CN113643796A - 一种用于认知矫正训练的人机交互方法及系统 - Google Patents

Abstract

本发明公开了一种用于认知矫正训练的人机交互方法及系统，该方法包括以下步骤：根据交互前心理量表的测评结果，对用户的认知受损情况进行评级测评，得到用户评级；根据交互前的用户需求以及所述用户评级，生成相应的初始人机交互等级；根据所述初始人机交互等级生成初始人机交互方案，并跟踪记录用户在初始人机交互方案中的每一次人机交互数据；经过预定的人机交互次数，对用户进行有效性检测，以生成新的人机交互方案。该方法能够结合用户状态、人机交互过程和用户需求三个因素综合设计人机交互方案，提高了人机交互方案的针对性和有效性。

Description

一种用于认知矫正训练的人机交互方法及系统

技术领域

本发明涉及一种用于认知矫正训练的人机交互方法及系统，属于人机交互技术领域。

背景技术

当前，解决认知障碍问题的方法主要有三种：第一类是依靠心理咨询师在晤谈、观察的基础上进行评估、评估和治疗，该方法主观性比较大，对治疗师的专业经验水平要求较高；第二类是依靠文字形式的量表来进行分析，多数是通过让用户做上百道题目的方式来完成，此种方式不仅存在非普适性（不认识字的人不能完成）的缺点，而且用户会出现答题疲劳；第三类是网络游戏的方式来训练，但是由于游戏开发成本高，其训练模式较为固定，导致训练的针对性不足，而且升级成本高。因此，亟待提出一种普适性好、针对性好的认知障碍矫正方案。

在专利号为ZL 201710309053.5 的中国发明专利中，公开了一种认知行为训练方法及系统。该方法包括如下步骤：获取用户登录请求信息，实现登录；登录后进入预先选择的训练课程对应的课程训练页面，进行训练课程的选择，训练课程包括抑郁、焦虑、失眠和强迫四项训练课程，每项课程包括多个训练阶段，课程训练页面包括每个训练阶段对应的训练内容；根据预先选择的训练课程，结合用户当前所处的训练阶段，在训练界面中根据训练阶段对应的训练内容，实现对用户的认知行为训练。利用该方法提供的认知行为训练方法及系统，用户可以实现随时随地进行自主认知行为训练，改善用户的认知偏差，以预防、减少复发，提高用户生活质量。

发明内容

本发明所要解决的首要技术问题在于提供一种用于认知矫正训练的人机交互方法。

本发明所要解决的另一技术问题在于提供一种用于认知矫正训练的人机交互系统。

为实现上述技术目的，本发明采用以下的技术方案：

根据本发明实施例的第一方面，提供一种用于认知矫正训练的人机交互方法，包括以下步骤：

根据交互前心理量表的测评结果，对用户的认知受损情况进行评级测评，得到用户评级；

根据交互前的用户需求以及所述用户评级，生成相应的初始人机交互等级；

根据所述初始人机交互等级生成初始人机交互方案，并跟踪记录用户在初始人机交互方案中的每一次人机交互数据；

经过预定的人机交互次数，对用户进行有效性检测，以生成新的人机交互方案。

其中较优地，在生成所述初始人机交互方案时，根据所述用户需求关联不同人机交互目标和人机交互路径，根据所述用户评级选择对应的级别的所述人机交互目标，

其中，在所述人机交互路径中高级别的的所述人机交互目标的人机交互内容，包括低级别的所述人机交互目标对应的全部人机交互内容。

其中较优地，所述有效性检测采用的测评，所涵盖的测评方面与所述评级测评相同。

其中较优地，所述根据对用户的状态评级以及用户需求，生成针对该用户的初始人机交互等级，具体包括：

当用户状态的评级等级高于或等于用户需求等级时，则该初始人机交互等级为与用户需求相对应的等级；

当用户状态的评级等级低于用于用户需求等级时，则该初始人机交互等级为与用户状态的评级等级相对应的等级。

其中较优地，所述根据初始人机交互等级生成初始人机交互方案，具体包括：

调用以往用户库里的人机交互模型的数据，创建多个决策树；

基于树的方法把特征空间划分成一系列矩阵，并相应地为每个矩阵安置模型；

根据当前用户状态的类别输入、用户需求、用户评级的连续输入特征，找出分割用户目标人机交互集的最佳分割属性，即调出存储介质中的同年龄段人群在量表中的标准值模型，与用户在量表中填写的各项数值进行对比，得出各人机交互阶段维持时间方案；

