评估行为干预的遵守保真度的制作方法
相关申请的交叉引用
本申请要求于2017年7月17日提交的美国临时专利申请no.62/533,423的优先权，其相关内容并入本文。
本发明涉及一种计算系统和由该系统执行的方法，用于评估用户对于行为干预的遵守性的大小，以及用于引导用户朝向最大遵守性和朝向提高行为干预的功效的方式来作出反应。
背景技术：
行为干预通常涉及向用户/患者提供一组指令并收集文本/语言响应。此类干预具有预期实现，该预期实现旨在激活某些心理机制。当用户按照预期的实现模式来遵守指令时，干预将是有效的。但是，当用户不遵守或仅部分遵守预期实现时，干预可能不会那么有效，并且可能无法获得更多的幸福感。
例如，当预期实现要写正面事件时写负面事件的用户不会从该活动中受益很多，因为将焦点转移到正面事件的心理机制不会得到激活。另一个示例，被要求怀着同情的心理描写其他人的用户却写了他们自己。这样的用户没有遵守开发移情技巧的预期实现，并且未激活与他人建立联系的心理机制，从而导致干预效果下降，甚至更糟糕的是，导致用户的幸福感明显下降，这明显与干预的预期结果相反。
在人与人之间的对话中(例如，在一对一的心理治疗中)，可以评估一个人遵守预期实现的程度，并以使遵守程度最大化，从而使得有效性提高的方式与之进行对话。相比之下，在软件实现的行为干预中，计算机系统通常没有评估这种遵守保真度的方法。此外，这种计算机系统没有一种机制可通过最大化遵守度来最大化预期功效的方式来引导与用户的交互。
技术实现要素：
鉴于前述内容，本发明的目的是提供一种计算系统/方法，用于评估用户遵守行为干预的程度，并且以引导用户朝向最大遵守性的方式做出反应。本发明的另一个目的是提供一种计算系统/方法，用于通过完善对行为干预的预期实现的遵守，从而可以通过所述行为干预来最大性质地增强幸福感。
根据本发明的实施例，提供了一种用于与用户交互的计算系统，其中，该计算系统与用户一起开始行为干预，该行为干预旨在增加用户的幸福感，具有多个要满足的条件的行为干预在行为干预期间经由至少一个传感器从用户接收输入数据，对接收到的具有文本的输入数据的至少一部分执行语义分析以确定满足多个条件的术语，并基于满足多个条件的完整性的数量来评估对行为干预的遵守程度。所述计算系统还生成提示，该提示旨在从用户引起特定于满足多个条件中的一个或多个条件的反应，其中多个条件是未满足的。
作为该实施例的一方面，所述计算系统在行为干预期间经由至少一个传感器从用户接收输入数据，以评估用户的心理状态，同时评估对行为干预的遵守程度。
另一方面，所述计算系统在行为干预期间的多个时间点评估在相应时间点对行为干预的相应遵守程度。
作为该方面的特征，所述计算系统在多个时间点中的每个时间点生成各自的保真度报告，该保真度报告包含在行为干预期间的各个时间点评估的对行为干预的各个遵守程度。
作为该方面的另一特征，所述计算系统在行为干预结束时基于多个保真度报告生成针对行为干预的总体保真度报告。
作为该方面的另一特征，所述计算系统还包括显示器，并且在显示器上显示保真度报告和总体保真度报告中的至少一个供用户查看。保真度报告和总体保真度报告中的至少一个的显示还使用户能够理解行为干预的功效背后的原因。
另一方面，所述行为干预还包括用于响应于所接收的输入数据的已编程的分支逻辑。所述计算系统在确定尚未满足所述多个条件中的一个或多个条件的情况下，生成提示，该提示旨在从用户引起特定于满足多个条件中的一个或多个条件的反应，其中多个条件是未满足的，以及为生成的提示分配优先级，以使生成的提示覆盖已编程的分支逻辑，以响应收到的输入数据。
另一方面，所述行为干预旨在增加用户的幸福感。
另一方面，所述行为干预为多个活动中的其中一个活动，所述多个活动属于幸福轨道，而这一幸福轨道是用户从多个可选择的幸福轨道中选出的，其中每个幸福轨道均为截然不同的程序课程，这些程序旨在提高用户的幸福感。
另一方面，所述行为干预旨在引起一个或多个用户行为的改变。
另一方面，所接收的输入数据包括来自用户的口头和文本数据中的至少一个。
另一方面，语义分析包括基于用户输入数据的数据库对自然语言分类器进行预训练，并且该分类器创建一个或多个与多个条件中的每一个条件相关联的标签。
