CN117708391A - 一种数据处理方法、装置、设备及存储介质 - Google Patents
一种数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117708391A CN117708391A CN202410165076.3A CN202410165076A CN117708391A CN 117708391 A CN117708391 A CN 117708391A CN 202410165076 A CN202410165076 A CN 202410165076A CN 117708391 A CN117708391 A CN 117708391A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- question
- signal
- target
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims description 120
- 238000012545 processing Methods 0.000 claims description 30
- 230000001815 facial effect Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 239000012141 concentrate Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000000638 stimulation Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000036992 cognitive tasks Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种数据处理方法、装置、设备及存储介质，涉及计算机技术领域，该方法包括：向用户展示第m个问题以及所述第m个问题对应的多个候选答案；在向所述用户展示多个候选答案过程中，获取所述用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像，根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号；将所述目标信号对应的候选答案，确定为所述用户所选择的目标答案。该方法能够提高目标答案的真实度，提高对用户进行评分的准确度。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种数据处理方法、装置、设备及存储介质。
背景技术
在问答场景，可以通过向用户提供问题和答案的方式，来对用户进行测评。用户可以从多个候选答案中选择一个答案来回答相应的问题，在用户完成一系列的问题后，基于用户对这一系列的问题的答案，确定用户的评分。
目前可以通过脑电信号识别用户的意图，但是，对于脑电信号和问题答案的数据关联性处理上，目前还没有较好的方法，进而导致得到的目标答案的准确度较差，进而降低用户的评分的准确度。
发明内容
本申请提供一种数据处理方法、装置、设备及存储介质，能够提高用户的评分的准确度。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供了一种数据处理方法，该方法包括：
向用户展示第m个问题以及所述第m个问题对应的多个候选答案；
在向所述用户展示多个候选答案过程中，获取所述用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像；
根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号；
将所述目标信号对应的候选答案，确定为所述用户所选择的目标答案。
在一些可能的实现方式中，所述根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号，包括：
从所述数据信号中筛选出第一信号，所述第一信号对应的面部图像表征所述用户正在注视所述第一信号对应的候选答案；
从所述第一信号中筛选出评分最高的目标信号。
在一些可能的实现方式中，所述根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号，包括：
对所述数据信号进行评分得到第一评分，对所述数据信号对应的面部图像进行评分得到第二评分；
将所述第一评分和第二评分之和最高的信号确定为目标信号。
在一些可能的实现方式中，所述方法还包括：
如果所述第m个问题为最后一个问题，则根据前m个问题各自对应的目标答案，生成所述用户的评分。
在一些可能的实现方式中，所述方法还包括：
如果所述第m个问题不是最后一个问题，则向所述用户展示第m+1个问题，直至确定所述用户针对最后一个问题的目标答案，根据全部问题对应的目标答案，生成所述用户的评分。
在一些可能的实现方式中，所述第m个问题对应的多个候选答案的展示方式，包括：
确定多个候选答案中每个候选答案对应的展示区域；
在每个候选答案各自对应的展示区域，向所述用户展示所述第m个问题对应的每个候选答案。
在一些可能的实现方式中，所述对所述数据信号进行评分得到第一评分，包括：
对各个候选答案对应的数据信号进行向量化，得到所述用户针对第m个问题的每个候选答案对应的数据向量；
对各个数据向量进行评分，得到第一评分。
在一些可能的实现方式中，所述方法还包括：
确定分数最高的数据向量所对应的置信度，所述置信度与所述用户的注意力集中程度正相关；
所述将分数最高的数据向量对应的数据信号确定为目标信号，包括：
如果所述分数最高的数据向量对应的置信度大于置信度阈值，将分数最高的数据向量对应的数据信号确定为目标信号。
在一些可能的实现方式中，所述对各个数据向量进行评分，包括：
其中，为第i个数据向量的评分，/>为第i个数据向量，/>为投影向量，所述投影向量基于样本数据向量确定。
在一些可能的实现方式中，所述样本数据向量包括正样本数据向量和负样本数据向量；所述投影向量通过以下公式确定：
