CN111475015B - 基于数据分析的提醒信息生成方法、装置和计算机设备 - Google Patents

基于数据分析的提醒信息生成方法、装置和计算机设备 Download PDF

Info

Publication number
CN111475015B
CN111475015B CN202010148792.2A CN202010148792A CN111475015B CN 111475015 B CN111475015 B CN 111475015B CN 202010148792 A CN202010148792 A CN 202010148792A CN 111475015 B CN111475015 B CN 111475015B
Authority
CN
China
Prior art keywords
sub
medium layer
virtual
refractive index
preset
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.)
Active
Application number
CN202010148792.2A
Other languages
English (en)
Other versions
CN111475015A (zh
Inventor
周洲
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.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China Ltd
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 Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN202010148792.2A priority Critical patent/CN111475015B/zh
Publication of CN111475015A publication Critical patent/CN111475015A/zh
Application granted granted Critical
Publication of CN111475015B publication Critical patent/CN111475015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本申请揭示了一种基于数据分析的提醒信息生成方法、装置、计算机设备和存储介质，所述方法包括：采集用户的生理特征，从而对应获取n个用户的生理特征数据；根据公式：数据比值＝|生理特征数据‑标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值；获取与n个数据比值分别对应的n个指定折射率；生成虚拟介质层；在虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上发射虚拟光线，并在所述虚拟介质层的底面获取光斑位置；计算所述光斑位置与预设的标准位置的距离值；若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。从而实现在精确且具象的准确分析的基础上，生成提醒信息。

Description

基于数据分析的提醒信息生成方法、装置和计算机设备
技术领域
本申请涉及到计算机领域，特别是涉及到一种基于数据分析的提醒信息生成方法、装置、计算机设备和存储介质。
背景技术
用户的信息反馈是衡量计算机任务质量的重要手段。目前，常见的获取用户的信息反馈的手段，例如为在用户通过用户端执行计算机任务之后，在用户端的屏幕上展示一至五星的信息反馈界面，而用户通过点击一至五星中的一者，从而提供模糊的定性信息反馈。因此，常见的获取用户的信息反馈的手段需要用户主动操作(例如通过点击星级以提供反馈信息)，并且容易被恶意用户的伪造信息所干扰(例如竞争对手采用恶意点评等)，并且其获得的反馈信息是定性数据、准确性低，并且由于其获得的是定性的模糊数据，因此难以进行精确且具象的准确分析。因此，获取用户的信息反馈的传统方案，存在操作繁琐、易伪造、难以进行定量分析、难以进行精确且具象的准确分析的缺陷。
发明内容
本申请的主要目的为提供一种基于数据分析的提醒信息生成方法、装置、计算机设备和存储介质，旨在精确且具象的准确分析的基础上，生成提醒信息。
为了实现上述发明目的，本申请提出一种基于数据分析的提醒信息生成方法，包括以下步骤：
在n个用户分别通过n个用户端执行同一计算机任务之时，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；
根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值，其中所述标准特征数据通过查询预设的数据库得到，所述数据库中预存有用户与标准特征数据的对应关系；
根据预设的数据比值与折射率的对应关系，获取与所述n个数据比值分别对应的n个指定折射率；
在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理；
在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；
计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值；
若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。
进一步地，所述穿戴设备由m个子设备构成，所述m个子设备用于分别采集人体不同位置的生理特征子数据，所述利用预设的穿戴设备采集用户的生理特征的步骤,包括：
利用所述多个子设备分别采集用户的人体不同位置的生理特征子数据A1、A2、...、Am；
根据公式：生理特征数据＝p1A1+p2A2+...+pmAm，计算得到所述生理特征数据，其中p1、p2、...、pm是预设的与所述生理特征子数据A1、A2、...、Am分别对应的权重参数。
进一步地，数值越大的所述数据比值对应的指定折射率越小，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率的步骤,包括：
对所述n个指定折射率按数值大小进行降序排列，从而得到降序折射率表；
在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述降序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述降序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述降序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；
