CN111274419A - 社群网络的控制系统与控制方法 - Google Patents

社群网络的控制系统与控制方法 Download PDF

Info

Publication number
CN111274419A
CN111274419A CN201811561570.2A CN201811561570A CN111274419A CN 111274419 A CN111274419 A CN 111274419A CN 201811561570 A CN201811561570 A CN 201811561570A CN 111274419 A CN111274419 A CN 111274419A
Authority
CN
China
Prior art keywords
information
unit
condensed
detection
status
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201811561570.2A
Other languages
English (en)
Inventor
张杰智
郭志忠
简世杰
洪健咏
林政贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industrial Technology Research Institute ITRI
Original Assignee
Industrial Technology Research Institute ITRI
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Industrial Technology Research Institute ITRI filed Critical Industrial Technology Research Institute ITRI
Publication of CN111274419A publication Critical patent/CN111274419A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/44—Browsing; Visualisation therefor
    • G06F16/444—Spatial browsing, e.g. 2D maps, 3D or virtual spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H04L51/046—Interoperability with other network applications or services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/08—Annexed information, e.g. attachments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/226—Delivery according to priorities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/222—Monitoring or handling of messages using geographical location information, e.g. messages transmitted or received in proximity of a certain spot or area

Abstract

一种社群网络的控制系统与控制方法。控制方法包括以下步骤：获得一侦测信息。依据侦测信息，分析至少一社群成员的一状态信息。依据一时间区间，浓缩状态信息，以获得一浓缩信息。依据一优先摘要分数，摘要浓缩信息，以获得一摘要信息。显示摘要信息。