其中，为投影向量，所述/>表示负样本数据向量，/>为负样本数据向量中的第j个数据向量，/>表示正样本数据向量，/>为正样本数据向量中的第j个数据向量，/>为中间量，/>表示负样本数据向量的均值向量，/>表示正样本数据向量的均值向量。
第二方面，本申请提供了一种数据处理装置，包括：
展示模块，用于向用户展示第m个问题以及所述第m个问题对应的多个候选答案；
获取模块，用于在向所述用户展示多个候选答案过程中，获取所述用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像；
处理模块，用于根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号；将所述目标信号对应的候选答案，确定为所述用户所选择的目标答案。
在一些可能的实现方式中，所述处理模块，具体用于从所述数据信号中筛选出第一信号，所述第一信号对应的面部图像表征所述用户正在注视所述第一信号对应的候选答案；从所述第一信号中筛选出评分最高的目标信号。
在一些可能的实现方式中，所述处理模块，具体用于对所述数据信号进行评分得到第一评分，对所述数据信号对应的面部图像进行评分得到第二评分；将所述第一评分和第二评分之和最高的信号确定为目标信号。
在一些可能的实现方式中，所述装置还包括：生成模块；
所述生成模块，用于如果所述第m个问题为最后一个问题，则根据前m个问题各自对应的目标答案，生成所述用户的评分。
在一些可能的实现方式中，所述装置还包括：生成模块；
所述生成模块，用于如果所述第m个问题不是最后一个问题，则向所述用户展示第m+1个问题，直至确定所述用户针对最后一个问题的目标答案，根据全部问题对应的目标答案，生成所述用户的评分。
在一些可能的实现方式中，所述展示模块，具体用于确定多个候选答案中每个候选答案对应的展示区域；在每个候选答案各自对应的展示区域，向所述用户展示所述第m个问题对应的每个候选答案。
在一些可能的实现方式中，所述处理模块，具体用于对各个候选答案对应的数据信号进行向量化，得到所述用户针对第m个问题的每个候选答案对应的数据向量；对各个数据向量进行评分，得到第一评分。
在一些可能的实现方式中，所述处理模块，还用于确定分数最高的数据向量所对应的置信度，所述置信度与所述用户的注意力集中程度正相关，具体用于如果所述分数最高的数据向量对应的置信度大于置信度阈值，将分数最高的数据向量对应的数据信号确定为目标信号。
在一些可能的实现方式中，所述处理模块，具体用于通过以下公式确定第i个数据向量的评分：
其中，为第i个数据向量的评分，/>为第i个数据向量，/>为投影向量，所述投影向量基于样本数据向量确定。
在一些可能的实现方式中，所述样本数据向量包括正样本数据向量和负样本数据向量；所述获取模块通过以下公式确定投影向量：
其中，为投影向量，所述/>表示负样本数据向量，/>为负样本数据向量中的第j个数据向量，/>表示正样本数据向量，/>为正样本数据向量中的第j个数据向量，/>为中间量，/>表示负样本数据向量的均值向量，/>表示正样本数据向量的均值向量。
第三方面，本申请提供了一种计算设备，包括存储器和处理器；
其中，在所述存储器中存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令；当所述指令被所述处理器执行时，使得所述计算设备执行如第一方面中任一项所述的方法。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如第一方面中任一项所述的方法。
由上述技术方案可知，本申请至少具有如下有益效果：
本申请提供了一种数据处理方法，该方法包括向用户展示第m个问题以及第m个问题对应的多个候选答案，在向用户展示多个候选答案过程中，获取用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像，根据数据信号以及数据信号对应的面部图像，从该些数据信号中确定目标信号，然后将目标信号对应的候选答案，确定为用户所选择的目标答案。在该方法中，通过数据信号以及该数据信号对应的面部图像的方式来表征用户的真实反应，从而在一定程度上增加目标答案的置信度，进而减少对用户评分的影响，从而提高用户的评分的准确度。
应当理解的是，本申请中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。
附图说明
图1为本申请实施例提供的一种应用场景的示意图；
图2为本申请实施例提供的一种数据处理方法的流程图；
图3为本申请实施例提供的又一种数据处理方法的流程图；
图4为本申请实施例提供的一种第一界面的示意图；
图5为本申请实施例提供的一种展示候选答案的示意图；
图6为本申请实施例提供的一种展示区域的示意图；
图7为本申请实施例提供的一种数据处理装置的示意图；
图8为本申请实施例提供的一种计算设备的结构示意图。
具体实施方式
本申请说明书和附图说明中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于限定特定顺序。
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了下述各实施例的描述清楚简洁，首先给出相关技术的简要介绍：
目前，可以通过脑电信号的方式，识别用户的意图，但该种方式也会存在识别误差，进而导致误会用户的意图，影响用户的评分，进而降低用户的评分的准确度。
有鉴于此，本申请实施例提供了一种数据处理方法，该方法包括：向用户展示第m个问题以及第m个问题对应的多个候选答案，在向用户展示多个候选答案过程中，获取用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像，根据数据信号以及数据信号对应的面部图像，从数据信号中确定目标信号，将该目标信号对应的候选答案，确定为用户所选择的目标答案。在该方法中，通过数据信号以及该数据信号对应的面部图像的方式来表征用户的真实反应，从而在一定程度上增加目标答案的置信度，进而减少对用户评分的影响，从而提高用户的评分的准确度。