将所述虚拟介质层之外的区域的折射率，设置为大于所述第一子介质层的折射率。
进一步地，数值越大的所述数据比值对应的指定折射率越大，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率的步骤,包括：
对所述n个指定折射率按数值大小进行升序排列，从而得到升序折射率表；
在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述升序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述升序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述升序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；
将所述虚拟介质层之外的区域的折射率，设置为小于所述第一子介质层的折射率。
进一步地，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理的步骤之后，包括：
分别获取所述n个用户的n个历史执行次数，所述历史执行次数指用户曾经利用用户端执行所述计算机任务的次数，其中历史执行次数与子介质层之间存在：历史执行次数-用户-生理特征数据-数据比值-指定折射率-子介质层的对应关系；
根据预设的厚度设置方法，设置所述n层子介质层的厚度，其中所述厚度设置方法遵循历史执行次数越多对应的子介质层越厚的设置原则。
进一步地，所述虚拟介质层之外的区域的折射率等于预设折射率，所述预设折射率等于所述数据比值与折射率的对应关系中，所述数据比值为0时对应的折射率，所述计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值的步骤之前，包括：
以所述指定位置为起点，沿所述指定方向生成虚拟射线，其中所述虚拟射线在任意介质间均不发生折射；
获取所述虚拟射线与所述虚拟介质层的底面的交点，并将所述交点记为所述标准位置。
进一步地，所述若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息的步骤之后，包括：
从所述n个用户中选出多个指定用户，其中所述指定用户对应的所述数据比值大于预设的比值阈值；
利用预设的多个摄像头分别采集所述多个指定用户的图像，从而对应得到多张脸部图像；
将所述多张脸部图像分别输入预设的微表情识别模型中，得到所述微表情识别模型对应输出的多个识别结果，其中所述识别结果包括激动微表情与非激动微表情，非激动微表情与子介质层之间存在：非激动微表情-指定用户-生理特征数据-数据比值-指定折射率-子介质层的对应关系，所述微表情识别模型基于神经网络模型，并采用样本数据训练而成，所述样本数据包括预先收集的人脸图像和与所述人脸图像关联的识别结果构成；
在所述虚拟空间中，对所述虚拟介质层进行修改处理，以将所述虚拟介质层中的指定子介质层删除，其中所述指定子介质层指对应于所述非激动微表情的子介质层；
在所述指定位置上沿指定方向向修改后的虚拟介质层发射虚拟光线，并在所述修改后的虚拟介质层的底面获取虚拟光线的修正光斑位置；
计算所述修正光斑位置与预设的标准位置的修正距离值，并判断所述修正距离值是否大于预设的距离阈值；
若所述修正距离值不大于预设的距离阈值，则取消所述提醒信息。
本申请提供一种基于数据分析的提醒信息生成装置，包括：
生理特征采集单元，用于在n个用户分别通过n个用户端执行同一计算机任务之时，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；
数据比值计算单元，用于根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值，其中所述标准特征数据通过查询预设的数据库得到，所述数据库中预存有用户与标准特征数据的对应关系；
指定折射率获取单元，用于根据预设的数据比值与折射率的对应关系，获取与所述n个数据比值分别对应的n个指定折射率；
介质层生成单元，用于在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理；
光斑位置获取单元，用于在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；
距离阈值判断单元，用于计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值；
提醒信息生成单元，用于若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。
本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于数据分析的提醒信息生成方法、装置、计算机设备和存储介质，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值；获取与所述n个数据比值分别对应的n个指定折射率；在预设的虚拟空间中生成虚拟介质层；在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；计算所述光斑位置与预设的标准位置的距离值；若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。从而实现在精确且具象的准确分析的基础上，生成提醒信息。
附图说明
图1为本申请一实施例的基于数据分析的提醒信息生成方法的流程示意图；
图2为本申请一实施例的基于数据分析的提醒信息生成装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本申请实施例提供一种基于数据分析的提醒信息生成方法，包括以下步骤：
S1、在n个用户分别通过n个用户端执行同一计算机任务之时，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；
S2、根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值，其中所述标准特征数据通过查询预设的数据库得到，所述数据库中预存有用户与标准特征数据的对应关系；
S3、根据预设的数据比值与折射率的对应关系，获取与所述n个数据比值分别对应的n个指定折射率；
S4、在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理；
S5、在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；