Description

社群网络的控制系统与控制方法
技术领域
本发明有关于一种社群网络的控制系统与控制方法。
背景技术
现代人忙于工作之际，仍然会想要关心家庭成员的日常生活。尤其是年长的长辈或年幼的小孩更是需要关怀的对象。若能够自动侦测家庭成员的所在场景与目前的身心状况并在社群网络使其他成员知悉，将有助于双方的互动关系。
然而，欲发展此社群网络需要考虑到的需求相当的多，例如成员的隐私、是否被干扰、以及信息内容如何呈现等，此为目前发展方向之一。
发明内容
本发明有关于一种社群网络的控制系统与控制方法。在社群网络中，社群成员可通过虚拟人物在虚拟场景中，以多媒体呈现社群成员的活动记录(包括心情状态、生活形式、特殊事件、成员交谈、虚拟互动)等。并且，使用者可以自行选择虚拟化、隐喻化的多媒体来呈现信息，并通过非线性缩放的时间轴来呈现浓缩信息。
根据本发明的一实施例，提出一种社群网络的控制方法。控制方法包括以下步骤。获得一侦测信息。依据侦测信息，分析至少一社群成员的一状态信息。依据一时间区间，浓缩状态信息，以获得一浓缩信息。依据一优先摘要分数，摘要浓缩信息，以获得一摘要信息。显示摘要信息。
根据本发明的另一实施例，提出一种社群网络的控制系统。控制系统包括至少一侦测单元、一分析单元、一浓缩单元、一摘要单元及一显示单元。侦测单元获得一侦测信息。分析单元用以依据侦测信息，分析至少一社群成员的一状态信息。浓缩单元用以依据一时间区间，浓缩状态信息，以获得一浓缩信息。摘要单元用以依据一优先摘要分数，摘要浓缩信息，以获得一摘要信息。显示单元用以显示摘要信息。
为了对本发明的上述及其他方面有更佳的了解，下文特例举实施例，并配合所附附图详细说明如下：
附图说明
图1绘示根据一实施例的社群网络的示意图。
图2绘示根据一实施例的社群网络的控制系统的示意图。
图3绘示根据一实施例的社群网络的控制方法的流程图。
图4绘示根据一实施例的浓缩信息的示意图。
图5绘示根据另一实施例的浓缩信息的示意图。
图6绘示根据另一实施例的浓缩信息的示意图。
图7绘示根据另一实施例的浓缩信息的示意图。
图8绘示模糊归属函数的示意图。
图9绘示根据另一实施例的社群网络的控制方法的流程图。
【附图标记】
100：控制系统
110：侦测单元
120：分析单元
130：浓缩单元
140：摘要单元
150：显示单元
160：修正单元
170：储存单元
180：输入单元
9000：社群网络
B11：高兴浓缩区块
B12：惊讶浓缩区块
B21：用餐浓缩区块
B22：睡眠浓缩区块
B23：工作浓缩区块
B24：开车浓缩区块
B31：高兴浓缩区块
B32：生气浓缩区块
B41：读书浓缩区块
B42：开车浓缩区块
B43：运动浓缩区块
C11：高兴指数曲线
C12：惊讶指数曲线
C81、C82：曲线
F21：用餐频率累积值
F31：高兴频率累积值
FB：回馈信息
I11：高兴指数累积值
I12：惊讶指数累积值
S1：侦测信息
S2：状态信息
S3：浓缩信息
S4：摘要信息
S110、S120、S130、S140、S150、S160、S170：步骤
S(S3)：优先摘要分数
T1、T2、T3：时间区间
T11：高兴时间累积值
T12：惊讶时间累积值
T21：用餐时间累积值
T31：高兴时间累积值
TH1、TH2：阀值
P1～P5：社群成员
x：读取比例
μ(x)：模糊归属函数
具体实施方式
以下提出各种实施例说明本发明的社群网络的控制系统及控制方法。在本发明中，社群成员可通过虚拟人物在虚拟场景中以多媒体呈现社群成员的活动记录(包括心情状态、生活形式、特殊事件、成员交谈或虚拟互动)等。并且，使用者可以自行选择虚拟化、隐喻化的多媒体来呈现信息，并通过非线性缩放的时间轴来呈现浓缩信息。
请参照图1，其绘示根据一实施例的社群网络9000的示意图。社群网络9000中可以加入多个社群成员P1～P5。社群网络9000在虚拟场景中通过虚拟人物呈现社群成员P1～P5。社群网络9000可以呈现出社群成员P1～P5的心情状态、生活形式、特殊事件、成员交谈、虚拟互动等。使用者可以点选社群成员P1～P5的其中之一，以进一步了解详细信息。除此之外，社群网络9000还能够主动通知特殊事件或提供信息修正的功能，以下搭配流程图与方块图详细说明。
