一种基于脑机接口技术的人格特质测量方法及设备

摘要

本发明实施例提供一种基于脑机接口技术的人格特质测量方法及设备。所述方法包括：获取被测者在观看诱发素材时产生的脑电数据；对所述脑电数据进行电位分析，获得电位响应参数；根据所述电位响应参数，利用人格特质测量模型获得所述被测者对应的人格特质指标。所述设备用于执行所述方法。本发明实施例通过获取被测者在观看诱发素材时产生的脑电数据，并对脑电数据进行电位信息，获得电位响应参数，根据电位响应参数利用人格特质测量模型获得人格特质指标，对被测者人格特质进行了客观的测量，提高了测量的准确性。

说明书

技术领域

本发明实施例涉及人机交互及心理学技术领域，尤其涉及一种基于脑机接口技术的人格特质测量方法及设备。

背景技术

人格是构成一个人的思想、情感与行为的独特模式，这个独特模式包含了一个人区别于他人的稳定而统一的典型心理特质。目前的主流人格特质测量技术主要分为自陈量表、投射测验与情境测验三类。

自陈量表是让受测对象根据自己的想法对自己的人格特质进行评价。这一测量方式很容易受到社会赞许性的影响，尤其当目标个体处于选拔竞争等环境时，更易受到主观伪饰的干扰。投射测试是让受测者对意义模糊的材料进行自由阐述，施测者据此推论其人格特质。这一测量方式缺乏客观的评价标准，很大程度上受到施测者个人水平或倾向的影响，且需耗费大量时间。情境测验是让受测者处于某种特定的情境中，施测者观察其反应从而推断其人格特质。这一测量方式同样缺乏客观的评价标准，并且需要耗费大量的时间与人力成本。建立更加客观与自动化的人格特质测量方法，在人事甄选、职业规划等领域具有十分重要的价值。

因此，如何准确、客观地对人格特质进行测量是现如今亟待解决的课题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于脑机接口技术的人格特质测量方法及设备。

第一方面，本发明实施例提供一种基于脑机接口技术的人格特质测量方法，包括：

获取被测者在观看诱发素材时产生的脑电数据；

对所述脑电数据进行电位分析，获得电位响应参数；

根据所述电位响应参数，利用人格特质测量模型获得所述被测者对应的人格特质指标。

第二方面，本发明实施例提供一种媒体服务器，包括：处理器、存储器和总线，其中，

所述处理器和所述存储器通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法步骤。

第三方面，本发明实施例提供一种非暂态计算机可读存储介质，包括：

所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述方法步骤。

本发明实施例提供的一种基于脑机接口技术的人格特质测量方法及设备，通过获取被测者在观看诱发素材时产生的脑电数据，并对脑电数据进行电位信息，获得电位响应参数，根据电位响应参数利用人格特质测量模型获得人格特质指标，对被测者人格特质进行了客观的测量，提高了测量的准确性。

附图说明

为了更清楚地说明本发明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进行简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于脑机接口技术的人格特质测量方法流程示意图；

图2为本发明实施例提供的一种基于脑机接口技术的人格特质测量设备结构示意图；

图3为本发明实施例提供的一种基于脑机接口技术的人格特质测量设备实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的一种基于脑机接口技术的人格特质测量方法流程示意图，如图1所示，所述方法，包括：

步骤101：获取被测者在观看诱发素材时产生的脑电数据；

具体地，认知神经科学领域发现，不同人格特质的人在面对特定外界刺激时具有不同的脑电响应模式，比如内向者与外向者在面对同样的情绪诱发刺激(如图片、声音、文字等)时会激发出不同模式的脑电信号。对人格特质敏感的代表性脑电响应包括，刺激出现后200ms左右的早期后部负成分(Early Posterior Negativity,EPN)、400ms左右的晚期正成分(Late Positive Potential,LPP)、400-700ms的晚期负成分N400等。通过对受测者面对特定外界刺激时的这些具有不同时间、空间特点的脑电响应模式的有效识别，有望实现对不同人格特质的受测者的有效区分。

脑机接口技术是一种通过识别不同脑神经活动模式来实现实时心理与认知状态识别的工程心理学技术。针对本发明应用场景，可通过运用一系列脑神经信号特异的特征提取与机器学习方法，对情绪诱发刺激下的脑电信号中包含的个体特异的人格特质信息进行快速、准确识别，实现人格特质的自动测量。

