群体大五人格异常检测方法和系统

摘要

本发明提供一种群体大五人格异常检测方法、系统、存储介质以及电子设备，涉及人格检测技术领域。本发明包括首先收集群体内部成员之间的大五人格相互评分；根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差；根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。通过使用上述异常检测算法定性计算并推断出其中存在的异常大五人格的成员，可能存在异常大五人格的成员进行推断，从而有利于对其进行人格方面的调节和培养。

说明书

技术领域

本发明涉及人格检测技术领域，具体涉及一种群体大五人格异常检测方法、系统、存储介质以及电子设备。

背景技术

近年来，研究者们在人格描述模式上形成了比较一致的共识，提出了人格的大五模式，即研究者通过词汇学的方法，发现大约有五种特质可以涵盖人格描述的所有方面。

具体的，大五人格模型为：外倾性(善于言谈、社会交往和自信的程度)、随和性(随和、合作和可信任的程度)、责任性(对工作的责任感、可靠性、坚持不懈和成就导向)、情绪稳定性(平静、热情和安全的程度)和开明(好奇的、智慧的、有想象力和创造性的、有艺术细胞的)。

目前，大五人格模型在临床心理、健康心理、发展心理、职业、管理和工业心理等方面都显示了广泛的应用价值。为了更好的应将大五人格模型用于研究不同对象，尤其是单个群体内部成员的人格描述，相关算法层出不穷，但是目前尚未出现可以准确检测单个群体内部成员大五人格信息的相关案例。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种群体大五人格异常检测方法、系统、存储介质以及电子设备，解决了无法准确检测群体内部成员大五人格异常的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种群体大五人格异常检测方法，包括：

S1、收集群体内部成员之间的大五人格相互评分；

S2、根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差；

S3、根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。

优选的，所述群体大五人格异常检测方法还包括：

S4、筛选出所述群体内部所有大五人格异常成员后，结合评分结果，获取所述异常成员与群体内部大五人格正常成员大五人格的相似度，当所述相似度超过预先设定的目标阈值时，重新判定对应的其他成员大五人格异常。

优选的，所述步骤S2具体包括：

S21、根据所述评分结果，获取所述人格特征值：

其中，μ

S22、根据所述评分结果和人格特征值μ

其中，

优选的，所述步骤S3具体包括：

S31、根据所述人格特征值和人格方差，获取所述成员大五人格的正常概率p

S32、根据所述正常概率p

优选的，所述步骤S4中采用Pearson相似度算法计算所述异常成员与群体内部其他成员大五人格的相似度。

优选的，所述步骤S4中目标阈值设定为90％。

一种群体大五人格异常检测系统，包括：

收集模块，用于收集群体内部成员之间的大五人格相互评分；

获取模块，用于根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差；

判断模块，用于根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。

一种存储介质，其存储有用于群体大五人格异常检测的计算机程序，其中，所述计算机程序使得计算机执行如上所述的群体大五人格异常检测方法。

一种电子设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的群体大五人格异常检测方法。

(三)有益效果

本发明提供了一种群体大五人格异常检测方法、系统、存储介质以及电子设备。与现有技术相比，具备以下有益效果：

本发明包括首先收集群体内部成员之间的大五人格相互评分；根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差；根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。通过使用上述异常检测算法定性计算并推断出其中存在的异常大五人格的成员，可能存在异常大五人格的成员进行推断，从而有利于对其进行人格方面的调节和培养。

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作简单地介绍，显而易见地，下面描述中的附图仅仅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群体大五人格异常检测方法的流程示意图；

图2本发明实施例提供的一种群体大五人格异常检测系统的结构框图。

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，对本发明实施例中的技术方案进行清楚、完整地描述，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。

本申请实施例通过提供一种群体大五人格异常检测方法、系统、存储介质以及电子设备，解决了无法准确检测群体内部成员大五人格异常的技术问题。

本申请实施例中的技术方案为解决上述技术问题，总体思路如下：

本发明实施例包括首先收集群体内部成员之间的大五人格相互评分；根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差；根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。通过使用上述异常检测算法定性计算并推断出其中存在的异常大五人格的成员，可能存在异常大五人格的成员进行推断，从而有利于对其进行人格方面的调节和培养。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

如图1所示，本发明实施例提供了一种群体大五人格异常检测方法，包括：

S1、收集群体内部成员之间的大五人格相互评分；

S2、根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差；

S3、根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。

通过使用上述异常检测算法定性计算并推断出其中存在的异常大五人格的成员，可能存在异常大五人格的成员进行推断，从而有利于对其进行人格方面的调节和培养。

实施例：

第一方面，如图1所示，本发明实施例提供了一种群体大五人格异常检测方法，具体包括：

S1、收集群体内部成员之间的大五人格相互评分。

本发明实施例的群体包括学校的学生群体，公司的职工群体以及社区的老人群体的等。在大五人格互评系统中每个群体各个成员之间可以进行大五人格的互评打分，也就是群体之内打分。