请参照图2及图3，图2绘示根据一实施例的社群网络9000的控制系统100的示意图，图3绘示根据一实施例的社群网络9000的控制方法的流程图。控制系统100包括至少一侦测单元110、一分析单元120、一浓缩单元130、一摘要单元140、一显示单元150、一修正单元160、一储存单元170及一输入单元180。侦测单元110例如是一接触式侦测器或一非接触式侦测器。分析单元120、浓缩单元130、摘要单元140、修正单元160例如是一电路、一芯片、一电路板、一计算机、储存一组或多组程序代码的储存装置、或软件程序模块。显示单元150例如是一液晶屏幕、一电视、一报表装置或一喇叭。储存单元170例如是一存储器、一硬盘、或一云端储存中心。输入单元180例如是一触控面板、一无线信号接收器、一端口、一鼠标、一触控笔、或一键盘。
上述各项元件可整合于同一电子装置中，或者分设于不同的电子装置中。举例来说，侦测单元110可以分散设置于不同位置，分析单元120、浓缩单元130、摘要单元140、修正单元160及储存单元170则可以设置于同一主机内，显示单元150则可以是使用者的智能型手机的屏幕。
以下搭配流程图详细说明上述各项元件的运作及社群网络9000的各种功能。在图3的步骤S110中，侦测单元110获得侦测信息S1。侦测信息S1例如是一心跳频率、一呼吸频率、一一氧化碳浓度、一移动路径、一体温、一影像、一语音、一环境声音、一湿度或一空气质量。侦测单元110可以采定点设置，例如是无线通信传感器、红外线传感器、超声波传感器、雷射传感器、视觉传感器或音频辨识器。定点设置之侦测单元110对应于一预设的场景，例如是客厅。显示单元150可以在社群网络9000上显示出对应于此场景的背景。背景的呈现可以是一预设的虚拟化图形。当侦测单元110收集到侦测信息S1时，还可以进行对象辨识或人脸识别，而将辨识到的对象或社群成员，以预设的虚拟图像，呈现在显示单元150上。
上述侦测单元110也可以是携带式侦测器。当侦测单元110放置在一环境中，侦测信息S1可以用来判断周围环境场景如何。举例来说，侦测信息S1通过影像对象识别技术的辨识，可以辨识出环境中的特征对象(如电视机、床、餐桌)。或者，侦测信息S1可以是家电装置的无线信号，利用具有无线通信能力的家电装置，可以识别出所在环境。
在一实施例中，社群网络9000可以进行对象辨识或人脸识别，并将辨识到的对象或社群成员，以预设的虚拟图像，呈现在显示单元150上。
上述侦测单元110也可配戴在一自主移动装置上。自主移动装置可经由对象追踪技术跟随对象或社群成员的移动，并且自主移动装置也可以搭配同步定位与地图构建(Simultaneous localization and mapping，SLAM)技术进行自主移动。在自主移动装置移动时，侦测单元110可以辨识周围环境并将辨识到的对象或社群成员，以预设的虚拟图像，呈现在显示单元150上。通过侦测单元110的侦测，侦测项目可以仿真的方式呈现于社群网络9000的虚拟环境。
侦测单元110可以是接触式和/或非接触式，例如是麦克风、摄影机、红外线温度传感器、湿度传感器、光线传感器(Ambient Light Sensor)、距离传感器(proximitysensor)、重力传感器(G-Sensor)、加速度传感器(Accelerometer Sensor)、磁(场)传感器(Magnetism Sensor)、陀螺仪(Gyroscope)、全球定位系统传感器、指纹传感器、霍尔传感器(Hall Sensor)、气压传感器(barometer)、心率传感器、血氧传感器、紫外线传感器或Wi-Fi传送接收模块等。
侦测单元110也可直接搭载于各种智能型电子产品，例如是智能手环、智能耳机、智能眼镜、智能手表、智能衣、智能戒指、智能袜、智能鞋或心跳感测带。
此外，侦测单元110也可以是一电子装置的一部分，例如是智能电视、监控摄影机、游戏机、联网冰箱或防盗系统的一部分元件等。
然后，在图3的步骤S120中，分析单元120依据侦测信息S1，分析社群成员P1～P5的一状态信息S2。状态信息S2例如是生理状态、心理状态(情绪状态)、生存状态(活动状态、生活形式)、特殊事件或互动状态(成员交谈、虚拟互动)等。
