CN111046293B - 一种根据测评结果推荐内容的方法及其系统 - Google Patents

Abstract

本申请公开了一种根据测评结果推荐内容的方法及其系统，该方法包括如下步骤：响应于测评开启信号，为用户生成与其匹配的测评题目并开启摄像头；响应于测评结束信号，将用户的测评结果和摄像头录制的视频上传至远程数据库；对测评结果进行抽取；对录制的视频抽取用户面部信息；对测评结果和用户面部信息进行智能分析，并输出最终测评结果；根据最终测评结果向用户推荐内容。本申请在依据测试结果进行内容推荐时，融入了用户的面部表情分析，从而可以增强测评有效性并且智能化推荐自我提升的内容。

Description

一种根据测评结果推荐内容的方法及其系统

技术领域

本申请涉及计算机领域，特别的涉及一种根据测评结果推荐内容的方法及其系统。

背景技术

在线课程学习作为当前最为流行的学习方式之一，在一定程度上为学习用户提供了广泛的资源与开放的平台，但当前这种学习方式也存在着一些明显的弊端，即使用测评表的方式为用户推荐与之相匹配的课程，在此过程中，根据答题的得分判断、分析受测人员的心理状态，当前的各种心理测评量表一般都具有标准、容错、规范的格式、计分方式与结果区间判定标准等特性，普遍还停留在一问一答，手工统计，不精确分析的阶段。

现有的心理测评量表本身不具有反应人的个体信息的能力，且传统的心理测评方法在录入、统计、分析上会随着工作量的加大变得越发困难，从而出错率会提高。同时如果测评人员对于心理测评存在抵触心理，从而回答问题时会提供错误答案。这些问题会直接导致最终结果的准确率降低，从而将得心理测评的可信度与准确度降低。因此，现有的基于测评表表推荐课程的系统易于出现上述量表选项与真实情况之间的偏差，也无法修正测评结果，传统方式无法针对用户答题心理进行效度验证，并且无法智能推荐可以提升用户的内容。

发明内容

本申请请求保护一种根据测评结果推荐内容的方法及其系统，在传统测评方式基础上进行智能化升级，融入面部表情分析，增强测评有效性并且智能化推荐自我提升的内容。

本申请请求保护一种根据测评结果推荐内容的方法，包括如下步骤：响应于测评开启信号，为用户生成与其匹配的测评题目并开启摄像头；响应于测评结束信号，将用户的测评结果和摄像头录制的视频上传至远程数据库；对测评结果进行抽取；对录制的视频抽取用户面部信息；对测评结果和用户面部信息进行智能分析，并输出最终测评结果；根据最终测评结果向用户推荐内容。

优选地，其中预先构造题库，保存测试题目。

优选地，其中对测评结果进行抽取包括如下子步骤：获得每道测评题目i的测评结果和完成时间信息；根据测评结果和完成时间信息形成第i道题目的测评结果特征向量D_i。

优选地，其中对录制的视频抽取用户面部信息包括如下子步骤：对于每道测评题目i从录制的视频中提取用户完成所述测评题目i时的面部图像；对提取的所有面部图像数据标记序号i；计算每个序号为i的面部图像数据的特征点，形成特征点矩阵T_i；抽取每个序号为i的面部图像数据中眼睛的特征点，形成眼睛特征点矩阵E_i；获得测评时间内的多个特征点矩阵T_i和眼睛特征点矩阵E_i。

优选地，其中对测评结果和用户面部信息进行智能分析，并输出最终测评结果，包括如下子步骤：使用神经网络对特征向量D_i、特征点矩阵T_i和眼睛特征点矩阵E_i进行融合，获得测评题目i的测评结果；将所有测评题目的测评结果进行加权，获得最终测评结果。

优选地，其中根据最终测评结果向用户推荐内容，包括如下子步骤：根据最终测评结果搜索内容库；选取匹配度最高的内容；向用户推荐所述内容。

优选地，其中预先构造内容库，为内容库中的每个内容标注标签。

优选地，其中按照匹配度，将内容从高到低排序，并将匹配结果以列表形式提供给用户选择，根据用户的选择选取内容，作为匹配度最高的内容。

优选地，其中在测评过程中，记录每一道题目的完成时间。

本申请还提供一种根据测评结果推荐内容的系统，包括服务器和客户端，其中，客户端响应于测评开启信号，为用户生成与其匹配的测评题目并开启摄像头；响应于测评结束信号，将用户的测评结果和摄像头录制的视频上传至服务器的远程数据库；服务器，对测评结果进行抽取；对录制的视频抽取用户面部信息；对测评结果和用户面部信息进行智能分析，并输出最终测评结果；根据最终测评结果向用户推荐内容。