将对象属性和对象值之间建立映射关系，输出映射的预测变量，即根据用户评级，各人机交互阶段维持时间方案和用户需求，生成初始人机交互方案。

其中较优地，所述跟踪记录用户在初始人机交互方案中的每一次的人机交互数据，具体包括：

获取用户在初始人机交互方案中的每一次的人机交互数据；

使用递归二元分割对所获取的人机交互数据进行处理，分析用户人机交互中呈现出的选择倾向；

通过积分机制记录和强化用户对于积极选项的倾向，其中，每当用户的选项趋近积极思维时，给予正面反馈，否则不提供反馈；

每当人机交互中给予的正面反馈达到一定次数时，呈现放松模块；

根据人机交互数据，按照预定算法中的更新规则，实时更新用户在各个等级的人机交互时间。

其中较优地，所述根据人机交互数据，按照预定算法中的更新规则，实时更新用户在各个等级的人机交互时间，具体包括：

采用回归树的CART模型预测；

采用递归二元分割对于输入的人机交互数据进行选择性处理和获取分割点，形成最小化成本函数；

定量获得属于同一叶结点人机交互样本观察值的均值，输出预测响应值，即新的对于各个等级的人机交互时间。

其中较优地，所述经过预定的人机交互次数，对用户进行有效性检测，以调整其人机交互等级，并相应改变人机交互方案，具体包括：

经过预定的人机交互次数后，将用户的最新人机交互数据与存储介质中的同年龄段人群在人机交互中的标准值模型进行对比；

当用户的最新人机交互数据达到甚至超过存储介质中的同年龄段人群在人机交互中的标准值模型，并且维持了T值中对应的该等级天数后，视为完成当前等级的人机交互方案，否则，视为未完成当前等级的人机交互方案；

当用户完成当前等级人机交互方案之后，如果完成的是当前方案中最后一级，那么用户重新进入初始页面选择人机交互目标；如果完成的不是当前方案中最后一级，那么用户进入方案中下一等级的人机交互方案，直到当前方案完成。

其中较优地，当用户的最新人机交互数据与存储介质中的同年龄段人群在人机交互中的标准值模型对比时，每高于一个标准差，则人机交互时间减少设定天数，每低于一个标准差，则人机交互时间增加设定天数。

