为需要进行相关性计算的两个信号序列，r_xy指的是x_i，y_i这两个信号序列的相关系数，为两组信号的均值，N为信号长度；

所述FastICA算法与相关性分析相结合的方法为：

(1)对原始信号进行归一化处理：

y＝(x-x_min)/(x_max-x_min)

其中，x为原始信号，y为归一化后的信号，x_max是原始信号x的最大值，x_min是原始信号x的最小值；

(2)按照前左、前右、中左、中右、后左、后右的顺序，将脑电极所在位置分成6个区域，对每个区域的脑电信号数据，即已经进行了空间滤波的电位s₁(t),s₂(t),s₃(t),s₄(t),s₅(t),s₆(t)进行FastICA分析：

对每个区域，通过差值计算公式把步骤(1)中归一化后的信号进行重新构建得出6组差值数据s1、s2、s3、s4、s5、s6，差值计算公式为：s＝s(i)-s(j)

对于S1，i和j指的是第一个电极和第二个电极，对于S2，i和j指的是第二个电极和第三个电极，……，以此类推；

将6组差值数据依次与FastICA算法分离出每个区域的独立分量进行相关性计算，其中相关性最小的信号就是眨眼伪迹信号，将该眨眼伪迹信号设置为零，从而得到全新的已经消除眨眼伪迹信号的脑电信号；

步骤4：对用户的关注度的实时检测，生成关注时长数据：

通过α波(滤波后的α频段)的加权能量GFP(t)_new计算，算出左右脑的α波的能量，从而得出左脑相对于右脑的α波的相对值，当左脑的α波相对值大于±0.01时，就判定这一秒属于用户的关注时长：

用户脑电信号的能量GFP(t)计算公式为：

式中，x_i(t)表示第i个通道的脑电信号，N表示电极总数，左半脑以及右半脑各自所属的十八个电极采集的信号的比重是不同的，因此进行加权处理，得到一个加权后的能量GFP(t)_new：

式中，表示经过a频段滤波后的第i电极脑电信号，η代表常数系数，此处取值为4，ω(i)代表的是第i个电极脑电信号的权重，前左、前右、中左、中右、后左、后右的顺序，他们的电极所占的权重分别为：0.04，0.04,0.03,0.03,0.013,0.013；

步骤5：对步骤4产生的关注时长进行量化处理，形成评价分数：

所述评价分数，由关注影视作品的时长gz，打开影视作品的时长dk，影视作品总时长zc(去除开头结尾)这三项要素构成，评价分数计算公式为：

fs＝100*(gz/dk*w1+dk/zc*w2)

其中，fs为评价分数，gz为用户关注该影视作品的时长，zc为去除开头结尾后影视作品的总时长，dk为用户打开影视作品的时长，w1、w2为权重常数，取w1＝0.8，w2＝0.2；

步骤6：步骤5中对应该影视作品的评价分数经由脑电处理子系统的无线传输模块，先上传至播放终端子系统，然后通过该播放终端子系统的网络传输模块上传到推荐数据子系统，推荐数据子系统接收到用户上传的评价数据之后，更新影视推荐系统的数据；

步骤7：影视推荐系统的推荐数据调整模块根据用户上传的评价分数对推荐系统数据池模块中的推荐列表进行调整，通过将该推荐列表传送至播放终端子系统对用户推荐其感兴趣的影视作品。

具体实施过程中，在对某一用户进行脑电信号采集时，应确保用户观看影视作品时不受周围环境的影响。

本发明通过采集用户在观看影视作品过程中的脑电数据并进行分析处理来检测用户对该影视作品的感兴趣程度，进而形成有效的评分，并回传给影视推荐系统，从而产生更加精准的影视资源推荐列表。与传统的方法相比，本发明可以有效排除个体评分标准的主观差异，提高影视推荐系统对推荐结果的准确性和相关性，提升用户体验。

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种基于脑电数据分析的影视推荐系统，其特征在于：包括播放终端子系统、脑电处理子系统和数据推荐子系统；

该播放终端子系统：包括显示模块、网络传输模块，该显示模块用于向用户播放影视作品，该网络传输模块用于接收脑电处理子系统输出的用户评分信息，将之上传至推荐数据子系统，以及用于接收推荐数据子系统下发的影视推荐内容；

该脑电处理子系统，包括脑电信号采集模块、脑电信号处理模块、评分产生模块和无线传输模块；该脑电信号采集模块包括若干个用于采集脑电信号的电极；该脑电信号处理模块，接收脑电信号采集模块采集的脑电信号，对该脑电信号进行滤波、去除眨眼伪迹的处理，并将该处理完成的脑电信号发送至评价产生模块；该评价产生模块用于依据接收到的脑电信号生成用户对影视作品的评价分数，并经由无线传输模块将该用户上传的评价分数上传到播放终端子系统；

该推荐数据子系统，包括推荐系统数据池模块和推荐数据调整模块，该推荐系统数据池模块存储有海量影视作品，用于用户点播和向用户提供推荐列表；该推荐数据调整模块用于根据用户上传的评价分数对推荐系统数据池模块中的推荐列表进行调整。

2.根据权利要求1所述的一种基于脑电数据分析的影视推荐系统的影视推荐方法，其特征在于包括如下步骤：

步骤1、通过播放终端子系统的网络传输模块接收推荐数据子系统下发的影视作品，通过播放终端子系统的显示模块向用户播放该影视作品；

步骤2、将脑电处理子系统穿戴于用户的头部，在用户观看该影视作品的同时，通过脑电信号采集模块中的电极采集用户的脑电信号；

步骤3、该脑电处理子系统的脑电信号处理模块接收脑电信号采集模块采集的脑电信号，并对采集的脑电信号进行脑电信号空间滤波和去除脑电信号中的眨眼伪迹的预处理，并将该处理完成的脑电信号发送至评价产生模块；

