[发明专利]计算机化社会适应训练方法及系统

权利要求书

1.一种计算机化社会适应训练方法，其特征在于，包括以下步骤：

S1：登陆并进行测评，用户先选择自身病症或症状，并且选择自身需求，完成与需求相关的综合量表，评估量表中各项数值；

 S2：根据用户病症指征、综合量表中各项数值进行基于非监督学习的降维算法. 确定用户从哪一类训练开始练习，确定相应的训练方案，包括以下步骤：

S2-1对于各个数据源进行均值归一化，然后分解特征值，对不同维度的数据去噪整合，映射到低维空间，系统定义聚类结果的类别数量为2，对应社交动力和社交能力训练方面的需求，

S2-2对数据特征通过欧式距离算出其欧式空间的局部区域性质，获得基于样本的相似系数矩阵，从而确定用户分到社交动力性训练和社交能力性训练中的映射聚类情况，确定用户从哪一类训练开始练习，确定相应的训练方案；

S3：输出的训练方案，所述训练方案涉及社交动力性训练和社交能力性训练，如果用户首先进入社交动力性训练，则为用户呈现社交动力性训练初阶的训练，如果用户首先进入社交能力性训练，则为用户呈现社交能力性训练初阶的训练，

其中，

（1）如果进入社交动力性训练：

当用户进入社交动力性训练初阶的增强社交动力系列训练，则呈现模拟现实社交场景的小游戏，用户进行训练，对用户表现进行评分，用户对自己的情绪也进行评分，

当用户进入社交动力性训练高阶的提升亲社会属性系列训练，则呈现模拟现实社交场景的小游戏，用户进行序列，用户对自己的主观感受进行评分，

当用户连续获得比之前更高的分数后，根据前面的所有训练记录和有效性测评结果，实时调整下一项训练内容的训练难度和时长，进行之后训练方案的推送优化，当用户达到目标分数或训练时间到达五分钟后，当日的这项练习结束，

（2）如果进入社交能力性训练：

当进入社交能力性初阶的强化社交技能系列的训练，则呈现模拟现实情境的小游戏，用户进行训练，直到选择正确，所呈现的情境用户全部选择正确选项后，当日的这项练习结束，

当用户进入社交能力性高阶的促进社会适应系列的训练，则呈现模拟投资、分配、合作场景的小游戏，用户进行训练，当用户连续获得比之前更高的分数后，根据前面的所有训练记录和有效性测评结果，实时调整下一项训练内容的训练难度和时长，调节游戏难度或换为其他游戏场景，当用户达到目标分数或训练时间到达五分钟后，当日的这项练习结束；

S4：每当用户完成一个单项训练，根据前面的所有训练记录和有效性测评结果，实时调整下一项训练内容的训练难度和时长，进行之后训练方案的推送优化，

其中，采用经验池中的记忆库学习之前的有效性测评结果和训练数据，将实时更新的训练数据与训练环境交互得到的转移样本储存到回放记忆网络中，随机抽出组块训练，生成通过深度学习和强化学习结合的算法训练出的深度价值网络，估计给定的训练环境、用户训练成绩、用户的定期有效性测评结果的价值，然后选择价值最大的用户的需求状态；

S5： 用户完成当前训练方案后，选择返回到初始化登录场景，重新定义病症指征，进行综合量表测评和能力评估，通过聚类分析的机器学习开始一个新的训练方案。

2.根据权利要求1所述的计算机化社会适应训练方法，其特征在于，在步骤S1中，所述综合量表涉及社会适应、人际关系、共情能力、社交技能相关的量表，社会能力评估包括情绪理解测评、多元认知测评、欣赏他人测评，评估用户的社交意愿和能力。

3.根据权利要求1所述的计算机化社会适应训练方法，其特征在于，每完成一个训练更新一次训练记录，测评数据每七天更新一次。

4.根据权利要求1所述的计算机化社会适应训练方法，其特征在于，在S4步骤中，通过奖赏函数使用于判断用户情况的所述深度价值网络更有效率，更加符合用户的状态更新训练内容。