需要说明的是，大五人格分为五个方面，每个方面有0、1、……、5对应的六个分数，当分值较高时说明该成员的某项大五人格更加完善。

其中大五人格模型为：外倾性(善于言谈、社会交往和自信的程度)、随和性(随和、合作和可信任的程度)、责任性(对工作的责任感、可靠性、坚持不懈和成就导向)、情绪稳定性(平静、热情和安全的程度)和开明(好奇的、智慧的、有想象力和创造性的、有艺术细胞的)。例如：当责任性的打分为5时，说明该成员的责任心极强，当分数为1时说明该成员基本没有责任心。根据上述内容，得到某个特定群体内部成员之间的大五人格相互评分数据。

本发明实施例中异常检测算法中通常需要若干个特征值，选取大五人格的五个方面(外倾性、随和性、责任性、情绪稳定性、开明)作为特征值，分别用f

假设该群体中包含n个成员，将某个成员的某项大五人格被评价分数进行加和求平均，得到该成员的该项大五人格最终评分，如表1所示为该群体中第五个成员关于第四项大五人格(情绪稳定性特征值f

表1

按照上述内容，如表2所示，可以得到该群体每个成员的大五人格相互评分，其中gra表示某个成员某项大五人格被评价分数。

表2

S2、根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差。

如表3所示，本发明实施例还根据评分结果，获取所述每个群体大五人格每一项的第一人格特征值和第一人格方差。

表3

具体包括：

S21、根据所述评分结果，获取所述人格特征值：

其中，μ

S22、根据所述评分结果和人格特征值μ

其中，

S3、根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。

具体包括：

S31、根据所述人格特征值和人格方差，获取所述成员大五人格的正常概率p

S32、根据所述正常概率p

S4、筛选出所述群体内部所有大五人格异常成员后，结合评分结果，获取所述异常成员与群体内部大五人格正常成员大五人格的相似度，当所述相似度超过预先设定的目标阈值时，重新判定对应的其他成员大五人格异常。

上述步骤中采用Pearson相似度算法计算所述异常成员与群体内部其他成员大五人格的相似度，具体包括：

基于上述步骤S1的收集工作，得到该群体中各个成员之间的相互评价，如表4所示。其中s

表4

采用Pearson相似度算法计算所述异常成员与群体内部大五人格正常成员大五人格的相似度，公式如下：

其中，sim(l,m)代表群体内异常成员l的大五人格和任意大五人格正常成员m的大五人格的相似度；r

得到表5，即所有人的大五人格的相似度矩阵，其中假设群体内大五人格异常成员共L个，群体内大五人格正常成员共M个。

表5

当所述相似度sim(l,m)超过预先设定的目标阈值时，重新判定对应的其他成员,即成员m大五人格异常。本申请实施例目标阈值可以设定为90％，即通过相似度查找，群体内与大五人格异常成员相似度达到90％以上的即判定为异常，进而有效避免由于前述步骤中异常检测算法效果有限，未能完整检测到的群体内大五人格异常成员情况发生，提高了群体大五人格异常检测的完整性和准确性。

第二方面，如图2所示，本发明实施例提供了一种群体大五人格异常检测系统，包括：

收集模块，用于收集群体内部成员之间的大五人格相互评分；

获取模块，用于根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差；

判断模块，用于根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。

可理解的是，本发明实施例提供的群体大五人格异常检测系统与本发明实施例提供的群体大五人格异常检测方法相对应，其有关内容的解释、举例和有益效果等部分可以参考群体大五人格异常检测方法中的相应部分，此处不再赘述。

第三方面，本发明实施例提供了一种存储介质，其存储有用于群体大五人格异常检测的计算机程序，其中，所述计算机程序使得计算机执行如上所述的群体大五人格异常检测方法。

第四方面，本发明实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的群体大五人格异常检测方法。

综上所述，与现有技术相比，具备以下有益效果：

1、本发明实施例包括首先收集群体内部成员之间的大五人格相互评分；根据评分结果，获取所述群体内部每个成员大五人格每一项的人格特征值和人格方差；根据所述人格特征值和人格方差，判断所述成员大五人格是否异常。通过使用上述异常检测算法定性计算并推断出其中存在的异常大五人格的成员，可能存在异常大五人格的成员进行推断，从而有利于对其进行人格方面的调节和培养。

2、本发明实施例中当所述相似度超过预先设定的目标阈值时，重新判定对应的其他成员大五人格异常，将目标阈值设定为90％，即通过相似度查找，群体内与大五人格异常成员相似度达到90％以上的即判定为异常，进而有效避免由于前述步骤中异常检测算法效果有限，未能完整检测到的群体内大五人格异常成员，提高了群体大五人格异常检测的完整性和准确性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

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。