本申请在依据测试结果进行内容推荐时，融入了用户的面部表情分析，从而可以增强测评有效性并且智能化推荐自我提升的内容。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本申请的系统框图；

图2是本申请的方法的方法流程图。

具体实施方式

下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请提出一种根据测评结果推荐内容的系统，如图1所示，包括客户端110和服务器120，其中客户端110包括显示装置和输入装置以及摄像装置，显示装置为用户显示测评题目，使用摄像装置记录用户测评时的影像。客户端110从服务器120获得测试题目，并将用户的测试结果以及获得的影像资料传送给服务器120。由服务器120执行解析，从而获得与用户匹配的内容，并发送给客户端110进行显示。本领域技术人员可以理解的是，服务器120也可以集成在客户端内部，从而完成本地的测评。

依据该系统，本申请提出一种方法的方法流程图，如图2所示，包括如下步骤：

步骤S210、响应于测评开启信号，为用户生成与其匹配的测评题目并开启摄像头；

其中测评启动信号可由用户发出或由系统发出，例如在固定的时间点，开启测评，或者在用户点击相应图标时开始测评。

在检测到测评开启信号之后，客户端根据用户的信息，例如登录ID等，从服务器获得与用户相匹配的测评题目。

其中服务器预先构造题库，保存测试题目。

作为例子，例如根据用户登录ID判断用户属于高级用户，则从题库中选择与高级用户相匹配的测试题目，在构造的题库中，预先对测试题目进行标注，从而可识别出与用户类型相对应的题目类型。

在从服务器获得测试题目之后，客户端开始测评，并开启摄像头。

获得的测试题目，可以一次性获得全部的测试题目，也可以每次获得预定数量的测试题目，这样在用户答题的过程当中，可以继续获得测试题目，从而减少了一次性传输题目的网络压力。

在测评的过程中，需要记录用户完成每一道题目的完成时间。

步骤S220、响应于测评结束信号，将用户的测评结果和摄像头录制的视频上传至远程数据库；

测评结束信号由用户或系统发出，在用户点击图标时，例如完成图标，即结束测评，或者系统使用计时器，在过去预定时间之后，自动结束测评。

在检测到测评结束信号时，客户端将用户的测评结果和摄像头录制的视频数据均上传到服务器的远程数据库中加以保存。

进一步地，上传的数据中还包括用户完成每一道题目的完成时间。

步骤S230、对测评结果进行抽取，包括如下子步骤：

获得每道测评题目i的测评结果和完成时间信息；

根据测评结果和完成时间信息形成第i道题目的测评结果特征向量D_i。

其中D_i＝{r_i，t_i}，r_i是第i道题目的测评结果，例如测评的分值，t_i是题目i的用时。

步骤S240、对录制的视频抽取用户面部信息，包括如下子步骤：

步骤P1、对于每道测评题目i从录制的视频中提取用户完成所述测评题目i时的面部图像；

使用保存的用户完成每道测评题目i的完成时间，截取视频中相应时间的视频图像，即获得完成测评题目i时的视频图像，对视频图像进行分析、过滤，抠取视频图像中的面部图像。

步骤P2、对提取的所有面部图像数据标记序号i；

步骤P3、计算每个序号为i的面部图像数据的特征点，形成特征点矩阵Ti；

步骤P4、抽取每个序号为i的面部图像数据中眼睛的特征点，形成眼睛特征点矩阵E_i；

可以使用预先构造的面部图像模板，获得眼睛的特征点。

步骤P5、获得测评时间内的多个特征点矩阵T_i和眼睛特征点矩阵E_i。

上述对于面部图像特征点的抽取是基于用户在答题过程中，其情绪会带动面部肌肉发生相应的变化，例如颊骨肌肉和皱眉肌会从舒张转为紧缩，从而使得面部的预定点发生移位，从而使得特征点矩阵发生相应的变化。进一步地，对于感兴趣的内容，眼睛直视时间较长，对于不感兴趣的内容，直视时间较短，也使得眼睛特征点矩阵会发生相应的变化。

步骤S250、对测评结果和用户面部信息进行智能分析，并输出最终测评结果，包括如下子步骤：

步骤T1、使用神经网络对特征向量D_i、特征点矩阵T_i和眼睛特征点矩阵E_i进行融合，获得测评题目i的测评结果；

预先使用样本对神经网络进行训练，获得每一类判断结果的概率分配值，也就是该类判断结果在识别目标类别中的权重，使用训练好的神经网络对当前的各个判断结果进行融合，从而获得测评题目i的测评结果。即使用如下公式获得测评结果C_i：