状态信息S2可以分为个人信息、空间信息和/或特殊事件。个人信息包括身心状态(生理状态、心理状态等)和/或活动记录(个人活动、互动活动等)。空间信息包括环境状态(温度、湿度等)和/或事物记录(电视开启、铃响等)。特殊事件例如是忽喊救命、大地震、异常声响等紧急事件、环境事件或异常事件的统称。个人信息、空间信息可以由使用者在社群网络9000上浏览，特殊事件则可由社群网络9000主动通知使用者。
更详细来说，侦测单元110可以利用穿戴式装置收集社群成员的体温、血氧、心跳、消耗热量、活动、位置、睡眠等侦测信息S1，或者是利用红外线温度传感器收集社群成员的体温等侦测信息S1，或者通过非接触雷达感测技术收集人体心跳等侦测信息S1。分析单元120再通过这些侦测信息S1分析出生理状态的状态信息S2。上述这些侦测与分析方式可为实时、非接触式、长时间和/或连续的侦测与分析，并且可利用结合智能型手机来整合感测、信号处理、无线数据传输等功能。
此外，分析单元120也可通过语音的侦测信息S1分析出生理状态的状态信息S2。举例来说，在咳嗽、打喷嚏、打呼和/或说梦话等侦测信息S1输入至分析单元120后，分析单元120可以依据打呼、磨牙和/或咳嗽事件的频率变化，分析出睡眠状态的状态信息S2。
此外，通过影像或音频等侦测信息S1，分析单元120可以分析出社群成员的情绪状态(快乐、惊讶、生气、厌恶、悲伤、害怕或中性等)。分析单元120可以通过影像人脸表情侦测技术来辨识目前的表情状态。通过语者识别技术区分出社群成员后，分析单元120可以进行语音情绪侦测、情绪示意词侦测和/或非语音(Non-Verbal Sounds)的情绪分析(如笑声)，也可结合影像与音频的结果来综合处理输出。或者，分析单元120也可通过语音等侦测信息S1，进行自言自语、说话内容反复等心理相关事件的分析，以获得心理状态的状态信息S2。
上述侦测与分析动作也可作为失智或异常行为状态的警讯，例如通过患者的表情、眼神、声音、行为举动和/或步态等侦测信息S1，分析单元120可以分析出可能会发生攻击行为的状态信息S2。以声音的侦测为例，可以照护目的为导向，侦测社群成员的口语特质、习惯、用语和/或聊天内容等侦测信息S1，分析单元120通过机器学习或深度学习算法，分析出异常行为的状态信息S2。
再者，侦测单元110可以通过室内定位技术与活动力分析技术来侦测社群成员目前的所处的位置信息(如餐厅、卧室、客厅、书房或走廊等)与活动信息(如用餐、睡觉、看电视、看书或跌倒等)等侦测信息S1，分析单元120依据侦测信息S1及时间信息，利用机器学习或深度学习算法进而分析出社群成员处于用餐的状态信息S2。
此外，侦测单元110可从第三方获得天气信息，或者侦测出环境状况(如温度、湿度、天气状况、声音状况、空气质量和/或水位侦测等)、玻璃声、鞭炮(枪)声、巨大声响、高浓度一氧化碳和/或淹水等事件，进而获得环境的侦测信息S1。分析单元120再依据侦测信息S1，利用机器学习或深度学习算法进而分析出社群成员所处环境的状态信息S2。
再者，侦测单元110可以取得串流影/音频中的侦测信息S1，分析单元120再依据侦测信息S1判别说话活动段落、类别、说话情境(讲电话、交谈或非交谈)、对象、长度和/或关键词出现频率等，来综合理解社群成员的身心状态的状态信息S2。
或者，分析单元120也可依据侦测信息S1的内容、哭声、骂声和/或呼叫声，分析出吵架事件的状态信息S2。
在步骤S121中，若分析单元120判断出状态信息S2含有特殊事件，则于步骤S122中，进行警示。
接着，在图3的步骤S130中，浓缩单元130依据一时间区间T1，浓缩状态信息S2，以获得一浓缩信息S3。请参照图4，其绘示根据一实施例的浓缩信息S3的示意图。使用者可以将关心的时间区间T1通过输入单元180输入至浓缩单元130。浓缩单元130通过非线性缩放的时间轴来呈现时间区间T1的浓缩信息S3。浓缩信息S3依据一发生频率及一持续时间呈现于时间轴上。以图4为例，状态信息S2包含高兴指数曲线C11及惊讶指数曲线C12。如果高兴指数曲线C11超过阀值TH1，而社群成员位于高兴状态，如果惊讶指数曲线C12超过阀值TH2者，则社群成员位于惊讶状态。阀值TH1与阀值TH2可以相同或不相同。浓缩单元130将时间区间T1内的高兴指数曲线C11及惊讶指数曲线C12转换成浓缩信息S3。浓缩信息S3包含高兴浓缩区块B11及惊讶浓缩区块B12。