被测者在观看素材库中的诱发素材时，获取其产生的脑电数据，为有效诱发相关脑电响应，获取到有效的脑电数据，每个诱发素材呈现时间不超过200ms，诱发素材与诱发素材之间的呈现时间间隔控制在1-2秒之间。

步骤102：对所述脑电数据进行电位分析，获得电位响应参数；

具体地，当被测者看到带有不同情绪的诱发素材后在大脑中会有不同的反应，该反应可以通过脑电数据来反映，脑电数据是随时间变化的脑电信号，对获取到的脑电数据进行电位分析，其中，可以按照特定顺序向受测者呈现上述素材并记录受测者观看素材时的脑电信号，然后选取每个诱发素材呈现后一定时间窗长内的脑电数据，并通过降采样、峰值计算等方法提取该时间窗内的电位响应参数，其中每个诱发素材呈现后都会对应多个电位响应参数，给被测者呈现多个诱发素材，从而可知，电位响应参数有很多。

步骤103：根据所述电位响应参数，利用人格特质测量模型获得所述被测者对应的人格特质指标。

具体地，将获得到的电位响应参数作为输入，输入到人格特质测量模型中，人格特质测量模型会根据输入的电位响应参数进行分析计算，最终输出被测者对应的人格特质指标，其中，人格特质可以是多维的。

本发明实施例通过获取被测者在观看诱发素材时产生的脑电数据，并对脑电数据进行电位信息，获得电位响应参数，根据电位响应参数利用人格特质测量模型获得人格特质指标，对被测者人格特质进行了客观的测量，提高了测量的准确性。

在上述实施例的基础上，所述方法，还包括：

获取多个所述诱发素材，根据多个所述诱发素材构建素材库；其中，每一个所述诱发素材包括图片、声音或文字。

具体地，获取具有不同情绪信息的图片、声音或词汇作为诱发素材，其中可以从网络上获取，也可以从其他地方获取，本发明实施例对此不作具体限定，且诱发素材的个数不少于400个，这400个诱发素材中有一部分为图片，有一部分为声音，有一部分为词汇，应当说明的是，还可以选择其他情绪信息的图片、声音或文字，本发明实施例对此不作具体限定。将获取到的多个诱发素材放入素材库中。

本发明实施例通过构建素材库，素材库中包括多种情绪信息的诱发素材，并为被测者呈现这些诱发素材来获得被测者的脑电数据，从而实现了对被测者人格特质的自动化测量。

在上述实施例的基础上，所述方法，还包括：

根据情绪的正负性和情绪的强烈程度将所述诱发素材进行分类。

具体地，经典情绪信息有两个维度，即效价和唤起度，其中效价表征情绪的正负性，正情绪表示积极，负情绪表示消极，唤起度表征情绪的强烈程度，因此，可以将素材库中的诱发素材分为了四类，即高效价-低唤起、高效价-高唤起、低效价-高唤起、低效价-低唤起。每个维度的诱发素材各有至少100个。

本发明实施例通过将诱发素材根据情绪的正负性和强烈程度进行分类，从而能够更加清晰地反映不同类型的诱发情绪对被测者的影响。

在上述实施例的基础上，所述方法，还包括：

获取多名已经被标定所述人格特质指标的训练者在观看所述诱发素材时产生的所述脑电数据；

对所述脑电数据进行所述电位分析，获得所述脑电数据对应的所述电位响应参数；

根据所述电位响应参数对所述人格特质测量模型进行训练。

具体地，同时或分别采集至少100位已经被标定人格特质指标的训练者在观看呈现的诱发素材时产生的脑电数据，被标定人格特质指标是指已经能够确认该训练者对应的各个人格特质指标。对脑电数据进行电位分析，从而能够得到对应的电位响应参数，此时，便获取到了100个训练数据，根据这100个训练数据对人格特质测量模型进行训练，从而确定该人格特质测量模型中的加权组合系数。应当说明的是，可以通过这100个训练者的人格特质指标为因变量建立多元回归方程，从而通过学习来得到人格特质测量模型中的加权组合系数。

本发明实施例通过对模型进行训练，从而进一步提高了对被测者的人格特质指标测量的准确性。

在上述实施例的基础上，所述人格特质指标，包括：外倾性指标、神经质指标、开放性指标、宜人性指标和尽责性指标。

具体地，经过人格特质测量模型输出的人格特质指标包括外倾性指标、神经质指标、开放性指标、宜人性指标和尽责性指标，其中，外倾性指标表示人格的外向水平；神经质水平表示人格情绪的稳定水平；开放性指标表示人格的开放水平；宜人性指标表示人格的亲和水平；尽责性指标表示人格的审慎水平。其中，以上各种人格特质指标可以用得分来表示，应当说明的是，人格特质还可以包括其他维度的人格特质，本发明实施例对此不作具体限定。