作为该方面的特征，语义分析包括确定在所接收的输入数据中识别出的术语是否对应于一个或多个标签。
根据本发明的另一个实施例，提供了一种通过计算系统与用户交互的方法，其中该方法包括与用户一起开始行为干预，该行为干预旨在增加用户的幸福感，该行为干预有多个要满足的条件：在行为干预期间经由至少一个传感器从用户接收输入数据，对接收到的具有文本的输入数据的至少一部分执行语义分析以识别满足多个条件的术语，并基于满足多个条件的完整性的数量来评估对行为干预的遵守程度，以及生成提示，该提示旨在从用户引起特定于满足多个条件中的一个或多个条件的反应，其中多个条件是未满足的。
作为该实施例的一方面，所述方法还包括，在行为干预期间经由至少一个传感器从用户接收输入数据，以评估用户的心理状态，同时评估对行为干预的遵守程度。
另一方面，所述方法还包括在行为干预期间的多个时间点评估在相应时间点对行为干预的相应遵守程度。
作为该方面的特征，所述方法还包括在多个时间点中的每个时间点生成各自的保真度报告，该保真度报告包含在行为干预期间的各个时间点评估的对行为干预的各个遵守程度。
作为该方面的另一特征，所述方法还包括，在行为干预结束时基于多个保真度报告生成针对行为干预的总体保真度报告。
作为该方面的另一特征，所述方法还包括在显示器上显示保真度报告和总体保真度报告中的至少一个供用户查看。保真度报告和总体保真度报告中的至少一个的显示还使用户能够理解行为干预的功效背后的原因。
另一方面，所述行为干预还包括用于响应于所接收的输入数据的已编程的分支逻辑。所述方法包括在确定尚未满足所述多个条件中的一个或多个条件的情况下，生成提示，该提示旨在从用户引起特定于满足多个条件中的一个或多个条件的反应，其中多个条件是未满足的，以及为生成的提示分配优先级，以使生成的提示覆盖已编程的分支逻辑，以响应所接收的输入数据。
另一方面，所述行为干预旨在增加用户的幸福感。
另一方面，所述行为干预为多个活动中的其中一个活动，所述多个活动属于幸福轨道(happinesstrack)，而这一幸福轨道是用户从多个可选择的幸福轨道中选出的，其中每个幸福轨道均为截然不同的程序课程，这些程序旨在提高用户的幸福感。
另一方面，所述行为干预旨在引起一个或多个用户行为的改变。
另一方面，所接收的输入数据包括来自用户的口头和文本数据中的至少一个。
另一方面，语义分析包括基于用户输入数据的数据库对自然语言分类器进行预训练，并且该分类器创建一个或多个与多个条件中的每一个条件相关联的标签。
作为该方面的特征，语义分析包括确定在所接收的输入数据中识别出的术语是否对应于一个或多个标签。
根据本发明的另一实施例，提供了一种用于与用户交互的计算系统，其中，该计算系统与用户一起开始移情行为干预，该移情行为干预旨在增加用户的同情心表达，有多个要满足的条件的移情行为干预在行为干预期间经由至少一个传感器从用户接收输入数据，对接收到的具有文本的输入数据的至少一部分执行语义分析以识别满足多个条件的术语，并基于满足多个条件的完整性的数量来评估对行为干预的遵守程度。所述计算系统还生成提示，该提示旨在从用户引起特定于满足多个条件中的一个或多个条件的反应，其中该多个条件是未满足的。
本发明的这些和其他目的，优点，方面和特征如下所述和/或被本领域普通技术人员理解和很好理解。尽管上面已经列举了特定的优点，但是各种实施例可包括列举的一些优点，不包括列举的优点或包括列举的所有优点，或者其他技术优点对于本领域的普通技术人员在阅读以下附图和说明之后将变得显而易见。
附图说明
图1是根据本发明的示例性计算系统的框图。
图2是由本发明的示例性实施例执行的步骤的概述的示例性流程图。
图3是根据本发明的用于移情练习的分支逻辑的示例性示意图。
图4是根据本发明的计算系统的示例性示意图。
具体实施方式
本发明针对一种计算系统以及一种技术设备所采用的方法，该方法提供了一种通过行为干预与(人类)用户进行交互的环境，并且在这种交互过程中，对用户行为干预的遵守程度进行评估。该计算系统使用多种传感器和分析技术在干预的关键步骤进行遵守保真度评估，并最终制定一份个性化和/或总体保真度报告，该总体保真度报告是理解某些行为干预是如何发挥作用或不发挥作用以及理解某些行为干预为什么会发挥作用或不发挥作用的基础。