高兴浓缩区块B11的两侧边长度分别表示高兴时间累积值T11及高兴指数累积值I11，惊讶浓缩区块B12的两侧边长度分别表示惊讶时间累积值T12及惊讶指数累积值I12。也就是说，经由浓缩单元130进行转换后，可以直接从高兴浓缩区块B11的两侧边长度直觉地看出高兴状态累积多久、以及高兴状态的程度。同样地，经由浓缩单元130进行转换后，可以直接从惊讶浓缩区块B12的两侧边长度直觉地看出惊讶状态累积多久、以及惊讶状态的程度。在一实施例中，时间轴的缩放比例可以按照该时段的状态信息S2的某一内容的多少而定。内容的多少例如是该内容的笔数、该内容随时间的变动程度、特殊事件的多少、或使用者感兴趣的内容多少等。此外，浓缩信息S3也可依据指数累积值或时间累积值进行排序。
请再参照图5，其绘示根据另一实施例的浓缩信息S3的示意图。以图5为例，生活形式的状态信息S2包含睡眠状态、工作状态、开车状态或用餐状态等。浓缩单元130将时间区间T2内的睡眠状态、工作状态、开车状态或用餐状态转换成浓缩信息S3。浓缩信息S3包含用餐浓缩区块B21、睡眠浓缩区块B22、工作浓缩区块B23及开车浓缩区块B24。用餐浓缩区块B21的两侧边长度分别表示用餐时间累积值T21及用餐频率累积值F21。也就是说，经由浓缩单元130进行转换后，可以直接从用餐浓缩区块B21的两侧边长度直觉地看出用餐状态累积多久、以及用餐状态的频率。用餐浓缩区块B21、睡眠浓缩区块B22、工作浓缩区块B23及开车浓缩区块B24可依据指数累积值或时间累积值进行排序。此外，也可通过视讯技术，将生活态样视讯融入浓缩信息S3中的某一时间区间。
请再参照图6，其绘示根据另一实施例的浓缩信息S3的示意图。以图6为例，浓缩信息S3也可呈现虚拟互动内容。虚拟互动内容例如是高兴贴图或生气贴图。浓缩单元130将时间区间T3内的高兴贴图或生气贴图转换成浓缩信息S3。浓缩信息S3包含高兴浓缩区块B31及生气浓缩区块B32。高兴浓缩区块B31的两侧边长度分别表示高兴时间累积值T31及高兴频率累积值F31。也就是说，经由浓缩单元130进行转换后，可以直接从高兴浓缩区块B31的两侧边长度直觉地看出高兴状态累积多久、以及高兴状态的频率。高兴浓缩区块B31及生气浓缩区块B32可依据指数累积值或时间累积值进行排序。此外，浓缩信息S3也可使用方块图、泡泡图或其他可呈现出现累积频率值与累积时间质的图表来呈现。
请再参照图7，其绘示根据另一实施例的浓缩信息S3的示意图。以图7为例，浓缩信息S3也可以泡泡图的方式呈现。浓缩信息S3包含读书浓缩区块B41、开车浓缩区块B42及运动浓缩区块B43。读书浓缩区块B41的半径表示读书时间累积值，读书浓缩区块B41的图案大小表示读书频率累积值。也就是说，经由浓缩单元130进行转换后，可以直接从读书浓缩区块B41的半径及图案大小直觉地看出读书状态累积多久、以及读书状态的频率。
在图3的步骤S140中，摘要单元140根据一优先摘要分数S(S3)摘要浓缩信息S3，以获得一摘要信息S4。优先摘要分数S(S3)的计算方式如下式(1)所示，其中A(S3)为浓缩信息S3的一数据特性，H(S3)为浓缩信息S3的一查阅偏好，PD为浓缩信息S3的一类型偏好。
S(S3)＝Score(A(S3)，H(S3)，PD)......................................(1)数据特性(即A(S3))例如是时间长度或频率等。查阅偏好(即H(S3))例如是由浏览纪录分析出的阅读时间或阅读频率等。请参照图8，其绘示模糊归属函数μ(x)的示意图。图8的横轴为读取比例x，纵轴为模糊归属函数μ(x)(又称隶属度(membership grade))，其为0到1之间的数值，表示读取比例x属于模糊集合的「真实程度」(degree of truth)。曲线C81为读取的模糊归属函数μ(x)，曲线C82为跳过的模糊归属函数μ(x)。查阅偏好(即H(S3))的计算可以依据下式(2)进行：
Figure BDA0001913416850000091
如上述式(2)所示，当整个浓缩信息S3未被查阅时，查阅偏好(即H(S3))为0。当浓缩信息S3有被查阅，而部分的内容被读取或点选时(如10笔数据点选了3笔)，查阅偏好(即H(S3))为1×μ(x)。当浓缩信息S3有被查阅，而部分的内容被跳过时(如10笔数据中跳过了7笔)，查阅偏好(即H(S3))为-1×μ(x)。当浓缩信息S3重复被查阅时，各次的查阅偏好(即PD)将被加总为∑H(S3)ti。