S6、计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值；
S7、若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。
本申请通过穿戴设备进行采集用户的生理特征，再以生理特征为依据，获取用户对计算机任务的准确反馈信息，因此不需要用户主动操作，并且反馈信息难以进行伪造(因为生理特征信息难以伪造)，并且生理特征信息可进行定量分析，从而克服了传统方案存在的技术问题：操作繁琐、易伪造、难以进行定量分析。并且，本申请还采用了虚拟介质层的手段，将抽象的生理特征数据，转化为具象的实物分析中，更准确更形象，并且更利于数据分析与调整，实现了行精确且具象的准确分析。
如上述步骤S1所述，在n个用户分别通过n个用户端执行同一计算机任务之时，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据。本申请以用户的生理特征数据作为用户的信息反馈的信息，作为数据分析的基础(原因在于，一般而言，用户对计算机任务有较大反应时，例如非常喜欢和非常厌恶时，其生理特征数据会产大较大波动)，克服了统方案存在的技术问题：操作繁琐、易伪造、难以进行定量分析。其中，所述计算机任务可以为任意可行任务，例如为一个计算机程序，一个计算机微服务，一个通过计算机完成的银行业务，一个通过计算机完成的网上商城交易等等。其中所述生理特征数据例如为心跳、脉博、呼吸频率等。
如上述步骤S2所述，根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值，其中所述标准特征数据通过查询预设的数据库得到，所述数据库中预存有用户与标准特征数据的对应关系。由于不同用户的生理结构不同，因此标准特征数据也不同。本申请预先设置有数据库，所述数据库中预存有用户与标准特征数据的对应关系。因此根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值，能够实现因人而异，得到细化至个人的精准数据，有利于定量分析。
如上述步骤S3所述，根据预设的数据比值与折射率的对应关系，获取与所述n个数据比值分别对应的n个指定折射率。其中，所述数据比值与折射率的对应关系可以为任意可行的对应关系，例如为数值越大的所述数据比值对应的指定折射率越小，或者数值越大的所述数据比值对应的指定折射率越大。从而为后续利用虚拟介质层实现数据分析提供了可能。
如上述步骤S4所述，在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理。所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，从而建立了n层子介质层与n个用户之间的直接对应关系，从而用户的生理特征数据能够被映射在子介质层上。其中所述虚拟空间和所述虚拟介质可以用任意可行方式生成，例如采用3D建模工具等方式实现。
如上述步骤S5所述，在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置。假设所有用户的生理特征数据都是理想特征数据，即都等于标准特征数据，那么虚拟介质层为n个相同的子介质层构成，因此虚拟介质层将只有一个折射率，从而虚拟光线从指定位置上沿指定方向进入虚拟介质层，最多发生一次折射(或者无折射，无折射的情况为虚拟介质层的折射率正好等于其上方的折射率)，最终将在所述虚拟介质层的底面生成理想状态的光斑。而在非理想状态下，虚拟光线会在虚拟介质层中进行多次折射，从而最终将在所述虚拟介质层的底面生成光斑位置。从而理想状态与非理想状态下的光斑位置有所差异，这即是衡量计算机任务质量的依据。
如上述步骤S6所述，计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值。其中标准位置是预计的理想位置，若所述光斑位置与所述标准位置重合，则表明所有用户对所述计算机任务未有特别的反应，可视为所述计算机任务中规中矩，质量合格。更进一步地，设置了距离阈值，当距离值不大于距离阈值时，同样视为所述计算机任务中规中矩，质量合格。
如上述步骤S7所述，若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。其中，所述计算机任务异常并非仅指所述计算机任务不合格，其异常指的是异于常态，包括两种情况：一种是计算机任务极优秀，因此用户的生理特征数据出现较大波动；另一种正好相反。但无论如何，若所述距离值大于预设的距离阈值，表明所述计算机任务是特别的，是区别于普通的计算机任务的。因此生成计算机任务异常的提醒信息，从而实现具象、准确的用户反馈数据的定量分析。
在一个实施方式中，所述穿戴设备由m个子设备构成，所述m个子设备用于分别采集人体不同位置的生理特征子数据，所述利用预设的穿戴设备采集用户的生理特征的步骤S1,包括：
S101、利用所述多个子设备分别采集用户的人体不同位置的生理特征子数据A1、A2、...、Am；
S102、根据公式：生理特征数据＝p1A1+p2A2+...+pmAm，计算得到所述生理特征数据，其中p1、p2、...、pm是预设的与所述生理特征子数据A1、A2、...、Am分别对应的权重参数。
如上所述，实现了利用预设的穿戴设备采集用户的生理特征。其中所述生理特征子数据可以为同类型生理特征数据(例如为人体不同位置的体温值，或者人体不同位置的动脉处测得的脉博值)，也可以为不同类型生理特征数据(例如为呼吸频率、心跳频率、体温值等在人体不同位置测得的数据)。由于采用了所述穿戴设备由m个子设备构成，所述m个子设备用于分别采集人体不同位置的生理特征子数据的设计，使得单一生理特征反常所造成的噪声被削弱，从而提高了采集到的生理特征的准确性。
在一个实施方式中，数值越大的所述数据比值对应的指定折射率越小，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率的步骤S4,包括：
S401、对所述n个指定折射率按数值大小进行降序排列，从而得到降序折射率表；
S402、在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述降序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述降序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述降序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；
S403、将所述虚拟介质层之外的区域的折射率，设置为大于所述第一子介质层的折射率。