根据本发明实施例的第二方面，提供一种用于认知矫正训练的人机交互系统，包括处理器和存储器；所述处理器读取所述存储器中的计算机程序或指令，用于执行以下操作：

获取用户状态，对用户的认知受损情况进行评级测评，得到用户评级；

根据对所述用户评级以及用户需求，生成相应的初始人机交互等级；

根据所述初始人机交互等级生成初始人机交互方案，并跟踪记录用户在初始人机交互方案中的每一次人机交互数据；

经过预定的人机交互次数，对用户进行有效性检测，以生成新的人机交互方案。

与现有技术相比较，本发明具有以下的技术效果：

（1）结合用户状态、人机交互过程和用户需求这三个因素，综合设计人机交互方案，提高了人机交互方案的针对性和有效性；

（2）设计的人机交互方案适于用户进行长期、多次反复的人机交互，代替了以往的评测式（一次性）的范式，在不同阶段可以动态调整，从而明显改善了人机交互效果；

（3）评级测评和有效性测评的测评方面相同，通过对比评级测评和有效性测评的结果，使得人机交互效果量化（标准化）。

附图说明

图1为本发明实施例提供的一种用于认知矫正训练的人机交互方法的流程图；

图2为生成初始人机交互方案的原理图；

图3为本发明实施例提供的一种用于认知矫正训练的人机交互系统的结构示意图；

图4为用于认知矫正训练的人机交互系统的工作流程图。

具体实施方式

下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。

在本发明实施例中，将认知障碍划分为四种不同程度的等级：重性精神疾病，包括重度抑郁、焦虑、双相障碍等，属于程度最高的1级；中度精神病性状态，包括中度抑郁、广泛性焦虑、应激障碍等，属于程度次高的2级；轻度神经性状态，包括社交焦虑障碍、边缘或回避型人格障碍等，属于程度次低的3级；适应性行为问题，行为冲动问题、强迫症、适应性困难、失眠等，属于程度最低的4级。

用户需求，是从改善情绪、提升认知、改善社会适应和提高整体生活质量类需求中选择其一。根据用户所选定的需求，本发明提供的用于认知矫正训练的人机交互系统就会提供相应的测评量表，以测定用户的情绪状态和用户状态程度。其中情绪改善为1级需求，提升认知为2级需求，改善社会适应为3级需求，提高生活质量为4级需求，4级为最高需求。不同需求对应不同的量表，较高级的需求涵盖的量表包括较低级的全部量表，其中，4级需求包括所有量表。

各级需求所对应的量表如下：

1级需求对应的量表： 汉密尔顿抑郁量表，汉密尔顿焦虑量表，DASS-21抑郁、焦虑和压力测评量表。

2级需求对应的量表：自尊量表，明尼苏达多项人格测验。

3级需求对应的量表：生活事件量表，社会适应能力测试。

4级需求对应的量表：生活满意度指数，乐观倾向测评。

下面，对本发明实施例提供的用于认知矫正训练的人机交互方法进行详细说明。如图1所示，该人机交互方法至少包括以下步骤：

S10、获取用户自身状态状态以及用户需求，对用户的认知受损情况进行状态评级。

具体地说，进一步包括如下步骤：

S101、获取用户信息，实现登录。

具体的，用户需预先进行账号注册，通过输入个人信息获得登录账号，从而可登录用于认知矫正训练的人机交互系统。

S102、获取用户在预设的状态界面内选择的自身状态，记录为D1。

具体的，当用户登录用于认知矫正训练的人机交互系统后，交互单元3上会弹出预设的状态界面，用户可在弹出的状态界面内选择自己已经被评估出的用户状态。如果用户不清楚自己的状态类型，可启动评估程序。

S103、获取用户在预设的需求页面内选择的用户需求，记录为G1。

具体的，当用户选择完自己已经被评估出的状态后，交互单元3上会继续弹出预设的需求界面，该需求界面即为上述四个等级的需求，当然也可以是三个等级、五个等级或五个等级以上的需求，具体根据实际需要而定。用户可从四个需求等级中选择其一，作为自己的用户需求，将该目标记录为G1。例如：用户可选择最低级别的情绪改善作为用户需求，也可以选择最高级别的提高生活质量作为用户需求。

S104、根据用户选择的用户需求，呈现与G1对应的量表。

具体的，参照表1所示，当用户确定自己用户需求后，系统会根据该目标的等级呈现与G1的等级相应的量表。其中，各等级所对应的量表如上文所述，同时，需要注意的是，高级的需求涵盖的量表包括低级的全部量表。

表1：根据测评结果进行用户状态程度的评级表

S105、获取用户在量表中填写的各项数值，记录为R1。

具体的，当系统呈现出与G1对应的量表后，用户需对应填写量表中的内容，通过获取用户在量表中填写的各项数值（该数值即为针对各量表中的问题选择的答案），记录为R1。

S106、根据R1和D1，采用预定算法计算得到用户评级，记录为L1。

具体的，当用户完成对应等级量表的填写后，则用户本身的需求和用户本身的状态情况都已有记录，本发明实施例中，采用加权平均法对用户评级进行计算，其中，D1在加权平均法中所占的权重为0.8，R1在加权平均法中所占的权重为0.2，用户评级公式：L1＝D1*0.8＋R1*0.2。由此，可根据用户自身存在的状态以及用户需求，完成对用户的认知受损情况的状态评级。