C_i＝α*A*D_i+β*T_i+χE_i

其中，α、β、X是神经网络预先使用样本训练获得的，α是D_i的概率分配值，β是T_i的概率分配值，χ是E_i的概率分配值，A是矩阵，用以将特征向量D_i转换为特征矩阵。

步骤T2、将所有测评题目的测评结果进行加权，获得最终测评结果。

根据测评题目的权重，对所有的测评结果C_i进行加权，从而获得最终测评结果R_i，其中权重可以根据测试题目的类型预先给出。

步骤S260、根据最终测评结果向用户推荐内容，包括如下子步骤：

步骤N1、根据最终测评结果搜索内容库；

其中预先构造内容库，为内容库中的每个内容标注标签，根据标签和测评结果的匹配度，搜索内容库。

步骤N2、选取匹配度最高的内容；

按照匹配度，将内容从高到低排序，选取匹配度最高的内容。

可选的，按照匹配度，将内容从高到低排序，并将匹配结果以列表形式提供给用户选择，根据用户的选择选取内容，作为匹配度最高的内容。

步骤N3、向用户推荐所述内容。

对应于图2中的方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述安全控制的方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述在线签发eSIM证书的方法。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (7)

1.一种根据测评结果推荐内容的方法，包括如下步骤：

响应于测评开启信号，为用户生成与其匹配的测评题目并开启摄像头；

响应于测评结束信号，将用户的测评结果和摄像头录制的视频上传至远程数据库；

对测评结果进行抽取；

对录制的视频抽取用户面部信息；

对测评结果和用户面部信息进行智能分析，并输出最终测评结果；

根据最终测评结果向用户推荐内容；

其中对测评结果进行抽取包括如下子步骤：

获得每道测评题目i的测评结果和完成时间信息；

根据测评结果和完成时间信息形成第i道题目的测评结果特征向量D_i；

其中对录制的视频抽取用户面部信息包括如下子步骤：

对于每道测评题目i从录制的视频中提取用户完成所述测评题目i时的面部图像；

对提取的所有面部图像数据标记序号i；

计算每个序号为i的面部图像数据的特征点，形成特征点矩阵T_i；

抽取每个序号为i的面部图像数据中眼睛的特征点，形成眼睛特征点矩阵E_i；

获得测评时间内的多个特征点矩阵T_i和眼睛特征点矩阵E_i；

其中对测评结果和用户面部信息进行智能分析，并输出最终测评结果，包括如下子步骤：

使用神经网络对特征向量D_i、特征点矩阵T_i和眼睛特征点矩阵E_i进行融合，获得测评题目i的测评结果；

将所有测评题目的测评结果进行加权，获得最终测评结果。

2.如权利要求1所述的方法，其中预先构造题库，保存测试题目。

3.如权利要求1所述的方法，其中根据最终测评结果向用户推荐内容，包括如下子步骤：

根据最终测评结果搜索内容库；

选取匹配度最高的内容；

向用户推荐所述内容。

4.如权利要求1所述的方法，其中预先构造内容库，为内容库中的每个内容标注标签。

5.如权利要求3所述的方法，其中按照匹配度，将内容从高到低排序，并将匹配结果以列表形式提供给用户选择，根据用户的选择选取内容，作为匹配度最高的内容。

6.如权利要求1所述的方法，其中在测评过程中，记录每一道题目的完成时间。

7.一种根据测评结果推荐内容的系统，包括服务器和客户端，其中，客户端响应于测评开启信号，为用户生成与其匹配的测评题目并开启摄像头；响应于测评结束信号，将用户的测评结果和摄像头录制的视频上传至服务器的远程数据库；

服务器，对测评结果进行抽取；对录制的视频抽取用户面部信息；对测评结果和用户面部信息进行智能分析，并输出最终测评结果；根据最终测评结果向用户推荐内容；

其中对测评结果进行抽取包括如下子步骤：

获得每道测评题目i的测评结果和完成时间信息；

根据测评结果和完成时间信息形成第i道题目的测评结果特征向量D_i；

其中对录制的视频抽取用户面部信息包括如下子步骤：

对于每道测评题目i从录制的视频中提取用户完成所述测评题目i时的面部图像；

对提取的所有面部图像数据标记序号i；

计算每个序号为i的面部图像数据的特征点，形成特征点矩阵T_i；

抽取每个序号为i的面部图像数据中眼睛的特征点，形成眼睛特征点矩阵E_i；

获得测评时间内的多个特征点矩阵T_i和眼睛特征点矩阵E_i；

其中对测评结果和用户面部信息进行智能分析，并输出最终测评结果，包括如下子步骤：

使用神经网络对特征向量D_i、特征点矩阵T_i和眼睛特征点矩阵E_i进行融合，获得测评题目i的测评结果；

将所有测评题目的测评结果进行加权，获得最终测评结果。