在一些实施例中，该方法可以应用于心理测评场景，心理测评是一种通过系统化的方法来评估个体的心理特征、能力、兴趣、价值观和行为的过程。心理测评旨在获取对个体心理状态的客观信息，以便更好地理解其认知、情感、社会和行为方面的特点。
心理测评可以在不同的领域和目的中使用，包括但不限于心理学、临床心理学、教育、职业咨询。心理测评工具可以包括各种问卷，这些工具被设计用来测量个体的认知能力、人格特征、兴趣爱好、心理健康状况等。
心理测评的目的可以是帮助个体更好地了解自己、指导治疗过程、辅助职业发展规划，或者在教育领域中用于学术评估。然而，在该场景中，由于用户为了快速完成问卷，往往会随意作答或者胡乱作答，这将会导致用户的心理测评结果的准确度较差。而通过本申请实施例提供的数据处理方法，能够有效降低用户的胡乱作答情况，通过数据信号以及面部图像，确定用户所选择的目标答案，从而提高用户的评分的准确度。例如，基于用户所选择的目标答案，再确定用户的心理测评结果，从而提高了该心理测评结果的准确度。
在该方法中，要求用户将注意力集中在自己所选择的答案上，这样通过用户所产生的数据信号以及面部图像，确定用户所选择的答案，避免了用户为了快速完成问卷而随意作答的情况，从一定程度上，使用户所选择的答案更符合该用户的真实意愿，进而能够提高用户的心理测评结果的准确度。
为了使得本申请的技术方案更加清楚、易于理解，下面结合附图对本申请的技术方案的应用场景进行介绍。如图1所示，该图为本申请实施例提供的一种应用场景的示意图。在该应用场景中，电子设备101可以通过显示设备102向用户103展示用于心理测评的问卷，在用户103的头部连接有数据信号检测设备104，数据信号检测设备104检测到数据信号后传输给电子设备101，由电子设备101对数据信号进行处理。其中，数据信号检测设备104可以是脑电信号检测设备，数据信号可以是脑电信号。
示例性的，在通过电子设备101确定心理测评的问卷后，可以通过显示设备102向用户103展示该问卷的第一个问题，然后通过闪烁的方式，依次向用户103展示该第一个问题对应的多个候选答案。在向用户103展示多个候选答案的过程中，用户103可以通过将注意力集中在自己所想要选择的答案上，此时数据信号检测设备104也会同步检测用户103的数据信号并传输给电子设备101。显示设备102可以具有拍摄功能，用于对用户的面部进行拍照，从而得到用户产生数据信号时对应的面部图像，并发送给电子设备101。电子设备101从用户103的数据信号中确定用户103针对该第一个问题的靶刺激，后续再基于该靶刺激以及面部图像，确定用户103对该第一个问题的目标答案。
接着，电子设备101再通过显示设备102向用户103展示第二个问题，通过类似的方式，确定第二个问题对应的目标答案，直至得到用户103针对全部问题的目标答案。然后电子设备101基于用户103针对全部问题的目标答案，生成该用户的心理测评结果。
可见，在该应用场景中，用户不能通过手、脚来进行问卷作答，只能通过思维活动影响数据信号实现问卷作答。如果用户不能将注意力集中到目标答案上，则数据信号特征强度不足，也就意味着用户的主观不配合行为会导致无法完成问卷。在本申请中，可以有效保障用户进行作答时具有足够配合度，使用户的作答更符合其真实意愿，由此，可以缓解心理测评中用户的不配合行为导致的准确度较差的问题，进而提高用户的心理测评结果的准确度。
为了使得本申请的技术方案更加清楚、易于理解，下面对本申请实施例提供的数据处理方法进行介绍。该数据处理方法可以由电子设备执行，该电子设备可以是终端，也可以是服务器。其中，终端包括但不限于计算机、笔记本电脑、手机等，服务器包括但不限于边缘服务器、云服务器。
需要说明的是，本申请不具体限定该方法的主体，本领域技术人员可以是基于实际需要确定执行主体，下面为了便于理解，以电子设备的角度，对该方法进行介绍。
如图2所示，该图为本申请实施例提供的一种数据处理方法的流程图，该方法包括：
S201、电子设备获取用户对用于心理测评的问卷产生的数据信号。
其中，用户只能通过对用于心理测评的问卷产生的数据信号对问卷进行作答。
S202、电子设备对数据信号进行分析，得到用户的注意力集中程度大于预设程度阈值时对应的作答结果。
一般的，问卷包括多个问题，作答结果包括多个问题各自对应的目标答案，即，用户通过数据信号所选择的答案。
S203、电子设备基于用户的作答结果，生成用户的心理测评结果。
在该方法中，要求用户将注意力集中在自己所选择的答案上，这样通过用户的数据信号，确定用户所选择的答案（即上述作答结果），避免了用户为了快速完成问卷而随意作答的情况，从而在一定程度上，使用户所选择的答案更符合该用户的真实意愿，进而能够提高用户的心理测评结果的准确度。
为了使本申请的技术方案更加清楚，下面对上述图2对应的步骤进行展开介绍。如图3所示，该图为本申请实施例提供的又一种数据处理方法的流程图，该方法包括：
S301、电子设备向用户展示第m个问题以及第m个问题对应的多个候选答案。
在一些实施例中，该问题可以是心理测评问卷中的问题，电子设备可以通过显示设备向用户展示用于心理测评的第m个问题。如图4所示，该图为本申请实施例提供的一种第一界面的示意图。该第一界面包括问卷的问题310以及问题号320。
需要说明的是，图4仅仅是一种展示用于心理测评的问题的示例，本领域技术人员还可以通过其他方式展示该问题。
延续上例，电子设备在第一界面完成展示第m个问题后，可以切换到第二界面，该第二界面用于展示该第m个问题对应的候选答案。
在一些示例中，可以在该第二界面，通过闪烁的方式，依次展示第m个问题对应的多个候选答案。以4个候选答案为例，先闪烁第一个候选答案，再闪烁第二个候选答案，再闪烁第三个候选答案，最后闪烁第四个候选答案。
如图5所示，该图为本申请实施例提供的一种展示候选答案的示意图。在该示例中，电子设备每次仅展示一个候选答案，如在展示第一个候选答案过程中，不展示其他候选答案；在展示第二个候选答案过程中，不展示其他候选答案，从而便于用户针对目标答案集中注意力。其中，图5中“A、xxx”、“B、xxx”、“C、xxx”以及“D、xxx”均表示候选答案。