本发明实施例从外倾性指标、神经质指标、开放性指标、宜人性指标和尽责性指标来对被测者进行人格特质测量，通过客观的脑电数据避免了测量结果受到被测者的伪装或施测者的个人能力与倾向的影响，对人格特质进行更加准确、真实的评估，对人事甄选、职业规划等领域具有重要的应用意义。

在上述实施例的基础上，所述获取被测者在观看诱发素材时产生的脑电数据，包括：

从多个电极通道中获取所述被测者在观看所述诱发素材时产生的所述脑电数据。

具体地，为了能够获取到被测者不同脑区在观看到诱发素材后的脑电数据，可以从多个电极通道对应的脑电数据，例如，获取8通道脑电数据，其中，8个通道覆盖的电极包括F_Z、C_Z、P_Z、O_Z、O₁、O₂、C₃、C₄、F₃和F₄，其采样频率不低于200H_Z。应当说明的是，还可以从更多的电极通道来获取被测者对应的脑电数据，本发明对从几个电极通道获取不作具体限定。

本发明实施例通过从多个电极通道获取被测者在观看诱发素材时产生的脑电数据，从而获得了处于不同脑区的人格特质相关的脑电反应，提高了对被测者人格特质测量的准确性和客观性。

在上述实施例的基础上，所述对所述脑电数据进行电位分析，获得电位响应参数，包括：

根据预设规则，获取所述脑电数据中的多个数据段，对所述数据段进行电位分析，获得所述电位响应参数，所述电位响应参数包括峰值、潜伏期和所述数据段上指定时刻对应的幅度值。

具体地，由于在给被测者观看素材库中的诱发素材时，诱发素材是一个一个呈现给被测者的，且每个诱发素材呈现的时间可以为200ms，两个诱发素材呈现的时间间隔可以为1-2秒，被测者的脑电数据是被测者观看所有诱发素材时产生脑电数据，在该脑电数据的基础上，将脑电数据与诱发素材出现的时刻进行对齐，根据预设规则，获取脑电数据中的多个数据段，其中，诱发素材呈现后200ms左右的早期后部负成分(Early PosteriorNegativity,EPN)、400ms左右的晚期正成分(Late Positive Potential,LPP)、400-700ms的晚期负成分N400是我们需要重点关注的，因此，可以获取每个素材呈现之后的150-250ms、350-450ms、400-700ms的脑电数据段，应当说明的是还可以根据实际情况对数据段的选择进行调整，本发明实施例对此不作具体限定。

在选择出多个数据段后，对每个数据段进行电位分析，例如，可以进行降采样、峰值计算等方法来获得每个数据段上的电位响应参数，由于电位分析方法有多种，每种分析方法都可以选择出多个电位响应参数，例如，电位响应参数可以为峰值、潜伏期、指定时刻对应的幅度值等等。由于将素材库中的诱发素材分为了四类，可以从脑电数据中获取属于同一类的诱发素材对应的数据段，并对该数据段进行电位分析，每一个诱发素材都可以得到多个电位响应参数，将属于同一类的多个诱发素材对应的同一个电位响应参数进行均值处理，作为该类诱发素材对应的某一电位响应参数的具体数值。

例如：属于第一类的有10个诱发素材，获取被测者在观看了诱发素材之后的，第一通道产生的脑电数据，从该脑电数据中获取这10个诱发素材对应的数据段，假设，均获取观看诱发素材之后1秒内的数据段，并对该数据段进行电位分析，分析后可以获取到这个10个数据段对应的峰值，将这10个数据段的峰值进行平均计算，获得峰值的均值，此时，该峰值的均值即为一个电位响应参数。

另外，在利用人格特质模型测量出被测者的人格特质指标后，可以与标准人群的对应人格特质指标进行统计比较，即可取得该被测者的各项人格特质在标准人群中的相对水平，并可对该被测者的人格特质进行进一步的解读。

本发明实施例通过对脑电数据进行电位分析，获取到多个电位响应参数，根据电位响应参数，利用人格特质测量模型输出被测者的人格特质指标，对被测者人格特质进行了客观的测量，提高了测量的准确性。