如上所述，实现了在预设的虚拟空间中生成虚拟介质层。本申请利用了光线折射的特性，而光线折射时可能存在特殊的状况：全反射。当实施本申请的方案时，若虚拟光线发生了全反射，则在所述虚拟介质层的底部将无法获得光斑，将导致本方案失败。因此，本申请采用了对所述n个指定折射率按数值大小进行降序排列，从而得到降序折射率表；在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述降序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述降序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述降序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；将所述虚拟介质层之外的区域的折射率，设置为大于所述第一子介质层的折射率的方式，以使虚拟光线从起点到终端间的介质折射率变化，为最大折射率至最折射率小渐次变化，以尽量避免全反射发生的可能性，或者使全反射发生在所述虚拟介质层的靠下方(在这种情况下，更容易通过修改参数或数据，例如修改数据比值与折射率的对应关系，从而防止全反射的发生)。从而使本申请的适应性得到了提高。
在一个实施方式中，数值越大的所述数据比值对应的指定折射率越大，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率的步骤S4,包括：
S411、对所述n个指定折射率按数值大小进行升序排列，从而得到升序折射率表；
S412、在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述升序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述升序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述升序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；
S413、将所述虚拟介质层之外的区域的折射率，设置为小于所述第一子介质层的折射率。
如上所述，实现了在预设的虚拟空间中生成虚拟介质层。本申请利用了光线折射的特性，而光线折射时可能存在特殊的状况：全反射。而全反射是在光线由折射率高的介质射入折射率低的介质中才可能出现的。因此为了防止全反射的出现，本申请通过对所述n个指定折射率按数值大小进行升序排列，从而得到升序折射率表；在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述升序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述升序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述升序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；将所述虚拟介质层之外的区域的折射率，设置为小于所述第一子介质层的折射率的方式，将所述虚拟光线的光路上依次经过的介质的折射率，设置为依次增大，因此虚拟光线所有的介质交界处，均是由折射率低的介质射入折射率高的介质，从而完全排除了全反射的可能。从而使本申请的适应性得到了提高。
在一个实施方式中，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理的步骤S4之后，包括：
S41、分别获取所述n个用户的n个历史执行次数，所述历史执行次数指用户曾经利用用户端执行所述计算机任务的次数，其中历史执行次数与子介质层之间存在：历史执行次数-用户-生理特征数据-数据比值-指定折射率-子介质层的对应关系；
S42、根据预设的厚度设置方法，设置所述n层子介质层的厚度，其中所述厚度设置方法遵循历史执行次数越多对应的子介质层越厚的设置原则。
如上所述，实现了设置子介质层的厚度。用户与用户之间是不同的，经验更丰富的用户的反馈信息更具有价值。因此本申请通过分别获取所述n个用户的n个历史执行次数，所述历史执行次数指用户曾经利用用户端执行所述计算机任务的次数的方式，找出经验丰富的用户(即历史执行次数更多的用户)；再根据预设的厚度设置方法，设置所述n层子介质层的厚度，其中所述厚度设置方法遵循历史执行次数越多对应的子介质层越厚的设置原则，从而经验更丰富的用户对应的子介质层越厚，从而更能影响最终的光斑位置，据此进一步提高了数据分析的准确性(即光斑位置更能准确反应n个用户对计算机任务的反馈信息)。
在一个实施方式中，所述虚拟介质层之外的区域的折射率等于预设折射率，所述预设折射率等于所述数据比值与折射率的对应关系中，所述数据比值为0时对应的折射率，所述计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值的步骤S6之前，包括：
S51、以所述指定位置为起点，沿所述指定方向生成虚拟射线，其中所述虚拟射线在任意介质间均不发生折射；
S52、获取所述虚拟射线与所述虚拟介质层的底面的交点，并将所述交点记为所述标准位置。
如上所述，实现了获取标准位置。所述标准位置是理想位置，即所有用户的生理特征数据均等于标准特征数据的状况下时，光斑应出现的位置。因此，本申请以所述指定位置为起点，沿所述指定方向生成虚拟射线，其中所述虚拟射线在任意介质间均不发生折射；获取所述虚拟射线与所述虚拟介质层的底面的交点，并将所述交点记为所述标准位置。其中，由于所述虚拟介质层之外的区域的折射率等于预设折射率，所述预设折射率等于所述数据比值与折射率的对应关系中，所述数据比值为0时对应的折射率，因此当所有用户的生理特征数据均等于标准特征数据时，所述虚拟介质层的折射率将等于所述预设折射率，因此也等于所述虚拟介质层之外的区域的折射率，从而虚拟光线沿指定方向射入所述虚拟介质层时将不发生折射，也即，所述标准位置为所述虚拟射线与所述虚拟介质层的底面的交点。
在一个实施方式中，所述若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息的步骤S7之后，包括：
S71、从所述n个用户中选出多个指定用户，其中所述指定用户对应的所述数据比值大于预设的比值阈值；
S72、利用预设的多个摄像头分别采集所述多个指定用户的图像，从而对应得到多张脸部图像；
S73、将所述多张脸部图像分别输入预设的微表情识别模型中，得到所述微表情识别模型对应输出的多个识别结果，其中所述识别结果包括激动微表情与非激动微表情，非激动微表情与子介质层之间存在：非激动微表情-指定用户-生理特征数据-数据比值-指定折射率-子介质层的对应关系，所述微表情识别模型基于神经网络模型，并采用样本数据训练而成，所述样本数据包括预先收集的人脸图像和与所述人脸图像关联的识别结果构成；
S74、在所述虚拟空间中，对所述虚拟介质层进行修改处理，以将所述虚拟介质层中的指定子介质层删除，其中所述指定子介质层指对应于所述非激动微表情的子介质层；