在另一些示例中，可以将第二界面分为多个区域，区域的个数与候选答案的个数相同，延续上例，将第二界面分为四个区域。电子设备先确定多个候选答案中每个候选答案对应的展示区域。如图6所示，该图为本申请实施例提供的一种展示区域的示意图。第一个候选答案可以在第一区域501进行展示，第二个候选答案可以在第二区域502进行展示，第三个候选答案可以在第三区域503进行展示，第四个候选答案可以在第四区域504进行展示。
在确定候选答案对应的展示区域后，在每个候选答案各自对应的展示区域，向用户依次展示第m个问题的候选答案。
例如，电子设备先控制第一区域501闪烁，展示第一候选答案，然后控制第二区域502闪烁，展示第二候选答案，直至完成全部候选答案的展示。在一些示例中，为了提高用户对目标答案的注意力强度，还可以进行多轮展示候选答案。
需要说明的是，电子设备在控制第一区域501闪烁过程中，可以不展示其他区域，也可以展示其他区域。例如电子设备仅控制第一区域501闪烁，第二区域502、第三区域503和第四区域504处于黑屏状态；再例如，电子设备控制第一区域501闪烁，第二区域502、第三区域503和第四区域504不闪烁，但显示候选答案。
在一些实施例中，电子设备也可以不切换到第二界面，而是在第一界面展示第m个问题的多个候选答案，两种方式的区别在于，在展示候选答案的过程中，同时展示该第m个问题，例如在第一界面的顶部展示第m个问题，具体内容与在第二界面展示候选答案相类似，此处不在赘述。
S302、在向用户展示多个候选答案过程中，电子设备获取用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像。
数据信号可以是脑电信号，数据信号可以通过上述数据信号检测设备进行检测得到。面部图像可以是用户面部的图像，通过用户面部的图像，可以确定用户是否集中注意力注视候选答案。用户在注视候选答案过程中，会产生数据信号，与数据信号对应的面部图像是指产生该数据信号时，用户面部的图像。例如，用户注视第一候选答案时，用户会产生数据信号，此时上述显示设备可以对用户进行拍摄，得到用户的面部图像。
在向用户展示多个候选答案过程中，通过对候选答案进行闪烁，能够对用户产生一系列的视觉刺激，即，视觉刺激序列，其中，用户所关注的目标答案对应的数据信号称为靶刺激，用户不关注的其他候选答案对应的数据信号称为非靶刺激。
靶刺激会在用户的数据信号中诱发P300的事件相关电位成分，通过对P300的事件相关电位成分进行检测，可以确定用户关注的答案是哪一个。
其中，P300是一种数据信号中的正电成分，通常是在刺激后300毫秒左右出现的。P300事件是一种脑电生理学中的事件相关电位（ERP），是在特定认知任务中观察到的一种电生理学响应。P300事件通常在一些认知任务中引起，特别是在需要注意、记忆或作出决策的情境下。当用户注意到任务中的目标刺激时，就会观察到P300事件。P300事件被广泛用于研究认知神经科学、脑机接口和其他相关领域。它反映了大脑对于任务相关信息的处理，特别是与注意、记忆和决策等认知过程有关。
S303、电子设备根据数据信号以及数据信号对应的面部图像，从数据信号中确定目标信号。
在一些实施例中，电子设备可以从数据信号中筛选出第一信号，该第一信号对应的面部图像表征用户正在注视第一信号对应的候选答案，也就是说，第一信号中的信号，均是在用户注视该候选答案的情况下得到的。在一些示例中，可以通过面部识别算法，识别用户是否在注视候选答案，如果用户正在注视候选答案，则对该候选答案对应的数据信号进行保留，如果用户没有正在注视候选答案，则丢弃该候选答案对应的数据信号。在得到第一信号后，可以对第一信号中的信号进行评分，然后再次进行筛选，将评分最高的信号确定为目标信号。
需要说明的是，可以预先由引导人员引导用户注视屏幕区域，分别采集用户注视屏幕时的眼部图像（可以先采集用户的面部图像，再从面部图像中提取眼部图像）以及用户未注视屏幕时的眼部图像。然后利用这组注视屏幕的眼部图像以及未注视屏幕时的眼部图像，对预先训练的识别模型进行修正。
其中，识别模型可以是基于历史数据训练得到，历史数据包括正样本数据和负样本数据，正样本数据为样本用户注视屏幕时的眼部图像，即，特征为样本用户注视屏幕时的眼部图像，标签为注视屏幕；负样本数据为样本用户未注视屏幕时的眼部图像，即，特征为样本用户未注视屏幕的眼部图像，标签为未注视屏幕。
在利用上述用户（即被测用户）注视屏幕和未注视屏幕的眼部图像对上述识别模型进行修正后，可以使得该识别模型对该用户更适应、更匹配，从而使得对该用户是否在注视屏幕的识别结果更加准确。
在另一些实施例中，在采集用户注视屏幕时的眼部图像以及用户未注视屏幕时的眼部图像后，还可以由专家对用户的眼部图像进行打分，分数越高表征用户注视屏幕的可能性越大。然后再利用眼部图像以及对应的分数，对预先训练的识别模型进行修正。与上述实施例中的识别模型的区别在于，用于训练该识别模型的正样本数据为样本用户注视屏幕时的眼部图像以及该眼部图像对应的分数（该分数高于预设分数阈值），正样本数据的特征为样本用户注视屏幕的眼部图像，标签为该眼部图像对应的分数；负样本数据为样本用户未注视屏幕时的眼部图像以及该眼部图像对应的分数（该分数低于或等于预设分数阈值），负样本数据为样本用户未注视屏幕的眼部图像，标签为该眼部图像对应的分数。
例如，将用户的眼部图像输入给识别模型后，该识别模型也可以输出80分，再将输出结果与预设分数阈值进行比较，如果输出结果的分数超过预设分数阈值，则确定用户正在注视屏幕区域，例如预设分数阈值可以60分。
在一些实施例中，电子设备可以对数据信号进行评分得到第一评分，对数据信号对应的面部图像进行评分得到第二评分，将第一评分和第二评分之和最高的信号确定为目标信号。在该实施例中，电子设备分别对数据信号以及面部图像进行评分，然后综合两者的分数，将综合评分（第一评分和第二评分之和）最高的信号确定为目标信号。
下面介绍电子设备如何对面部图像进行评分。
在一些示例中，电子设备通过面部图像确定用户正在注视候选答案的过程中，还可以获取用户注视该候选答案的时长（例如可以是连续注视的时长、也可以是分段注视时长之和），用户指数候选答案的时长越长，说明用户对候选答案的注意力程度越大，因此可以将该时长与预设时长阈值进行比较，当用户注视候选答案的时长超过了预设时长阈值，则表明用户投注了足够的注意程度。示例性的，可以预先设置第二评分与时长的映射关系，时长越长，评分越高。
下面介绍电子设备如何对数据信号进行评分。