步骤4、该评价产生模块采用步骤3中预处理的数据进行用户关注度的实时检测，生成关注时长的数据；

步骤5、评价产生模块对步骤4产生的关注时长进行量化处理，生成用户对该影视作品的评价分数；

步骤6、脑电处理子系统将对应该影视作品的评价分数通过无线传输模块发送给播放终端子系统，并经由该播放终端子系统上传至推荐数据子系统；推荐数据子系统接收到用户上传的评价数据之后，更新影视推荐系统的数据；

步骤7、推荐数据子系统中的推荐系统数据池模块存储有海量影视作品，用于用户点播和向用户提供推荐列表；推荐数据子系统中的推荐数据调整模块根据步骤6上传的评价分数对推荐系统数据池模块中推荐列表中的影视作品进行调整。

3.根据权利要求2所述的一种基于脑电数据分析的影视推荐系统的影视推荐方法，其特征在于：所述步骤1播放的影视作品，可以是通过推荐列表推荐给用户的影视作品，也可以是用户自行点播的影视作品，所述影视作品全部来自于推荐数据子系统的推荐系统数据池模块。

4.根据权利要求2所述的一种基于脑电数据分析的影视推荐系统的影视推荐方法，其特征在于：步骤2中的脑电信号采集模块包括有36个用于采集脑电信号的电极，所有的电极以右耳垂作为参考，设备采样率设置为1000HZ，采集过程中的电极电阻＜5Ω，对数据进行DC校正消除直流漂移。

5.根据权利要求2所述的一种基于脑电数据分析的影视推荐系统的影视推荐方法，其特征在于，所述脑电信号空间滤波采用CAR空间滤波方法：

通过计算记录的N个电极的信号的平均值，来重新评定各时刻各电极的电位，该CAR空间滤波的公式为：

式中，s′_h(t)为某电极滤波后的电位，s_h(t)为该电极滤波之前的电位，N为电极总数，h为电极的序号。

6.根据权利要求2所述的一种基于脑电数据分析的影视推荐系统的影视推荐方法，其特征在于利用FastICA算法和相关性分析相结合的方法对脑电信号的眨眼伪迹进行自动识别和去除：

所述FastICA算法包括：

对完成空间滤波的脑电信号数据进行中心化和白化处理；

选择一个具有单位范数的初始化向量，对其进行更新和标准化处理，判断该向量更新出的权重是否近似，当其临近两次更新出的权重近似时，视为收敛，若未收敛，继续对该向量进行更新，直至收敛，通过更新所得到的向量，就是该区域的独立分量；

所述相关性分析的公式为：

式中，x_i、y_i为需要进行相关性计算的两个信号序列，r_xy指的是x_i，y_i这两个信号序列的相关系数，为两组信号的均值，N为信号长度；

所述FastICA算法与相关性分析相结合的方法为：

(1)对原始信号进行归一化处理：

y＝(x-x_min)/(x_max-x_min)

其中，x为原始信号，y为归一化后的信号，x_max是原始信号x的最大值，x_min是原始信号x的最小值；

(2)按照前左、前右、中左、中右、后左、后右的顺序，将脑电极所在位置分成6个区域，对每个区域的脑电信号数据，即已经进行了空间滤波的电位s₁(t),s₂(t),s₃(t),s₄(t),s₅(t),s₆(t)进行FastICA分析：

对每个区域，通过差值计算公式把步骤(1)中归一化后的信号进行重新构建得出6组差值数据s1、s2、s3、s4、s5、s6，差值计算公式为：s＝s(i)-s(j)

对于S1，i和j指的是第一个电极和第二个电极，对于S2，i和j指的是第二个电极和第三个电极，……，以此类推；

将6组的差值数据依次与FastICA算法分离出的每个区域的独立分量进行相关性计算，其中相关性最小的信号就是眨眼伪迹信号，将该眨眼伪迹信号设置为零，从而得到全新的已经消除眨眼伪迹信号的脑电信号。

7.根据权利要求2所述的一种基于脑电数据分析的影视推荐系统的影视推荐方法，其特征在于步骤4的对用户的关注度的实时检测包括如下步骤：

对滤波后的α频段进行加权能量GFP(t)_new计算，算出左右脑的α波的能量，从而得出左脑相对于右脑的α波的相对值，当左脑的α波相对值大于±0.01时，就判定这一秒属于用户的关注时长：

用户脑电信号的能量GFP(t)计算公式为：

式中，x_i(t)表示第i个电极的脑电信号，N表示电极总数，左半脑以及右半脑各自所属的十八个电极采集的信号的比重是不同的，因此进行加权处理，得到一个加权后的能量GFP(t)_new：

式中，表示经过a频段滤波后的第i电极脑电信号，η代表常数系数，ω(i)代表的是第i个电极脑电信号的权重。

8.根据权利要求2所述的一种基于脑电数据分析的影视推荐系统的影视推荐方法，其特征在于：所述评价分数fs，由用户关注影视作品的时长gz，打开影视作品的时长dk，影视作品总时长zc三项要素构成，评价分数计算公式为：

fs＝100*(gz/dk*w1+dk/zc*w2)

其中，w1、w2为权重常数。