S75、在所述指定位置上沿指定方向向修改后的虚拟介质层发射虚拟光线，并在所述修改后的虚拟介质层的底面获取虚拟光线的修正光斑位置；
S76、计算所述修正光斑位置与预设的标准位置的修正距离值，并判断所述修正距离值是否大于预设的距离阈值；
S77、若所述修正距离值不大于预设的距离阈值，则取消所述提醒信息。
如上所述，实现了修正提醒信息。在用户的生理特征获取过程中，难免存在意外状况，导致获取的数据不准确。其中神经网络模型可以为任意模型，例如VGG-F模型、ResNet152模型、ResNet50模型和DenseNet模型等。所述微表情被分两个大类，即激动微表情与非激动微表情。一般情况下，当用户对所述计算机任务满意或者厌恶时，生理特征会出现较大波动，即情绪会有变化，而人的微表情与情绪相关联，因此也应出现激动微表情。因此，本申请利用微表情对用户进一步进行筛选，以提高本方案的准确性。其中多个指定用户的数据比值大于预设的比值阈值，即指定用户对所述计算机任务满意或者厌恶。再利用微表情识别模型筛选出指定用户中的虚假用户(即识别结果为非激动微表情的用户)，并将虚假用户排除后利用虚拟介质层再进行数据分析，以进一步得到精准结果。计算所述修正光斑位置与预设的标准位置的修正距离值，若所述修正距离值不大于预设的距离阈值，表明在排除虚假用户后，所述计算机任务的数据分析结果还是在容忍范围之内的，因此取消所述提醒信息。从而提高了本方案的准确性。
本申请的基于数据分析的提醒信息生成方法，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值；获取与所述n个数据比值分别对应的n个指定折射率；在预设的虚拟空间中生成虚拟介质层；在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；计算所述光斑位置与预设的标准位置的距离值；若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。从而实现在精确且具象的准确分析的基础上，生成提醒信息。
参照图2，本申请实施例提供一种基于数据分析的提醒信息生成装置，包括：
生理特征采集单元10，用于在n个用户分别通过n个用户端执行同一计算机任务之时，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；
数据比值计算单元20，用于根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值，其中所述标准特征数据通过查询预设的数据库得到，所述数据库中预存有用户与标准特征数据的对应关系；
指定折射率获取单元30，用于根据预设的数据比值与折射率的对应关系，获取与所述n个数据比值分别对应的n个指定折射率；
介质层生成单元40，用于在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理；
光斑位置获取单元50，用于在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；
距离阈值判断单元60，用于计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值；
提醒信息生成单元70，用于若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。
其中上述单元分别用于执行的操作与前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中，所述穿戴设备由m个子设备构成，所述m个子设备用于分别采集人体不同位置的生理特征子数据，所述生理特征采集单元10,包括：
子数据采集子单元，用于利用所述多个子设备分别采集用户的人体不同位置的生理特征子数据A1、A2、...、Am；
生理特征数据计算子单元，用于根据公式：生理特征数据＝p1A1+p2A2+...+pmAm，计算得到所述生理特征数据，其中p1、p2、...、pm是预设的与所述生理特征子数据A1、A2、...、Am分别对应的权重参数。
其中上述子单元分别用于执行的操作与前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中，数值越大的所述数据比值对应的指定折射率越小，所述介质层生成单元40，包括：
降序折射率表获取子单元，用于对所述n个指定折射率按数值大小进行降序排列，从而得到降序折射率表；
第一介质层生成子单元，用于在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述降序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述降序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述降序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；
第一折射率设置子单元，用于将所述虚拟介质层之外的区域的折射率，设置为大于所述第一子介质层的折射率。
其中上述子单元分别用于执行的操作与前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中，数值越大的所述数据比值对应的指定折射率越大，所述介质层生成单元40,包括：
升序折射率表获取子单元，用于对所述n个指定折射率按数值大小进行升序排列，从而得到升序折射率表；
第二介质层生成子单元，用于在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述升序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述升序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述升序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；
第二折射率设置子单元，用于将所述虚拟介质层之外的区域的折射率，设置为小于所述第一子介质层的折射率。
其中上述子单元分别用于执行的操作与前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中，所述装置，包括：
执行次数获取单元，用于分别获取所述n个用户的n个历史执行次数，所述历史执行次数指用户曾经利用用户端执行所述计算机任务的次数，其中历史执行次数与子介质层之间存在：历史执行次数-用户-生理特征数据-数据比值-指定折射率-子介质层的对应关系；
厚度设置单元，用于根据预设的厚度设置方法，设置所述n层子介质层的厚度，其中所述厚度设置方法遵循历史执行次数越多对应的子介质层越厚的设置原则。