类型偏好(即PD)可以权重来表示，其计算方式如下式(3)：
Figure BDA0001913416850000101
其中，Wi为权重，S3i为数据，Num(S3i)为数据数量，Wi′为历史权重，σ为调整参数，i为数据类型。
Figure BDA0001913416850000102
表示对第i数据类型的重视程度，其作为历史权重(即Wi)的调整参数，以获得更新的权重(Wi)。
优先摘要分数S(S3)例如根据下式(4)进行计算：
S(S3)＝Score(A(S3)，H(S3)，PD)
＝α×PD×(1-|H(S3)|)+A(S3)
＝α×PD×(1-|H(S3)|)+β×F(S3)+γ×L(S3)................(4)
其中α、β与γ的关系例如是α＞＞β＞＞γ，但不以此为限。
其中，α为类型优先参数，β为频率优先参数，γ为长度优先参数。A(S3)＝β×F(S3)+γ×L(S3)，F(S3)为频率，L(S3)为长度。
如上所述，通过摘要单元140的摘要，摘要信息S4可以反映出使用者的阅读习惯与偏好，以提供切合使用者需要的信息。
然后，在图3的步骤S150中，显示单元150显示摘要信息S4。在显示单元150显示摘要信息S4时，以一虚拟内容呈现一隐喻信息。举例来说，使用者可以自行选择虚拟化或隐喻化的多媒体来传达呈现。例如：可以利用人物表情(喜、怒、哀或乐等)和/或动作(吃饭、睡觉或运动等)来进行分类，通过机器学习或深度学习的方式来进行训练后，针对分类的内容进行一对一转换。例如将睡觉者对应到在下棋虚拟角色，将运动者对应到正在打计算机的虚拟角色。此外，根据多媒体声音的内容，也可以通过调整音高和/或振福，使声音转变成另一种声音。举例来说，语音转换成机器人声，男声变女声等。也可以通过语音转文字(speechto text，STT)技术将语音内容转成文字后，再通过文字转语音(text to speech，TTS)技术再转回声音，因此达到虚拟化与隐喻化的效果。
通过上述实施例，社群网络9000能够在非接触与无干扰的情况下，主动地侦测社群成员的状况，并通过浓缩信息S3、摘要信息S4于社群网络9000进行呈现。虚拟人物在虚拟场景中通过多媒体呈现社群成员的活动记录，使用者可自行设定虚拟化、隐喻化的多媒体来传达呈现。
然后，在图3的步骤S160中，修正单元160依据一回馈信息FB，判断状态信息S2是否需要修正。接着，在图3的步骤S170中，修正单元160依据回馈信息FB修正分析单元120所输出的状态信息S2。举例来说，每个人的基本反应状况皆不同，因此自动化侦测先以普通大众的反应状况为基础进行判断。当使用者欲针对状态信息S2进行回馈时，可以通过触控、语音、图片、影像或文字输入回馈信息FB。例如使用者发现被关注的社群成员有「奶奶和小美通完电话后，情绪转由中性转为『怒』」的情绪事件的发生，由于奶奶平常说话就比较大声，且说话的关键语词包含「不小心」与「又忘记」等词，因此被分析单元120判断为「怒」的状态信息S2。此时使用者可以点选该情绪事件了解细节，经使用者听过对话语音之后，判断此应为奶奶一般中性的情绪，使用者可于输入单元180点选「怒」同时说出「修改为中性」。
请参照图9，其绘示根据另一实施例的社群网络的控制方法的流程图。在此实施例中，社群网络9000的控制方法包括步骤S110、S120、S130、S140、S150。依序在步骤S110获得侦测信息S1，在步骤S120分析出状态信息S2，在步骤S130获得浓缩信息S3，并在步骤S140获得摘要信息S4，以于步骤S150显示摘要信息S4。
通过上述各种实施例，社群网络9000可以虚拟人物在虚拟场景中通过多媒体呈现社群成员的活动记录(包括心情状态、生活形式、特殊事件、成员交谈和/或虚拟互动等)。这些活动纪录可以非线性缩放的时间轴来呈现其浓缩信息，并且可依据使用者的偏好提供摘要信息。
综上所述，虽然本发明已以实施例公开如上，然其并非用以限定本发明。本发明的本领域技术人员，在不脱离本发明的精神和范围的情况下，当可作各种的更动与润饰。因此，本发明的保护范围当视后附的权利要求保护范围所界定的范围为准。

