[发明专利]一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法

权利要求书

1.一种利用脑电信号辅助偏好获取的协同过滤推荐方法，其特征在于，推荐过程包括以下步骤：

(1)使用64导联脑电采集仪器，采集用户浏览网页时的脑电信号，通过数据同步与控制模块将脑电信号数据与用户浏览记录进行关联；利用脑电情绪识别模型识别当前的脑电信号的情绪类别，并结果存储在Hadoop上；

(2)构建用户-项目喜好矩阵，将用户在浏览时的情绪作为喜好评分；

(3)对物品提取其特征，所述的物品提取其特征为商品类型、产地，通过PCA分析方法对物品信息进行降维处理，分析出物品的主要属性特征，并得到PCA空间映射矩阵T_nxd，其中n代表物品数量，d代表降维之后物品的属性个数，T_id为0时代表物品i不存在该属性，为1时代表物品i具有该属性，通过杰卡德相似系数求得物品属性相似度；

A表示物品1的属性集合，B表示物品2的属性集合；

(4)根据用户-项目喜好矩阵，以皮尔逊相关相似度作为物品评分相似度计算公式；

其中，r_c，i表示用户c对物品i的喜好程度，r_c，j表示用户c对物品j的喜好程度，表示物品i的平均喜好程度，表示物品j的平均喜好程度；

(5)综合考虑物品属性的相似度和喜好程度相似度，获得更加全面的相似性度量模型；

Msim(i，j)＝α·J(A，B)+(1-α)sim(i，j)

(6)其中，α为平衡因子，用于协调两个相似性度量的结果，α∈[0，1]；

(7)根据用户c之前的浏览记录，以及浏览时的情绪值，对用户c未浏览的物品进行预测打分；通过加权求和的方式对物品i进行预测打分；

其中，N(i，k)是与物品i最相近的k个物品的集合，r_c，j表示用户c对物品j的评分，表示物品i的平均喜好程度，则P_c，i是对用户c未浏览的商品i的预测喜好程度；

(8)得到用户对目标项的预测情绪值后，按值的大小对其前k项对用户c进行推荐，从而完成整个推荐过程；

所述的推荐过程是根据识别到的用户情绪状态判断用户对当前商品的喜欢程度，综合考虑物品属性的相似度和用户喜好程度相似度，获得更加全面的相似性度量模型；并据此向用户推荐其可能感兴趣的商品。

2.根据权利要求1所述的一种利用脑电信号辅助偏好获取的协同过滤推荐方法，其特征在于，所述的情绪识别过程如下所述：

(1)脑电信号的采集：采用64导联湿电极帽的脑电采集装置采集用户浏览时的脑电信号，因为采集到的脑电信号通常比较微弱，幅值范围在10～100μV，所以要经过信号放大器放大处理后才能作为后续的数据处理阶段的原始信号；如果收集所有通道的脑电信号数据，这将会导致数据计算量十分庞大，并且收集到包含大量冗余的、对情感分析关系不大的信息，本文从大脑的六个典型区域选出30个通道进行收集，包括：前额区(PF)：FP1、FP2；额区(F)：F7、F3、FZ、F4、F8；颞区(T)：FT7、FT8、T3、T4、TP7、TP8、T5、T6；中央区(C)：FC3、FCZ、FC4、C3、CZ、C4、CP3、CPZ、CP4；顶区(P)：P3、PZ、P4；枕区(0)：01、0Z、02；

(2)脑电信号的预处理：在脑电信号的采集过程中，容易受到眼电、肌电、心电伪迹以及基线漂移和工频干扰噪声的影响；所以放大之后的脑电信号需要经过带通滤波器滤掉易产生干扰的频段，保留主要频段；通过独立分量分析(ICA)去除信号的眼电伪迹；本专利通过EEGLAB工具箱实现带通滤波和ICA去噪；

(3)脑电信号的特征提取与选择：特征提取就是通过某些特殊的变换，将脑电信号中易于分析的特征提取出来；而特征选择的主要目的是为了减少提取的脑电信号的维度，降低情绪识别的计算复杂度；

①脑电信号的特征提取：对预处理之后的脑电信号通过带通滤波器分别过滤到δ频带(1-4HZ)、θ频带(4-8HZ)、α频带(8-13HZ)、β频带(13-30HZ)、γ频带(36-44HZ)五个频带中，再通过快速傅里叶变换提取个频带的功率作为特征；通过特征提取，得到150维(30channelsx5powers)的特征样本；

②特征选择：通过特征提取得到了150维脑电特征，但是提取出来的特征中也会存在这一部分与情感关联较低的特征，所以本专利采用共同空间模式(CSP)对提取到的特征进行降维；

③情绪识别：将处理之后的脑电特征数据输入到情绪识别模型中获得当前用户的情绪分值；愉悦度等级识别用户情绪，其识别取值范围是0～9，分数越高代表用户愉悦度越高。