其中上述单元分别用于执行的操作与前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中，所述虚拟介质层之外的区域的折射率等于预设折射率，所述预设折射率等于所述数据比值与折射率的对应关系中，所述数据比值为0时对应的折射率，所述装置，包括：
虚拟射线生成单元，用于以所述指定位置为起点，沿所述指定方向生成虚拟射线，其中所述虚拟射线在任意介质间均不发生折射；
标准位置获取单元，用于获取所述虚拟射线与所述虚拟介质层的底面的交点，并将所述交点记为所述标准位置。
其中上述单元分别用于执行的操作与前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中，所述装置，包括：
指定用户选取单元，用于从所述n个用户中选出多个指定用户，其中所述指定用户对应的所述数据比值大于预设的比值阈值；
图像采集单元，用于利用预设的多个摄像头分别采集所述多个指定用户的图像，从而对应得到多张脸部图像；
识别结果获取单元，用于将所述多张脸部图像分别输入预设的微表情识别模型中，得到所述微表情识别模型对应输出的多个识别结果，其中所述识别结果包括激动微表情与非激动微表情，非激动微表情与子介质层之间存在：非激动微表情-指定用户-生理特征数据-数据比值-指定折射率-子介质层的对应关系，所述微表情识别模型基于神经网络模型，并采用样本数据训练而成，所述样本数据包括预先收集的人脸图像和与所述人脸图像关联的识别结果构成；
介质层删除单元，用于在所述虚拟空间中，对所述虚拟介质层进行修改处理，以将所述虚拟介质层中的指定子介质层删除，其中所述指定子介质层指对应于所述非激动微表情的子介质层；
修正光斑位置生成单元，用于在所述指定位置上沿指定方向向修改后的虚拟介质层发射虚拟光线，并在所述修改后的虚拟介质层的底面获取虚拟光线的修正光斑位置；
修正距离值判断单元，用于计算所述修正光斑位置与预设的标准位置的修正距离值，并判断所述修正距离值是否大于预设的距离阈值；
提醒信息取消单元，用于若所述修正距离值不大于预设的距离阈值，则取消所述提醒信息。
其中上述单元分别用于执行的操作与前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
本申请的基于数据分析的提醒信息生成装置，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值；获取与所述n个数据比值分别对应的n个指定折射率；在预设的虚拟空间中生成虚拟介质层；在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；计算所述光斑位置与预设的标准位置的距离值；若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。从而实现在精确且具象的准确分析的基础上，生成提醒信息。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于数据分析的提醒信息生成方法所用数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于数据分析的提醒信息生成方法。
上述处理器执行上述基于数据分析的提醒信息生成方法，其中所述方法包括的步骤分别与执行前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
本领域技术人员可以理解，图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请的计算机设备，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值；获取与所述n个数据比值分别对应的n个指定折射率；在预设的虚拟空间中生成虚拟介质层；在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；计算所述光斑位置与预设的标准位置的距离值；若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。从而实现在精确且具象的准确分析的基础上，生成提醒信息。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现基于数据分析的提醒信息生成方法，其中所述方法包括的步骤分别与执行前述实施方式的基于数据分析的提醒信息生成方法的步骤一一对应,在此不再赘述。
本申请的计算机可读存储介质，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值；获取与所述n个数据比值分别对应的n个指定折射率；在预设的虚拟空间中生成虚拟介质层；在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；计算所述光斑位置与预设的标准位置的距离值；若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。从而实现在精确且具象的准确分析的基础上，生成提醒信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种基于数据分析的提醒信息生成方法，其特征在于，包括：
在n个用户分别通过n个用户端执行同一计算机任务之时，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；
根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值，其中所述标准特征数据通过查询预设的数据库得到，所述数据库中预存有用户与标准特征数据的对应关系；
根据预设的数据比值与折射率的对应关系，获取与所述n个数据比值分别对应的n个指定折射率；
在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理；
在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；
计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值；
若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。
2.根据权利要求1所述的基于数据分析的提醒信息生成方法，其特征在于，所述穿戴设备由m个子设备构成，所述m个子设备用于分别采集人体不同位置的生理特征子数据，所述利用预设的穿戴设备采集用户的生理特征的步骤,包括：
利用所述多个子设备分别采集用户的人体不同位置的生理特征子数据A1、A2、...、Am；
根据公式：生理特征数据＝p1A1+p2A2+...+pmAm，计算得到所述生理特征数据，其中p1、p2、...、pm是预设的与所述生理特征子数据A1、A2、...、Am分别对应的权重参数。