Claims (24)

1.一种社群网络的控制方法，其特征在于该社群网络的控制方法包括：
获得侦测信息；
依据该侦测信息，分析至少一社群成员的状态信息；
依据时间区间，浓缩该状态信息，以获得浓缩信息；
依据优先摘要分数，摘要该浓缩信息，以获得摘要信息；以及
显示该摘要信息。
2.如权利要求1所述的社群网络的控制方法，其中该侦测信息为心跳频率、呼吸频率、一氧化碳浓度、移动路径、体温、影像、语音、环境声音、湿度或空气质量。
3.如权利要求1所述的社群网络的控制方法，其中该侦测信息通过接触式侦测器进行侦测。
4.如权利要求1所述的社群网络的控制方法，其中该侦测信息通过非接触式侦测器进行侦测。
5.如权利要求1所述的社群网络的控制方法，其中该状态信息为心理状态、生理状态或特殊事件。
6.如权利要求1所述的社群网络的控制方法，其中该浓缩信息记录于非线性缩放的时间轴上。
7.如权利要求1所述的社群网络的控制方法，其中该浓缩信息依据发生频率或持续时间呈现于时间轴上。
8.如权利要求1所述的社群网络的控制方法，其中该优先摘要分数根据数据特性、查阅偏好及类型偏好获得。
9.如权利要求8所述的社群网络的控制方法，其中该数据特性根据频率及长度决定。
10.如权利要求8所述的社群网络的控制方法，其中该类型偏好依据数据类型的重视程度决定。
11.如权利要求1所述的社群网络的控制方法，其中显示该摘要信息的步骤以虚拟内容呈现隐喻信息。
12.如权利要求1所述的社群网络的控制方法，还包括：
依据回馈信息，修正该状态信息。
13.一种社群网络的控制系统，其特征在于该社群网络的控制系统包括：
侦测单元，获得侦测信息；
分析单元，用以依据该侦测信息，分析至少一社群成员的状态信息；
浓缩单元，用以依据时间区间，浓缩该状态信息，以获得浓缩信息；
摘要单元，用以依据优先摘要分数，摘要该浓缩信息，以获得摘要信息；以及
一显示单元，用以显示该摘要信息。
14.如权利要求13所述的社群网络的控制系统，其中该侦测信息为心跳频率、呼吸频率、一氧化碳浓度、移动路径、体温、影像、语音、环境声音、湿度或空气质量。
15.如权利要求13所述的社群网络的控制系统，其中该侦测单元为接触式侦测器。
16.如权利要求13所述的社群网络的控制系统，其中该侦测单元为非接触式侦测器。
17.如权利要求13所述的社群网络的控制系统，其中该状态信息为心理状态、生理状态或特殊事件。
18.如权利要求13所述的社群网络的控制系统，其中该浓缩信息记录于非线性缩放的时间轴上。
19.如权利要求13所述的社群网络的控制系统，其中该浓缩信息依据发生频率或持续时间呈现于时间轴上。
20.如权利要求13所述的社群网络的控制系统，其中该优先摘要分数根据数据特性、查阅偏好及类型偏好获得。
21.如权利要求20所述的社群网络的控制系统，其中该数据特性根据频率及长度决定。
22.如权利要求20所述的社群网络的控制系统，其中该类型偏好依据数据类型的重视程度决定。
23.如权利要求13所述的社群网络的控制系统，其中该显示单元以虚拟内容呈现隐喻信息。
24.如权利要求13所述的社群网络的控制系统，还包括：
修正单元，用以依据回馈信息，修正该状态信息。
CN201811561570.2A 2018-12-04 2018-12-20 社群网络的控制系统与控制方法 Withdrawn CN111274419A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW107143479A TW202022647A (zh) 2018-12-04 2018-12-04 社群網路之控制系統與控制方法
TW107143479 2018-12-04

