[0001] 本发明涉及脑健康技术领域，特别涉及一种基于用户画像和脑电数据的体验质量测评方法和系统。

[0002] 目前传统的脑健康数据评价属于客观评测方法，例如MSE(Mean Squared Error，均方误差)，PSNE(Peak Signal‑to‑Noise Ratio，峰值信噪比)，SSIM(Structural Similarity Index，结构相似性)等。这些客观的脑健康数据评价方法基于单张图片并依赖原始码流完成。采用这种方案在主观一致性上存在缺陷。为了解决传统客观评测方法的缺点，出现了主观体验评测标准，包括画面清晰度，质量平稳度，脑健康流畅度，脑健康内容和观测条件五个方面，通过用户打分等方法进行质量评测。但是这种显性体验质量测评方法由于终端客户群体众多，打分动态性会受人体偏见影响等问题，很难取得规律高度一致的主观体验质量评测结果，不便于基于QOE(Quality of Experience，质量体验)结果进行上层应用分析。

[0021] 以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

[0022] 可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。

[0023] 请结合图1，本发明公开了一种基于用户画像和脑电数据的体验质量测评方法和系统，其中所述方法包括：给用户提供脑健康服务，获取目标用户的脑健康数据，进一步构建用户画像，将所述用户画像进行映射得到用户画像的索引表，所述索引表包括索引参数，利用所述索引参数可以构建基于用户画像的索引值。

[0024] 进一步构建脑电数据库，所述脑电数据包括具有关联关系的用户脑健康数据、索引参数和脑电数据，其中在所述脑电数据库中，可以利用所述脑健康数据、索引参数查找到对应的脑电数据，并将所述脑电数据、脑健康数据和索引参数输入到深度学习模型中进行体验质量预测，得到用户对脑电服务的体验质量服务的评价分，判断所述评价分是否满足脑电服务的体验质量服务的要求。

[0025] 具体而言，构建的所述用户画像索引表包括场景索引表和人群索引表，其中所述场景索引表中的索引参数包括：屏幕尺寸、屏幕亮度、终端评分、操作系统、网络状况、收视方式、环境分类中的至少一种。所述人群索引表中的索引参数包括喜好分类、内容偏好分类、色彩偏好、观看习惯、观看时间、观看周期中的至少一种。在获取到所述索引参数和脑健康数据后，进一步利用所述索引参数和脑健康数据从数据库中查找到所述脑电数据，其中所述脑电数据是在用户进行脑电服务后获取的，此时该脑电数据基于用户自身画像和脑健康数据方面选择测评得到后保存于脑电数据库，因此每一脑电数据都具有相关的脑健康数据和索引参数关联关系。

[0026] 值得一提的是，本发明中利用深度学习模型，用于预测脑健康服务的体验质量的测评分值。具体而言，将针对每一个用户的每一项脑健康服务器获取的索引参数、脑健康数据和脑电数据组建单个脑电服务质量预测模型的单个特征样本，将所述索引参数、脑健康数据和脑电数据构建成满足深度学习模型格式要求的特征数据，将所有用户的所有脑健康服务获取的索引参数、脑健康数据和脑电数据构组成训练样本集和测试样本集，将所述训练样本集输入到所述深度学习模型中。优选地所述深度学习模型可以是包括但不仅限于深度卷积神经网络模型。训练集在训练过程中，通过调整超参数，使得所述深度卷积神经网络模型满足体验质量真实值的偏差要求，从而构建所述脑电服务质量预测模型。在完成所述脑电服务质量预测模型的构建后，通过输入用户相关的脑健康数据、索引参数和对应的脑电数据即可得到根据用户自身画像特征的脑电服务体验质量测评结果。

[0027] 本发明中脑电服务包括但不仅限于点播，直播，脑电电话以及VR/AR等，本发明中的体验质量是指终端用户对业务与网络的主观体验，是终端用户在使用业务过程中建立起来的心理的综合感受，涉及人与网络、业务等交互过程中的所有方面。体验质量可以反映当前的业务和网络的质量与用户体验之间的关系，它综合了服务层面、用户层面、网络层面的所有影响因素，直接反映了终端用户对网络服务的认可程度。本发明中体验质量将从所述脑健康数据中的画面清晰度，质量平稳度，脑电流畅度，脑电内容和观测条件中五个方面的体验测评结果。

[0028] 本发明以EEG为核心的隐性体验质量评测方法，通过大脑对于外界刺激的电波响应进行主观体验质量评测，由于是基于人体的生理系统，EEG质量测评方法具有普适性，容易取得规律一致的主观体验质量测评结果。本发明中的索引参数可以反映该目标用户的具体特征和需求，根据该索引参数可以提供准确的脑电数据，并且可以提供根据用户的具体特征和需求提供更精准的个性化，场景化的测评。

[0029] 特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线段、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线段的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线段、电线段、光缆、RF等等，或者上述的任意合适的组合。

[0030] 附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0031] 本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明，本发明的目的已经完整并有效地实现，本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。