3.根据权利要求1所述的基于数据分析的提醒信息生成方法，其特征在于，数值越大的所述数据比值对应的指定折射率越小，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率的步骤,包括：
对所述n个指定折射率按数值大小进行降序排列，从而得到降序折射率表；
在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述降序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述降序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述降序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；
将所述虚拟介质层之外的区域的折射率，设置为大于所述第一子介质层的折射率。
4.根据权利要求1所述的基于数据分析的提醒信息生成方法，其特征在于，数值越大的所述数据比值对应的指定折射率越大，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率的步骤,包括：
对所述n个指定折射率按数值大小进行升序排列，从而得到升序折射率表；
在预设的虚拟空间中生成第一子介质层，所述第一子介质层的折射率等于所述升序折射率表中排名第一的指定折射率；在所述第一子介质层之下生成第二子介质层，所述第二子介质层的折射率等于所述升序折射率表中排名第二的指定折射率；...；在所述第n-1子介质层之下生成第n子介质层，所述第n子介质层的折射率等于所述升序折射率表中排名第n的指定折射率；从而得到由n层子介质层构成的虚拟介质层；
将所述虚拟介质层之外的区域的折射率，设置为小于所述第一子介质层的折射率。
5.根据权利要求3或4所述的基于数据分析的提醒信息生成方法，其特征在于，所述在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理的步骤之后，包括：
分别获取所述n个用户的n个历史执行次数，所述历史执行次数指用户曾经利用用户端执行所述计算机任务的次数，其中历史执行次数与子介质层之间存在：历史执行次数-用户-生理特征数据-数据比值-指定折射率-子介质层的对应关系；
根据预设的厚度设置方法，设置所述n层子介质层的厚度，其中所述厚度设置方法遵循历史执行次数越多对应的子介质层越厚的设置原则。
6.根据权利要求1所述的基于数据分析的提醒信息生成方法，其特征在于，所述虚拟介质层之外的区域的折射率等于预设折射率，所述预设折射率等于所述数据比值与折射率的对应关系中，所述数据比值为0时对应的折射率，所述计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值的步骤之前，包括：
以所述指定位置为起点，沿所述指定方向生成虚拟射线，其中所述虚拟射线在任意介质间均不发生折射；
获取所述虚拟射线与所述虚拟介质层的底面的交点，并将所述交点记为所述标准位置。
7.根据权利要求1所述的基于数据分析的提醒信息生成方法，其特征在于，所述若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息的步骤之后，包括：
从所述n个用户中选出多个指定用户，其中所述指定用户对应的所述数据比值大于预设的比值阈值；
利用预设的多个摄像头分别采集所述多个指定用户的图像，从而对应得到多张脸部图像；
将所述多张脸部图像分别输入预设的微表情识别模型中，得到所述微表情识别模型对应输出的多个识别结果，其中所述识别结果包括激动微表情与非激动微表情，非激动微表情与子介质层之间存在：非激动微表情-指定用户-生理特征数据-数据比值-指定折射率-子介质层的对应关系，所述微表情识别模型基于神经网络模型，并采用样本数据训练而成，所述样本数据包括预先收集的人脸图像和与所述人脸图像关联的识别结果构成；
在所述虚拟空间中，对所述虚拟介质层进行修改处理，以将所述虚拟介质层中的指定子介质层删除，其中所述指定子介质层指对应于所述非激动微表情的子介质层；
在所述指定位置上沿指定方向向修改后的虚拟介质层发射虚拟光线，并在所述修改后的虚拟介质层的底面获取虚拟光线的修正光斑位置；
计算所述修正光斑位置与预设的标准位置的修正距离值，并判断所述修正距离值是否大于预设的距离阈值；
若所述修正距离值不大于预设的距离阈值，则取消所述提醒信息。
8.一种基于数据分析的提醒信息生成装置，其特征在于，包括：
生理特征采集单元，用于在n个用户分别通过n个用户端执行同一计算机任务之时，利用预设的穿戴设备采集用户的生理特征，从而对应获取所述n个用户的生理特征数据；
数据比值计算单元，用于根据公式：数据比值＝|生理特征数据-标准特征数据|/标准特征数据，计算得到与所述n个用户分别对应的n个数据比值，其中所述标准特征数据通过查询预设的数据库得到，所述数据库中预存有用户与标准特征数据的对应关系；
指定折射率获取单元，用于根据预设的数据比值与折射率的对应关系，获取与所述n个数据比值分别对应的n个指定折射率；
介质层生成单元，用于在预设的虚拟空间中生成虚拟介质层，其中所述虚拟介质层由n层子介质层构成，并且所述n层子介质层的折射率分别等于所述n个指定折射率，所述虚拟空间遵循光线折射原理；
光斑位置获取单元，用于在所述虚拟介质层的顶面的上方生成指定位置，并在所述指定位置上沿指定方向向所述虚拟介质层发射虚拟光线，并在所述虚拟介质层的底面获取所述虚拟光线的光斑位置；
距离阈值判断单元，用于计算所述光斑位置与预设的标准位置的距离值，并判断所述距离值是否大于预设的距离阈值；
提醒信息生成单元，用于若所述距离值大于预设的距离阈值，则生成计算机任务异常的提醒信息。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010148792.2A 2020-03-05 2020-03-05 基于数据分析的提醒信息生成方法、装置和计算机设备 Active CN111475015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010148792.2A CN111475015B (zh) 2020-03-05 2020-03-05 基于数据分析的提醒信息生成方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010148792.2A CN111475015B (zh) 2020-03-05 2020-03-05 基于数据分析的提醒信息生成方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN111475015A CN111475015A (zh) 2020-07-31