Publications (1)

Publication Number Publication Date
CN111274419A true CN111274419A (zh) 2020-06-12

Family

ID=70850751

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811561570.2A Withdrawn CN111274419A (zh) 2018-12-04 2018-12-20 社群网络的控制系统与控制方法

Country Status (3)

Country Link
US (1) US20200177537A1 (zh)
CN (1) CN111274419A (zh)
TW (1) TW202022647A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107736874B (zh) * 2017-08-25 2020-11-20 百度在线网络技术（北京）有限公司 一种活体检测的方法、装置、设备和计算机存储介质
WO2023212258A1 (en) * 2022-04-28 2023-11-02 Theai, Inc. Relationship graphs for artificial intelligence character models

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101072535A (zh) * 2004-10-29 2007-11-14 杨章民 身心健康状况监测及分析并自动回馈的方法以及相应的服饰系统
US20080214903A1 (en) * 2005-02-22 2008-09-04 Tuvi Orbach Methods and Systems for Physiological and Psycho-Physiological Monitoring and Uses Thereof
CN101374274A (zh) * 2007-08-24 2009-02-25 深圳富泰宏精密工业有限公司 虚拟社群定位系统及方法
TW201318381A (zh) * 2011-10-26 2013-05-01 Univ Nat Taiwan 透過社群網站使用者介面的狀態追蹤系統及方法
CN103135009A (zh) * 2011-11-21 2013-06-05 财团法人交大思源基金会 基于使用者回馈信息的电器侦测方法与系统
TW201730838A (zh) * 2016-02-17 2017-09-01 原相科技股份有限公司 互動式服務平台及其運作方法
CN107257362A (zh) * 2017-05-27 2017-10-17 苏州全民供求网络科技有限公司 随时间关注度在地图动态显示事件和撮合聊天方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101072535A (zh) * 2004-10-29 2007-11-14 杨章民 身心健康状况监测及分析并自动回馈的方法以及相应的服饰系统
US20080214903A1 (en) * 2005-02-22 2008-09-04 Tuvi Orbach Methods and Systems for Physiological and Psycho-Physiological Monitoring and Uses Thereof
CN101374274A (zh) * 2007-08-24 2009-02-25 深圳富泰宏精密工业有限公司 虚拟社群定位系统及方法
TW201318381A (zh) * 2011-10-26 2013-05-01 Univ Nat Taiwan 透過社群網站使用者介面的狀態追蹤系統及方法
CN103135009A (zh) * 2011-11-21 2013-06-05 财团法人交大思源基金会 基于使用者回馈信息的电器侦测方法与系统
TW201730838A (zh) * 2016-02-17 2017-09-01 原相科技股份有限公司 互動式服務平台及其運作方法
CN107257362A (zh) * 2017-05-27 2017-10-17 苏州全民供求网络科技有限公司 随时间关注度在地图动态显示事件和撮合聊天方法及系统

Also Published As

Publication number Publication date
TW202022647A (zh) 2020-06-16
US20200177537A1 (en) 2020-06-04

Similar Documents

Publication Publication Date Title
US11763580B2 (en) Information processing apparatus, information processing method, and program
US9993166B1 (en) Monitoring device using radar and measuring motion with a non-contact device
US10058290B1 (en) Monitoring device with voice interaction
US10960173B2 (en) Recommendation based on dominant emotion using user-specific baseline emotion and emotion analysis
US10366689B2 (en) Communication robot
CN103561652B (zh) 用于辅助患者的方法和系统
CN109074117B (zh) 提供基于情绪的认知助理系统、方法及计算器可读取媒体
JP3968522B2 (ja) 記録装置、及び記録方法
TW201923758A (zh) 音頻活動追蹤及概括
US11074491B2 (en) Emotionally intelligent companion device
CN107979687A (zh) 一种壁纸切换方法、移动终端
CN111274419A (zh) 社群网络的控制系统与控制方法
US11544968B2 (en) Information processing system, information processingmethod, and recording medium
EP3745346A1 (en) Information processing device, information processing method, and recording medium
US20200301398A1 (en) Information processing device, information processing method, and program
JP7347414B2 (ja) 情報処理システム、情報処理方法、および記録媒体
CN110427848B (zh) 一种精神分析系统
WO2023182022A1 (ja) 情報処理装置、情報処理方法、端末装置及び出力方法
JP2020177383A (ja) 高齢者等見守システム
CN111919250B (zh) 传达非语言提示的智能助理设备
US20220217442A1 (en) Method and device to generate suggested actions based on passive audio
CN111919250A (zh) 传达非语言提示的智能助理设备
CN114007141A (zh) 一种智能终端、服务器及睡眠检测显示方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200612