可以理解，在本发明的实施例中，通过加权平均法对用户的认知受损情况的用户状态进行评级仅为其中一种较好的实施方式，对本领域技术人员而言，在其他实施例中，还可以采用其他方法进行状态评级，例如：分段算法、列表对应法等。

S20、根据对用户的状态评级以及用户需求，生成针对该用户的初始人机交互等级。

参照表2所示，在本发明的实施例中，初始人机交互等级与用户评级相关联。当用户状态的评级等级（即表1中的用户评级1至用户评级4）高于或等于用户需求等级（即表1中的目标1至目标4）时，则该初始人机交互等级为与用户需求（即目标）相对应的等级；当用户状态的评级等级低于用于用户需求等级时，则该初始人机交互等级为与用户状态的评级等级相对应的等级。

表2：根据目标和用户评级生成初始等级

通常，重性精神疾病用户会从1级的负面纠偏开始，进行基础的认知引导；具有中度精神病性状态的用户从2级的认知扭曲开始，改善不良思维；具有轻度神经性状态的用户则从3级的多元认知开始，扩展对人、事、物的视野；具有适应性行为问题的用户则从4级的行为策略开始，学习和建立新的行为联结。

同时，可进一步根据用户需求来关联目标。一般情况下，用户需求1对应目标1，用户需求4对应目标4，但也可以不对应，从而可通过用户评级以及目标来规划路径。参照表3所示，当1级用户选定4级需求，即1级用户希望学习新行为联结时，即视为该用户选定了4级目标，为该用户生成的人机交互方案中，人机交互的路径将会从目标1对应的1级人机交互方案开始，然后通过与目标2对应的2级人机交互方案、与目标3对应的3级人机交互方案再到与目标4对应的4级人机方案交互，以达到循序渐进的效果。再例如，当3级用户选定了1级目标时，为其生成的人机交互方案则为1级人机交互方案。如果要2级用户选定了4级目标，则从2级人机交互方案开始。

可见，在生成初始人机交互方案时，根据用户需求关联不同目标和人机交互路径，根据用户评级选择对应的级别的目标。在人机交互路径中高级别目标的人机交互内容，包括低级别目标对应的全部人机交互内容。

每一级的人机交互完成并通过有效性检测后，用户可以重新选择需求或目标。仍以前述1级用户选定4级需求的情况为例，在完成1级人机交互方案后，就安排对应的有效性检测。如果通过有效性检测，则下一次的人机交互就进入2级人机交互方案；如果没有通过，则下一次的人机交互继续是1级人机交互方案。

表3：根据用户评级和目标生成路径

由此可见，本发明结合用户状态、人机交互过程和用户需求这三个因素综合设计人机交互方案，显著提高了人机交互方案的针对性和有效性。

S30、根据初始人机交互等级生成初始人机交互方案，并跟踪记录用户在初始人机交互方案中的每一次交互结果。

具体包括以下步骤：

S301、调用以往用户库里的人机交互模型的数据，创建多个决策树。

参照图2所示，从存储介质中调用以往用户库里的人机交互模型的数据，从用户库中随机抽取N个样本；其中，N为正整数，每一个样本对应一个决策树。

S302、基于树的方法把特征空间划分成一系列矩阵，并相应地为每个矩阵安置模型。

S303、根据当前用户状态的类别输入、用户需求、用户评级的连续输入特征，找出分割用户目标人机交互集的最佳分割属性，即调出存储介质中的同年龄段人群在量表中的标准值模型，与R1进行对比，得出各人机交互阶段维持时间方案（T1）。

S304、将对象属性和对象值之间建立映射关系，输出映射的预测变量，即根据L1，T1和G1，生成初始人机交互方案。

S305、获取用户在初始人机交互方案中的每一次人机交互数据；

S306、使用递归二元分割对所获取的人机交互数据进行处理，分析用户人机交互中呈现出的选择倾向；

S307、可选地，通过积分机制记录和强化用户对于积极选项的倾向，其中，用户在人机交互中的每个选择和互动，都会影响积分的变动，每当用户的选项趋近积极思维时，给予正面反馈，否则不提供反馈；