在一些实施例中，电子设备可以通过数据信号检测设备确定用户针对第m个问题的每个候选答案对应的数据信号，然后在对各个数据信号进行向量化，得到用户针对第m个问题的每个候选答案对应的数据向量。例如、/>、/>和/>。在得到各个候选答案对应的数据向量后，可以对各个数据向量进行评分，得到评分结果。
如果是采集了多轮数据信号的情况下，电子设备可以分别对多轮数据信号进行向量化，得到多轮数据向量，例如第一轮各个候选答案对应的数据向量为、/>、/>、/>，第二轮各个候选答案对应的数据向量为/>、/>、/>、/>，以此类推，可以得到多轮数据向量。再分别得到各个数据向量的评分结果，然后将属于第一个候选答案的评分结果进行平均，得到第一候选答案对应的数据向量的评分，基于类似的处理方式，可以得到每个候选答案对应的数据向量的评分。
然后基于上述评分结果，将分数最高的数据向量对应的数据信号确定为针对第m个问题的靶刺激。
在一些实施例中，电子设备可以通过以下公式对各个数据向量进行评分：
其中，为第i个数据向量的评分，/>为第i个数据向量，/>为投影向量，该投影向量基于样本数据向量确定。需要说明的是，上述计算数据向量的分数过程，可以应用到机器学习模型中。
在一些可能的实现方式中，该样本数据向量包括正样本数据向量和负样本数据向量；电子设备可以通过以下公式确定投影向量：
其中，为投影向量，所述/>表示负样本数据向量，/>为负样本数据向量中的第j个数据向量，/>表示正样本数据向量，/>为正样本数据向量中的第j个数据向量，/>为中间量，/>表示负样本数据向量的均值向量，/>表示正样本数据向量的均值向量。
在得到每个数据向量的评分后，电子设备可以通过以下公式确定第m个问题的靶刺激：
其中，表示第m个问题的靶刺激，/>为第j轮的第i个数据向量的评分，N表示总轮数。
在一些实施例中，电子设备在确定分数最高的数据向量（即目标向量）之后，还可以确定该分数最高的数据向量所对应的置信度。只有在该分数最高的数据向量所对应的置信度大于置信度阈值的情况下，电子设备才会将分数最高的数据向量确定为针对该第m个问题的靶刺激。
其中，电子设备在计算数据向量的分数的同时，还可以计算该分数对应的置信度，具体可以通过贝叶斯准则来计算数据向量的分数的置信度：
其中，tar和non分别代表靶刺激和非靶刺激，D为判别器输出，即上述数据信号的分数，为靶刺激对应的先验概率，/>为非靶刺激对应的先验概率，/>为靶刺激的条件概率，/>为非靶刺激的条件概率，/>和/>均可以通过样本数据向量对应的数据集进行估计得到。/>则为当判别器输出的分数为D时，该判别为靶刺激的后验概率，即，置信度。
电子设备在得到置信度后，可以与置信度阈值进行比较，如果该置信度大于置信度阈值，则表示用户在关注目标答案的专注度足够高，数据信号特征强度足够强；如果置信度小于或等于置信度阈值，则表示用户在关注目标答案的专注度较差，数据信号特征强度较弱，不能反应用户的真实意愿。
S304、电子设备将目标信号对应的候选答案，确定为用户所选择的目标答案。
电子设备在得到第m个问题的靶刺激后，可以确定用户对第m个问题的目标答案。示例性的，可以基于数据信号与候选答案之间的对应关系，确定该靶刺激对应的目标答案。例如，第一个候选答案对应的数据信号为数据信号一，并且该数据信号一为第m个问题对应的靶刺激，此时通过上述对应关系，确定该靶刺激与第一个候选答案对应，该第一个候选单案为用户选择的目标答案。
需要说明的是，上述方式仅仅是通过靶刺激确认目标答案的一种示例，本领域技术人员可以基于实际应用选择其他方式，确定目标答案。
在一些实施例中，如果第m个问题为最后一个问题，则根据前m个问题各自对应的目标答案，生成用户的评分。例如如果第m个问题为用于心理测评的最后1个问题，则电子设备根据前m个问题各自对应的目标答案，生成用户的心理测评结果。
在另一些实施例中，如果第m个问题不是最后一个问题，则向用户展示第m+1个问题，直至确定用户针对最后一个问题的目标答案，根据全部问题对应的目标答案，生成用户的评分。
示例性的，电子设备确定第m个问题对应的目标答案后，可以判断该第m个问题是否为用于心理测评的最后一个问题，如果是，则电子设备根据前m个问题各自对应的目标答案，生成用户的心理测评结果；如果不是，则电子设备向用户展示用于心理测评的第m+1个问题，直至确定用户对最后1个问题的目标答案，根据全部问题对应的目标答案，生成用户的心理测评结果。
在该过程中，只有用户完成第m个问题的选择后，电子设备才向用户展示第m+1个问题，如果用户的注意力无法集中，将无法完成心理测评，也就不会生成心理测评结果，从而保证所生成的心理测评结果，均是用户注意力集中的情况下生成的，进而提高心理测评结果的准确度。
基于上述内容描述，本申请提供了一种数据处理方法，该方法包括获取用户对用于心理测评的问卷产生的数据信号，该用户只能通过对用于心理测评的问卷产生的数据信号对问卷进行作答，对数据信号进行分析，得到用户的注意力集中程度大于预设程度阈值时对应的作答结果，基于用户的作答结果，生成用户的心理测评结果。在该方法中，要求用户将注意力集中在自己所选择的答案上，这样通过用户的数据信号，确定用户所选择的答案，避免了用户为了快速完成问卷而随意作答的情况，从而在一定程度上，使用户所选择的答案更符合该用户的真实意愿，进而能够提高用户的心理测评结果的准确度。
上文结合图1至图6对本申请实施例提供的数据处理方法进行了详细介绍，下面将结合附图对本申请实施例提供的装置、设备进行介绍。
如图7所示，该图为本申请实施例提供的一种数据处理装置的示意图，该数据处理装置600包括：
展示模块601，用于向用户展示第m个问题以及所述第m个问题对应的多个候选答案；
获取模块602，用于在向所述用户展示多个候选答案过程中，获取所述用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像；
处理模块603，用于根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号；将所述目标信号对应的候选答案，确定为所述用户所选择的目标答案。