CN111475015B true CN111475015B (zh) 2023-08-25

Family

ID=71748179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010148792.2A Active CN111475015B (zh) 2020-03-05 2020-03-05 基于数据分析的提醒信息生成方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN111475015B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101161482A (zh) * 2007-11-13 2008-04-16 公安部交通管理科学研究所 用于驾驶证的防伪结构及其识别方法
CN110569356A (zh) * 2019-08-14 2019-12-13 中国平安人寿保险股份有限公司 基于智能面试交互系统的面试方法、装置和计算机设备
CN110649073A (zh) * 2019-09-24 2020-01-03 武汉天马微电子有限公司 一种显示面板及显示装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101161482A (zh) * 2007-11-13 2008-04-16 公安部交通管理科学研究所 用于驾驶证的防伪结构及其识别方法
CN110569356A (zh) * 2019-08-14 2019-12-13 中国平安人寿保险股份有限公司 基于智能面试交互系统的面试方法、装置和计算机设备
CN110649073A (zh) * 2019-09-24 2020-01-03 武汉天马微电子有限公司 一种显示面板及显示装置

Also Published As

Publication number Publication date
CN111475015A (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
US11074634B2 (en) Probabilistic item matching and searching
US11282100B2 (en) Probabilistic search biasing and recommendations
Abbott et al. Focal colors across languages are representative members of color categories
CN108921708A (zh) 保险服务优化方法、装置和存储介质
US11881010B2 (en) Machine learning for video analysis and feedback
Rangelov et al. Failure to pop out: Feature singletons do not capture attention under low signal-to-noise ratio conditions.
CN108292995A (zh) 用于表征用户信誉的方法和系统
Kumar et al. A hybrid model of hesitant fuzzy decision-making analysis for estimating usable-security of software
US11526923B1 (en) Financial alert system based on user photographs associated with user spending behavior
CN114201656A (zh) 组合用于对数据进行分类的数据驱动模型
Morgan et al. Distinguishing normative processes from noise: A comparison of four approaches to modeling impressions of social events
CN111475015B (zh) 基于数据分析的提醒信息生成方法、装置和计算机设备
Perkovic et al. Systematicity of Search Index: A new measure for exploring information search patterns
CN111161880A (zh) 基于分类模型的医疗信息分类方法、装置和计算机设备
WO2022204242A1 (en) Automated claims adjustment assignment utilizing crowdsourcing and adjuster priority score determinations
Aven et al. On how to understand and express enterprise risk
Kliangkhlao et al. The design and development of a causal Bayesian networks model for the explanation of agricultural supply chains
US20210390445A1 (en) Systems and methods for automatic decision-making with user-configured criteria using multi-channel data inputs
JP7417597B2 (ja) 確率的アイテムマッチングおよび検索
CN117372416A (zh) 一种对抗训练的高鲁棒性数字病理切片诊断系统及方法
US11514036B2 (en) Method and system for self-learning natural language predictive searching
JP6875445B2 (ja) 情報処理装置、情報処理方法及びプログラム
US10693855B1 (en) Fraud detection
Walshe et al. Efficient allocation of attentional sensitivity gain in visual cortex reduces foveal sensitivity in visual search
CN114091855A (zh) 基于d-s证据合成技术风险预警指标系统

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
GR01 Patent grant
GR01 Patent grant