[发明专利]基于观众特征、LPP和θ波的影视剧演员选取方法有效

专利信息
申请号: 202110643604.8 申请日: 2021-06-09
公开(公告)号: CN113221850B 公开(公告)日: 2023-02-03
发明(设计)人: 诸廉;金佳 申请(专利权)人: 上海外国语大学
主分类号: G06F18/10 分类号: G06F18/10;G06F18/213;G06F16/332;G06Q10/06;A61B5/369;A61B5/374;A61B5/291;A61B5/263
代理公司: 杭州裕阳联合专利代理有限公司 33289 代理人: 顾晨
地址: 200080 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 观众 特征 lpp 影视剧 演员 选取 方法
【权利要求书】:

1.一种基于观众特征、LPP和θ波的影视剧演员选取方法,其特征在于,包含以下步骤:

S1:招募若干与影视剧目标受众背景特征一致的被试者;

S2:使被试者浏览影视剧标题与演员姓名的配对组合;

S3:收集被试者进行观影决策时的行为数据,并且采集单个被试者的原始脑电信号;

S4:发放问卷收集被试者的观影习惯;

S5:对原始脑电数据进行预处理并提取特征;

S6:根据采集到的行为数据、问卷数据和脑电数据构建观众特征、LPP、θ波与观影意愿之间的关系式;

在所述步骤S2中,使被试者浏览影视剧标题与演员姓名的配对组合的具体方法为:

设置若干标题字数介于3至5个中文字符之间的影视剧标题;

设置实力与流量两种明星类型,并分别设置若干两种类型的演员;

筛选出两种类型下最具代表性且在目标受众内具有中等熟悉度的演员;

使影视剧标题与筛选后实力演员姓名两两组成实力演员出演组;

使影视剧标题与筛选后流量演员姓名两两组成流量演员出演组;

在所述步骤S3中,采集原始脑电信号的电极通道选取方法具体如下:

电极点根据国际10-20系统及相关脑区分布配置,且符合LPP成分的分布特征选取CP1、CP2、P3、Pz和P4电极点;

电极点根据国际10-20系统及相关脑区分布配置,且符合θ频段的分布特征选取Fz电极点;

在所述步骤S5中对原始脑电数据进行预处理并提取特征的具体方法为:

对位于中央-顶叶通道的原始脑电信号进行预处理、分段、基线校正和叠加平均,得到影视剧标题与演员姓名搭配下诱发的LPP平均幅值;

对位于前额中线通道的原始脑电信号进行实时预处理和小波变换,得到影视剧标题与演员姓名搭配下,200-500ms时窗内,θ频段的平均能量值;

所述预处理是对采集的脑电信号进行放大、分析段截取、降噪、伪迹去除和带通滤波;

所述伪迹去除包括去除眼电、肌电、心电和工频干扰;

在所述步骤S6中,根据采集到的行为数据、问卷数据和脑电数据构建观众特征、LPP、θ波与观影意愿之间的关系式的具体方法为通过多重线性回归模型对行为数据、问卷数据和脑电数据进行统计,

W=a1+b1(Ls-Lp)+b2sp)+b3F+b4P

其中,W为两种组合下观影意愿的差值,即观影意愿提升程度,a1为常数项,Ls和Lp分别为被试者在实力演员出演组和流量演员出演组下的LPP成分平均幅值,θs和θp分别为被试者在实力演员出演组和流量演员出演组下200-500ms时窗内θ频段的平均能量值,F为观众对该类型影视剧的熟悉程度,P为观众在观影时关注的影视剧因素数量;

通过行为数据拟合计算出a1、b1、b2、b3和b4,从而得到观众特征、LPP、θ波与观影意愿提升程度之间关系式。

2.根据权利要求1所述的基于观众特征、LPP和θ波的影视剧演员选取方法,其特征在于,

所述的筛选出两种类型下最具代表性且在目标受众内具有中等熟悉度的演员的具体方法为:

征集若干与影视剧目标受众背景特征一致,且独立于实验被试者的志愿者进行调查问卷;

志愿者分别对演员的实力程度、流量程度、熟悉程度进行1至5分打分;

根据得分确定实力程度得分平均值b、流量程度得分平均值c、熟悉程度得分平均值d和熟悉程度得分标准偏差e;

将实力程度得分大于b,流量程度得分小于c,熟悉程度得分介于d±e之间的演员确定为实力演员;

将实力程度得分小于b,流量程度得分大于c,熟悉程度得分介于d±e之间的演员确定为流量演员;

筛选后两种类型演员数量保持一致。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海外国语大学,未经上海外国语大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110643604.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top