在上述各实施例的基础上，所述人格特质测量模型，包括：

P_i＝a_i1f_i1+a_i2f_i2+...+a_ikf_ik，其中：

P_i为所述被测者第i项对应的所述人格特质指标，i>0，a_i1,a_i2,…,a_ik为加权组合系数，f_i1,f_i2,…,f_ik为所述电位响应参数，k为所述电位响应参数的个数，k>0。

具体地，将电位分析后得到的电位响应参数输入到人格特质测量模型中，人格特质测量模型的公式为P_i＝a_i1f_i1+a_i2f_i2+...+a_ikf_ik，通过将各个电位响应参数输入到对应的变量中，便可以计算得到被测者对应的人格特质指标。其中，P_i为所述被测者第i项对应的所述人格特质指标，如果人格特质指标为上述五个，则i＝5，i>0，a_i1,a_i2,…,a_ik为加权组合系数，不同人格特质指标的计算公式对应的加权组合系数不同，且该加权组合系数是以具体的测评情景的人格量表测评指标(即，已经被标定人格特质指标的训练者的脑电数据)为因变量，建立多元回归方程，对加权组合系数进行计算而取得的，f_i1,f_i2,…,f_ik为所述电位响应参数，k为所述电位响应参数的个数，k>0。

本发明实施例通过获取被测者在观看诱发素材时产生的脑电数据，并对脑电数据进行电位信息，获得电位响应参数，根据电位响应参数利用人格特质测量模型获得人格特质指标，与传统方法相比，基于脑机接口技术的人格特质测量方法依赖客观的脑神经电活动信息进行人格特质识别，被测者无法伪装，也不受施测者个人能力或倾向的影响，并且能够节约大量的时间与人力成本，是一种更为客观高效的方法。

图2为本发明实施例提供的一种基于脑机接口技术的人格特质测量设备结构示意图，如图2所示，所述设备，包括获取模块201、分析模块202和测量模块203，其中，

获取模块201用于获取被测者在观看诱发素材时产生的脑电数据；分析模块202用于对所述脑电数据进行电位分析，获得电位响应参数；测量模块203用于根据所述电位响应参数，利用人格特质测量模型获得所述被测者对应的人格特质指标。

具体地，被测者在观看素材库中的诱发素材时，通过获取模块201获取其产生的脑电数据，为有效诱发相关脑电响应，获取到有效的脑电数据，每个诱发素材呈现时间不超过200ms，诱发素材与诱发素材之间的呈现时间间隔控制在1-2秒之间。当被测者看到带有不同情绪的诱发素材后在大脑中会有不同的反应，该反应可以通过脑电数据反映，脑电数据是随时间变化的脑电信号，分析模块202对获取到的脑电数据进行电位分析，其中，可以按照特定顺序向受测者呈现上述素材并记录受测者观看素材时的脑电信号，然后选取每个诱发素材呈现后一定时间窗长内的脑电数据，并通过降采样、峰值计算等方法提取该时间窗内的电位响应参数，其中每个诱发素材呈现后都会对应多个电位响应参数，给被测者呈现多个诱发素材，从而可知，电位响应参数有很多。测量模块203将获得到的电位响应参数作为输入，输入到人格特质测量模型中，人格特质测量模型会根据输入的电位响应参数进行分析计算，最终输出被测者对应的人格特质指标，其中，人格特质可以是多维的。

本发明实施例通过获取被测者在观看诱发素材时产生的脑电数据，并对脑电数据进行电位信息，获得电位响应参数，根据电位响应参数利用人格特质测量模型获得人格特质指标，对被测者人格特质进行了客观的测量，提高了测量的准确性。

图3为本发明实施例提供的一种基于脑机接口技术的人格特质测量设备实体结构示意图，如图3所示，所述设备，包括：处理器(processor)301、存储器(memory)302和总线303；其中，

所述处理器301和存储器302通过所述总线303完成相互间的通信；

所述处理器301用于调用所述存储器302中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取被测者在观看诱发素材时产生的脑电数据；对所述脑电数据进行电位分析，获得电位响应参数；根据所述电位响应参数，利用人格特质测量模型获得所述被测者对应的人格特质指标。

本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取被测者在观看诱发素材时产生的脑电数据；对所述脑电数据进行电位分析，获得电位响应参数；根据所述电位响应参数，利用人格特质测量模型获得所述被测者对应的人格特质指标。

本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取被测者在观看诱发素材时产生的脑电数据；对所述脑电数据进行电位分析，获得电位响应参数；根据所述电位响应参数，利用人格特质测量模型获得所述被测者对应的人格特质指标。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的设备等实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。