S308、可选地，每当人机交互数据中得到的正面反馈达到一定次数时，呈现放松模块；

S309、根据人机交互数据，按照预定算法中的更新规则，实时更新用户在各个等级的人机交互时间，不断更新各人机交互阶段维持时间方案（T1）。

具体的，本发明实施例中，采用回归树的CART模型预测；采用递归二元分割对于输入的人机交互数据进行选择性处理和获取分割点，形成最小化成本函数；定量获得属于同一叶结点人机交互样本观察值的均值，输出预测响应值，即新的对于各个等级的人机交互时间。

可以理解的是，本发明提供的人机交互方法，采用心理学界公认有效的多种心理治疗理论，结合生活化的情境设置，进行针对负面偏向思维、扭曲思维、单一视角、即时满足式行为决策的系统化人机交互，包括以下人机交互范式：

（一） 认知纠偏

（1）基于改善负面注意倾向所设计的积极信息识别反馈，通过用户对于积极表情面孔的反应和注意，潜移默化地改变用户的注意力倾向，使其的注意力注意和聚焦在积极的事物上，从而在生活中获得更多积极美好的体验。

具体而言，在同一屏幕中显示分别代表不同情绪的图像、文字、颜色等内容，提示用户识别并选中代表积极情绪的图像、文字、颜色等内容。例如，提示用户从在屏幕上同时显示的不同表情的人脸中（例如生气的脸和微笑的脸），识别并选中表示高兴的人脸。也可以是，提示用户从在屏幕上同时显示的不同颜色中（例如灰色和红色），选择表示激动、热情的颜色（红色）。当然，也可以利用声音来进行这类。例如，先后播放激动的、振奋的音乐和忧郁的音乐，然后提示用户判断并选择出激动的、振奋的音乐。

采用这样的设计的图像、文字、颜色等内容，使得本发明的人机交互方案可以让用户进行长期、多次反复的人机交互练习，不会出现因为重复单调导致用户放弃，代替了以往的评测式（一次性）的范式，从而可以分析人机交互效果并优化人机交互方案。

（2） 基于改善负面认知倾向和语句加工能力所设计的正面解读练习，包括自我解读和他人解读两个方向。这一旨在引导用户从积极的角度解读未知情境，改善因此产生的焦虑情绪，培养积极乐观的生活态度。

具体而言，人机交互方案包括向用户提供能够被多种方式和角度解读的特定情境的描述，提示用户选择该情境的积极解读方式。这是自我解读方式。还可以是提示用户选择，该情境下主人公的积极反应方式。这是他人解读方式。

（二） 认知扭曲

（1） 认知扭曲识别立足于导致负面情绪的消极想法，而这样的想法是产生自我挫败，使人感到郁郁寡欢的根源。认知扭曲识别引导用户发觉消极思维描述中的扭曲思维，识别其中的不合理性，从而培养出对于扭曲思维的敏感觉知，将这种觉知带到生活当中。

（2） 认知扭曲分辨旨在培养用户对于扭曲思维的快速反应，能够在感受到扭曲思维的第一时间意识和分辨出不合理的思维。就像锻炼身体形成肌肉一样，出我们情感上的“肌肉”，使用户在日常生活中也能快速意识到扭曲思维的出现。

（3） 认知扭曲开导主要目的是使用更具有信服力的合理思维来替代扭曲的思维。引导用户思考这些想法的不合理性，更加了解应对不合理思维或情绪的方式，从而应用在自己沉浸负面情绪的时候。

（三） 多元认知拼图练习

（1） 多元认知拼图—情绪理解

基于合理情绪治疗和辩证行为疗法开发，主要针对情绪理解和多角度思考进行。引导用户了解不同的想法是如何直接影响情绪的。通过了解处理情绪相关事件时常犯的认知错误，来更好地调节和使用正确的思维指导情绪。