在一些可能的实现方式中，所述处理模块603，具体用于从所述数据信号中筛选出第一信号，所述第一信号对应的面部图像表征所述用户正在注视所述第一信号对应的候选答案；从所述第一信号中筛选出评分最高的目标信号。
在一些可能的实现方式中，所述处理模块603，具体用于对所述数据信号进行评分得到第一评分，对所述数据信号对应的面部图像进行评分得到第二评分；将所述第一评分和第二评分之和最高的信号确定为目标信号。
在一些可能的实现方式中，所述装置还包括：生成模块；
所述生成模块，用于如果所述第m个问题为最后一个问题，则根据前m个问题各自对应的目标答案，生成所述用户的评分。
在一些可能的实现方式中，所述装置还包括：生成模块；
所述生成模块，用于如果所述第m个问题不是最后一个问题，则向所述用户展示第m+1个问题，直至确定所述用户针对最后一个问题的目标答案，根据全部问题对应的目标答案，生成所述用户的评分。
在一些可能的实现方式中，所述展示模块601，具体用于确定多个候选答案中每个候选答案对应的展示区域；在每个候选答案各自对应的展示区域，向所述用户展示所述第m个问题对应的每个候选答案。
在一些可能的实现方式中，所述处理模块603，具体用于对各个候选答案对应的数据信号进行向量化，得到所述用户针对第m个问题的每个候选答案对应的数据向量；对各个数据向量进行评分，得到第一评分。
在一些可能的实现方式中，所述处理模块603，还用于确定分数最高的数据向量所对应的置信度，所述置信度与所述用户的注意力集中程度正相关，具体用于如果所述分数最高的数据向量对应的置信度大于置信度阈值，将分数最高的数据向量对应的数据信号确定为目标信号。
在一些可能的实现方式中，所述处理模块603，具体用于通过以下公式确定第i个数据向量的评分：
其中，为第i个数据向量的评分，/>为第i个数据向量，/>为投影向量，所述投影向量基于样本数据向量确定。
在一些可能的实现方式中，所述样本数据向量包括正样本数据向量和负样本数据向量；所述获取模块通过以下公式确定投影向量：
其中，为投影向量，所述/>表示负样本数据向量，/>为负样本数据向量中的第j个数据向量，/>表示正样本数据向量，/>为正样本数据向量中的第j个数据向量，/>为中间量，/>表示负样本数据向量的均值向量，/>表示正样本数据向量的均值向量。
根据本申请实施例的数据处理装置600可对应于执行本申请实施例中描述的方法，并且数据处理装置600的各个模块/单元的上述其它操作和/或功能分别为了实现图2或图3所示实施例中的各个方法的相应流程，为了简洁，在此不再赘述。
本申请实施例还提供了一种计算设备，该计算设备具体用于实现如图7所示实施例中数据处理装置600的功能。如图8所示，该图为本申请实施例提供的一种计算设备的结构示意图，如图8所示，计算设备700包括总线701、处理器702、通信接口703和存储器704。处理器702、存储器704和通信接口703之间通过总线701通信。
总线701可以是外设部件互连标准（peripheral component interconnect，PCI）总线或扩展工业标准结构（extended industry standard architecture，EISA）总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器702可以为中央处理器(central processing unit，CPU)、图形处理器（graphics processing unit，GPU）、微处理器（micro processor，MP）或者数字信号处理器（digital signal processor，DSP）等处理器中的任意一种或多种。
通信接口703用于和外部通信。例如，通信接口703可以用于和数据信号检测设备进行通信，获取其检测的数据信号。
存储器704可以包括易失性存储器(volatile memory)，例如随机存取存储器(random access memory，RAM)。存储器704还可以包括非易失性存储器(non-volatilememory)，例如只读存储器(read-only memory，ROM)，快闪存储器，硬盘驱动器（hard diskdrive，HDD）或固态驱动器（solid state drive，SSD）。
存储器704中存储有可执行代码，处理器702执行该可执行代码以执行前述数据处理方法。
具体地，在实现图7所示实施例的情况下，且图7实施例中所描述的数据处理装置600的各模块或单元为通过软件实现的情况下，执行图7中的各模块/单元功能所需的软件或程序代码可以部分或全部存储在存储器704中。处理器702执行存储器704中存储的各单元对应的程序代码，执行前述数据处理方法。
本申请实施例还提供了一种计算机可读存储介质。所述计算机可读存储介质可以是计算设备能够存储的任何可用介质或者是包含一个或多个可用介质的数据中心等数据存储设备。所述可用介质可以是磁性介质（例如软盘、硬盘、磁带）、光介质（例如DVD）、或者半导体介质（例如固态硬盘）等。该计算机可读存储介质包括指令，所述指令指示计算设备执行上述应用于数据处理装置600的数据处理方法。
本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括一个或多个计算机指令。在计算设备上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。
所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机或数据中心进行传输。
所述计算机程序产品被计算机执行时，所述计算机执行前述数据处理方法的任一方法。该计算机程序产品可以为一个软件安装包，在需要使用前述数据处理方法的任一方法的情况下，可以下载该计算机程序产品并在计算机上执行该计算机程序产品。
上述各个附图对应的流程或结构的描述各有侧重，某个流程或结构中没有详述的部分，可以参见其他流程或结构的相关描述。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种数据处理方法，其特征在于，所述方法包括：
向用户展示第m个问题以及所述第m个问题对应的多个候选答案；
在向所述用户展示多个候选答案过程中，获取所述用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像；