（2） 多元认知拼图—乐观心态

基于认知行为疗法、接纳与承诺疗法和情绪推拉理论设计，主要针对情绪理解和多角度思考进行。引导用户了解不同的想法如何塑造对于该信息的情绪反应的。通过理解他人情绪和想法的能力，从而培养乐观的心态，更好地应对生活中类似的问题。

（四） 行为策略

（1） 行为后果演练

基于认知行为疗法和接纳与承诺疗法开发，通过让用户反复进行行为选择，并且呈现相应结果，而让人形成对于这些选项的价值评估和推理。对于改善对不良生活习惯和应对方式具有良好的作用

（2） 行为后果演练进阶：

在原有人机交互之上，加入选择限制和时间限制。

可以理解的是，上述的人机交互模式，均可以实现多种题目，反复。从而解决了现有的心理认识范式只是一次性的评测，无法适用于反复练习的应用场景。

S40、经过预定人机交互次数，对用户进行有效性检测，以调整其等级，并相应改变其人机交互方案。

具体包括以下步骤：

S401、经过预定人机交互次数后，将用户的最新数据与存储介质中的同年龄段人群在人机交互中的标准值模型进行对比。

例如：用户的初始评级为1级，则进入到1级的负面纠偏。在该人机交互中达到平均水平并维持五天后，用户获得了1级有效性检测的资格，可将用户的最新人机交互数据与同年龄段人群在人机交互中的标准值模型进行对比。

S402、当用户的最新人机交互数据达到甚至超过同年龄段人群在人机交互中的标准值模型，并且维持了人机交互阶段维持时间方案（T1）中对应的该等级天数后，视为完成当前等级人机交互，否则，视为未完成当前等级人机交互。

如果用户在有效性检测中的分数达到或超过同年龄段人群均值，则视为通过测评，否则视为未通过测评。其中，人机交互测评所涵盖方面与评级测评相同，而内容不同，如同一场考试中的A、B卷。测评内容如下：

1级测评：SDS抑郁自评量表，SAS焦虑自评量表等

2级测评：自动思维问卷 EPQ艾森克人格问卷

3级测评：UCLA孤独量表，家庭环境量表

4级测评：简易应对方式问卷，社交回避及苦恼量表

S403、当用户完成当前等级人机交互之后，如果完成的是当前方案中最后一级，那么用户重新进入初始页面选择人机交互目标；如果完成的不是当前方案中最后一级，那么用户进入方案中下一等级的，直到当前方案完成。

如果用户没有通过测评结果，则按照测评结果重新进行原来的等级。测评结果每低于常模标准值一个标准差，需要达到平均水准并维持的时间增加预定天数（例如2天），最多11天。当用户在中再次达到平均水平并维持相应天数后，再次得到有效性检测的机会。

如果用户通过了测评，用户能够解锁新等级的人机交互方案，同时也能够回顾原等级的人机交互方案。根据选定需求时制定的人机交互方案中，与当前阶段相对应的测评结果，得到新阶段的时长。换言之，同年龄人群均值的维持时间默认为五天；测评结果每低于常模标准值一个标准差增加2天，最多11天；每高于常模标准值一个标准差则减少2天，最少维持1天。人机交互完成后，进行当前人机交互有效性检测，通过则进入下一阶段，未通过则按照测评结果重新进行人机交互，以此类推。

当用户完成目标阶段之后，获得重新选择目标的机会。新目标高于原目标等级时则重复以上人机交互—测试—升级或人机交互—测试—人机交互—升级的过程。新目标低于原目标等级时，用户可以进入新目标等级，自由选择和安排。

如前述，本发明实施例中，综合大量心理学经典量表和测评、众多用户状态人群特点，在获得用户状态、需求和测评结果后，能够快速生成适于该用户的评级和相应的人机交互方案；实现人机交互路径的精准化推送、检测和升级，根据分析出的用户信息，为用户生成个性化的人机交互方案和人机交互路径。因此，采用本发明的人机交互方法，可以使得人机交互效果量化（标准化），并指导用户正确选择下一期的目标或方案。

图3和图4所示为本发明实施例提供的一种用于认知矫正训练的人机交互系统。该人机交互系统包括处理器21、存储器22。其中，存储器22可以是静态随机存取存储器（SRAM）、电可擦除可编程只读存储器（EEPROM）、可擦除可编程只读存储器（EPROM）、可编程只读存储器（PROM）、只读存储器（ROM）、磁存储器、快闪存储器等；处理器21可以是中央处理器（CPU）、图形处理器（GPU）、现场可编程逻辑门阵列（FPGA）、专用集成电路（ASIC）、数字信号处理（DSP）芯片等。

存储在存储器22的程序可以包括软件模块（图示没标出），每个软件模块可以包括对人机交互设备中的一系列指令操作。进一步地，处理器21可以设置为与存储器22通信，在人机交互设备上执行存储器22中的一系列指令操作。另外，上述人机交互设备还可以包括电源、有线或无线网络接口、输入输出接口、键盘和/或操作系统，例如Windows Server，MacOS X，Unix, Linux，Free BSD等。这些组件均可以采用现有智能终端中的通用部件实现，在此不具体说明。

另外，本发明实施例提供的人机交互设备，包括处理器21和存储器22，处理器21读取所述存储器22中的计算机程序或指令，用于执行以下操作：

获取用户状态，对用户的认知受损情况进行评级测评，得到用户评级；

根据对所述用户评级以及用户需求，生成相应的初始人机交互等级；

根据所述初始人机交互等级生成初始人机交互方案，并跟踪记录用户在初始人机交互方案中的每一次人机交互数据；

经过预定的人机交互次数，对用户进行有效性检测，以生成新的人机交互方案。

综上所述，本发明提供的用于认知矫正训练的人机交互方法及人机交互系统，基于用户状态选择为用户适配相应的测评，根据用户需求选择为用户设定阶段目标。用户状态分为重性精神疾病、中度精神病性状态、轻度神经性状态和适应性行为问题四个等级，不同等级的用户状态对应不同等级的人机交互方案；随后，用户选择自己的需求，选项包括改善情绪、提升认知、改善社会适应和提高整体生活质量类需求；最终，根据用户状态、需求对应测评结果两个维度的数据，进行加权平均计算，得出用户当前状态对应的状态评级，结合用户状态特点、测评中展现出的心理状况和能力水平，以及用户所选择的需求即目标，构建初步的人机交互方案。

此外，本发明能够推送适合于当前情况、随着时间推移和用户情况的改善逐渐提高难度、每达到一定水平就再次测评和设定内容的阶梯性系统化人机交互内容。因此，采用本发明提供的人机交互方法，可以使人机交互方案个性化，并且在不同阶段可以动态调整，能够明显改善人机交互效果。

上面对本发明所提供的用于认知矫正训练的人机交互方法及系统进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质内容的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (10)

1.一种用于认知矫正训练的人机交互方法，其特征在于包括以下步骤：

根据交互前心理量表的测评结果，对用户的认知受损情况进行评级测评，得到用户评级；

根据交互前的用户需求以及所述用户评级，生成相应的初始人机交互等级；

根据所述初始人机交互等级生成初始人机交互方案，并跟踪记录用户在初始人机交互方案中的每一次人机交互数据；

经过预定的人机交互次数，对用户进行有效性检测，以生成新的人机交互方案。

2.如权利要求1所述的用于认知矫正训练的人机交互方法，其特征在于在生成所述初始人机交互方案时，根据所述用户需求关联不同人机交互目标和人机交互路径，根据所述用户评级选择对应的级别的所述人机交互目标，