根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号；
将所述目标信号对应的候选答案，确定为所述用户所选择的目标答案。
2.根据权利要求1所述的方法，其特征在于，所述根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号，包括：
从所述数据信号中筛选出第一信号，所述第一信号对应的面部图像表征所述用户正在注视所述第一信号对应的候选答案；
从所述第一信号中筛选出评分最高的目标信号。
3.根据权利要求1所述的方法，其特征在于，所述根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号，包括：
对所述数据信号进行评分得到第一评分，对所述数据信号对应的面部图像进行评分得到第二评分；
将所述第一评分和第二评分之和最高的信号确定为目标信号。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如果所述第m个问题为最后一个问题，则根据前m个问题各自对应的目标答案，生成所述用户的评分。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如果所述第m个问题不是最后一个问题，则向所述用户展示第m+1个问题，直至确定所述用户针对最后一个问题的目标答案，根据全部问题对应的目标答案，生成所述用户的评分。
6.根据权利要求1所述的方法，其特征在于，所述第m个问题对应的多个候选答案的展示方式，包括：
确定多个候选答案中每个候选答案对应的展示区域；
在每个候选答案各自对应的展示区域，向所述用户展示所述第m个问题对应的每个候选答案。
7.根据权利要求3所述的方法，其特征在于，所述对所述数据信号进行评分得到第一评分，包括：
对各个候选答案对应的数据信号进行向量化，得到所述用户针对第m个问题的每个候选答案对应的数据向量；
对各个数据向量进行评分，得到第一评分。
8.一种数据处理装置，其特征在于，所述装置包括：
展示模块，用于向用户展示第m个问题以及所述第m个问题对应的多个候选答案；
获取模块，用于在向所述用户展示多个候选答案过程中，获取所述用户针对每个候选答案所产生的数据信号以及每个数据信号对应的面部图像；
处理模块，用于根据所述数据信号以及所述数据信号对应的面部图像，从所述数据信号中确定目标信号；将所述目标信号对应的候选答案，确定为所述用户所选择的目标答案。
9.一种计算设备，其特征在于，包括存储器和处理器；
其中，在所述存储器中存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令；当所述指令被所述处理器执行时，使得所述计算设备执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410165076.3A CN117708391B (zh) | 2024-02-05 | 2024-02-05 | 一种数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410165076.3A CN117708391B (zh) | 2024-02-05 | 2024-02-05 | 一种数据处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117708391A true CN117708391A (zh) | 2024-03-15 |
| CN117708391B CN117708391B (zh) | 2024-05-17 |
Family
ID=90152014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410165076.3A Active CN117708391B (zh) | 2024-02-05 | 2024-02-05 | 一种数据处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117708391B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108509463A (zh) * | 2017-02-28 | 2018-09-07 | 华为技术有限公司 | 一种问题的应答方法及装置 |
| CN109767321A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 问答过程优化方法、装置、计算机设备和存储介质 |
| CN110457432A (zh) * | 2019-07-04 | 2019-11-15 | 平安科技（深圳）有限公司 | 面试评分方法、装置、设备及存储介质 |
| CN111209432A (zh) * | 2020-01-02 | 2020-05-29 | 北京字节跳动网络技术有限公司 | 信息获取的方法、装置、电子设备及计算机可读介质 |
| CN113407696A (zh) * | 2021-06-25 | 2021-09-17 | 腾讯科技（深圳）有限公司 | 收集表处理方法、装置、设备以及存储介质 |
| CN113806500A (zh) * | 2021-02-09 | 2021-12-17 | 京东科技控股股份有限公司 | 信息处理方法、装置和计算机设备 |
| CN114129165A (zh) * | 2021-12-10 | 2022-03-04 | 北京邮电大学 | 一种基于可信评估量表的心理测评方法、系统及存储介质 |
-
2024
- 2024-02-05 CN CN202410165076.3A patent/CN117708391B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108509463A (zh) * | 2017-02-28 | 2018-09-07 | 华为技术有限公司 | 一种问题的应答方法及装置 |