其中，在所述人机交互路径中高级别的的所述人机交互目标的人机交互内容，包括低级别的所述人机交互目标对应的全部人机交互内容。

3.如权利要求2所述的用于认知矫正训练的人机交互方法，其特征在于：

所述有效性检测采用的测评，所涵盖的测评方面与所述评级测评相同。

4.如权利要求2所述的用于认知矫正训练的人机交互方法，其特征在于所述根据对用户的状态评级以及用户需求，生成针对该用户的初始人机交互等级，具体包括：

当用户状态的评级等级高于或等于用户需求等级时，则该初始人机交互等级为与用户需求相对应的等级；

当用户状态的评级等级低于用于用户需求等级时，则该初始人机交互等级为与用户状态的评级等级相对应的等级。

5.如权利要求2所述的用于认知矫正训练的人机交互方法，其特征在于所述根据初始人机交互等级生成初始人机交互方案，具体包括：

调用以往用户库里的人机交互模型的数据，创建多个决策树；

基于树的方法把特征空间划分成一系列矩阵，并相应地为每个矩阵安置模型；

根据当前用户状态的类别输入、用户需求、用户评级的连续输入特征，找出分割用户目标人机交互集的最佳分割属性，即调出存储介质中的同年龄段人群在量表中的标准值模型，与用户在量表中填写的各项数值进行对比，得出各人机交互阶段维持时间方案；

将对象属性和对象值之间建立映射关系，输出映射的预测变量，即根据用户评级，各人机交互阶段维持时间方案和用户需求，生成初始人机交互方案。

6.如权利要求5所述的用于认知矫正训练的人机交互方法，其特征在于所述跟踪记录用户在初始人机交互方案中的每一次的人机交互数据，具体包括：

获取用户在初始人机交互方案中的每一次的人机交互数据；

使用递归二元分割对所获取的人机交互数据进行处理，分析用户人机交互中呈现出的选择倾向；

通过积分机制记录和强化用户对于积极选项的倾向；其中，每当用户的选项趋近积极思维时，给予正面反馈，否则不提供反馈；

每当人机交互中给予的正面反馈达到预定次数时，呈现放松模块；

根据人机交互数据，按照预定算法中的更新规则，实时更新用户在各个等级的人机交互时间。

7.如权利要求6所述的用于认知矫正训练的人机交互方法，其特征在于所述根据人机交互数据，按照预定算法中的更新规则，实时更新用户在各个等级的人机交互时间，具体包括：

采用回归树的CART模型预测；

采用递归二元分割对于输入的人机交互数据进行选择性处理和获取分割点，形成最小化成本函数；

定量获得属于同一叶结点人机交互样本观察值的均值，输出预测响应值，即新的对于各个等级的人机交互时间。

8.如权利要求7所述的用于认知矫正训练的人机交互方法，其特征在于所述经过预定的人机交互次数，对用户进行有效性检测，以调整其人机交互等级，并相应改变人机交互方案，具体包括：

经过预定的人机交互次数后，将用户的最新人机交互数据与存储介质中的同年龄段人群在人机交互中的标准值模型进行对比；

当用户的最新人机交互数据达到甚至超过存储介质中的同年龄段人群在人机交互中的标准值模型，并且维持了T值中对应的该等级天数后，视为完成当前等级的人机交互方案，否则，视为未完成当前等级的人机交互方案；

当用户完成当前等级人机交互方案之后，如果完成的是当前方案中最后一级，那么用户重新进入初始页面选择人机交互目标；如果完成的不是当前方案中最后一级，那么用户进入方案中下一等级的人机交互方案，直到当前方案完成。

9.如权利要求8所述的用于认知矫正训练的人机交互方法，其特征在于：

当用户的最新人机交互数据与存储介质中的同年龄段人群在人机交互中的标准值模型对比时，每高于一个标准差，则人机交互时间减少设定天数，每低于一个标准差，则人机交互时间增加设定天数。

10.一种用于认知矫正训练的人机交互系统，其特征在于包括：

处理器和存储器，所述处理器读取所述存储器中的计算机程序或指令，用于执行以下操作：

获取用户状态，对用户的认知受损情况进行评级测评，得到用户评级；

根据对所述用户评级以及用户需求，生成相应的初始人机交互等级；

根据所述初始人机交互等级生成初始人机交互方案，并跟踪记录用户在初始人机交互方案中的每一次人机交互数据；

经过预定的人机交互次数，对用户进行有效性检测，以生成新的人机交互方案。

Images