| CN109767321A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 问答过程优化方法、装置、计算机设备和存储介质 |
| CN110457432A (zh) * | 2019-07-04 | 2019-11-15 | 平安科技（深圳）有限公司 | 面试评分方法、装置、设备及存储介质 |
| CN111209432A (zh) * | 2020-01-02 | 2020-05-29 | 北京字节跳动网络技术有限公司 | 信息获取的方法、装置、电子设备及计算机可读介质 |
| CN113806500A (zh) * | 2021-02-09 | 2021-12-17 | 京东科技控股股份有限公司 | 信息处理方法、装置和计算机设备 |
| CN113407696A (zh) * | 2021-06-25 | 2021-09-17 | 腾讯科技（深圳）有限公司 | 收集表处理方法、装置、设备以及存储介质 |
| CN114129165A (zh) * | 2021-12-10 | 2022-03-04 | 北京邮电大学 | 一种基于可信评估量表的心理测评方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117708391B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11330977B2 (en) | Digital visual acuity eye examination for remote physician assessment | |
| Kanan et al. | Humans have idiosyncratic and task-specific scanpaths for judging faces | |
| Sharma et al. | Predicting learners' effortful behaviour in adaptive assessment using multimodal data | |
| Hsiao et al. | Two fixations suffice in face recognition | |
| US20200178876A1 (en) | Interactive and adaptive learning, neurocognitive disorder diagnosis, and noncompliance detection systems using pupillary response and face tracking and emotion detection with associated methods | |
| KR102214402B1 (ko) | 모바일 기반 맞춤형 정신건강관리시스템 및 그 시스템을 이용한 정신건강관리방법 | |
| Rigas et al. | Current research in eye movement biometrics: An analysis based on BioEye 2015 competition | |
| US11475788B2 (en) | Method and system for evaluating and monitoring compliance using emotion detection | |
| CN108888277B (zh) | 心理测试方法、系统及终端设备 | |
| Roads et al. | Using highlighting to train attentional expertise | |
| Rigas et al. | Towards a multi-source fusion approach for eye movement-driven recognition | |
| Dunn et al. | Face-information sampling in super-recognizers | |
| CN112614583A (zh) | 抑郁等级测试系统 | |
| CN114129165A (zh) | 一种基于可信评估量表的心理测评方法、系统及存储介质 | |
| CN115862868A (zh) | 心理测评系统、平台、电子设备及存储介质 | |
| JP7099377B2 (ja) | 情報処理装置及び情報処理方法 | |
| Koskinen et al. | Combined gaze metrics as stress-sensitive indicators of microsurgical proficiency | |
| Yankouskaya et al. | Self-bias modulates saccadic control | |
| Abdulin et al. | Person verification via eye movement-driven text reading model | |
| Duran et al. | Foveal processing of emotion-informative facial features | |
| CN117708391B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| RU2640709C1 (ru) | Способ оценки знаний учащегося при компьютерном тестировании | |
| CN116301473A (zh) | 基于虚拟现实的用户行为预测方法、装置、设备及介质 | |
| US20230360548A1 (en) | Assist system, assist method, and assist program | |
| CN115223232A (zh) | 一种眼健康综合管理系统 |
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 |