首先应该理解，尽管一开始示例性实施例在附图中示出并在下面进行了描述，但是本公开的原理可以使用任何数量的技术来实现，无论这些技术是当前已知的还是未知的。本公开绝不应该限于附图中示出且下文有所描述的示例性实施方式和技术。
如本文所用，术语“行为干预”或仅简称为“干预”旨在被广义地解释，因此，该术语可以包括专门设计用于增加用户/患者的身心健康的各种干预。根据本发明，“干预”可以简单地是一项基于先前基于证据的研究的活动，表明当某人从事该活动时(如预期的那样)，该人在其心理和/或身体健康方面都会有所受益。根据本发明，所述计算系统向用户“提供”干预。通常，该术语旨在表示计算系统加载干预，即存储的可执行程序或移动应用程序，并开始和/或使用户参与一组活动。干预通常由一组预先安排的活动或对话或任务组成，其中用户或用户和教练之间(或者虚拟教练)展开或执行这些活动或对话或任务。干预通常还具有通过带动用户的某些情绪反应来激活用户的思想和/或身体内的某些心理或生理机制的目的。因此，干预通常带有预期实现，即开展一种针对这组预先安排的活动的方法，这个方法由这类干预的创建者执行，以最有效地实现该干预背后的潜在目的。预期实现可以以标准、条件、要求或因素的形式出现，这些标准、条件、要求或因素的每一个被设计为由用户通过执行特定动作或说特定单词来满足。因此，进行干预的最理想，最有效的方法是使用户在干预过程中忠于预期实现。
根据本文所述的本发明的各种实施例，干预可用于训练用户发展某些技能或改变某些习惯行为，以解决用户生活中面临的问题。例如，此类干预可以包括行为改变干预，积极干预和临床干预(例如认知行为疗法(cbt)、接受和承诺疗法(act)、焦点解决疗法sft)、行为激活(ba)或行为更改干预措施)。进一步根据本发明，这样的干预具有可变的长度，因为如还将在本文中描述的那样，计算系统基于对用户对预期实现的遵守的评估来动态地决定如何在每个干预的交替处继续交互。
现在参考附图，其中相同的数字表示相同或相似的元件，首先参考图1，根据一个实施例，说明性地示出了根据本发明配置的一种计算系统100。计算系统100包括一个或多个处理器110，一个或多个处理器110处理各种输入数据和存储的数据并控制计算系统100内的其他组件的操作，以使本文所述的一个或多个用户200与计算系统100之间的“行为干预”成为可能。如将进一步描述的，处理器110通过执行许多数学算法和分析计算来处理数据。处理器110也可以是多个处理单元，每个处理单元执行各自的数学算法和/或分析计算。在一些实施例中，处理器110通过人工智能来增强。
计算系统100还包括多个传感器120。多个传感器120可以包括扬声器/麦克风、静止图像相机、运动图像相机、生物特征传感器等。每个传感器120被配置为获得用户输入数据，并且每个传感器还可以包括一个或多个相应的处理单元，以与处理器110一起处理获得的输入数据。计算系统100还包括界面130，允许用户200操作计算系统和显示器140，以将信息呈现给用户200。在一些实施例中，界面130和显示器140可以作为一个单元出现，例如触摸屏显示器。
计算系统100还包括通信单元/设备150，输入/输出端口160和存储器170。通信单元/设备150允许计算系统100通过网络300与用户200附件内的用户的其他电子设备或与附加传感器通信。网络300可以包括无线通信、有线通信等。网络300可以包括互联网、广域网或局域网等。计算系统100可以使用i/o端口160，用于输入和输出数据。计算系统100还包括存储程序和应用程序的存储器170。存储器170可以存储干预的数据，或者可以本地存储从服务器400中检索到的干预，该服务器400中具有干预数据库。
计算设备100以及用户的其他电子设备或附加传感器可以是网络300的一部分或连接到网络300，并耦合到服务器或服务提供商400。
图1中的虚线表示用户200、网络300、服务器400和计算系统100可以直接，间接地连接或通过通信路径远程连接到用户200、网络300、服务器400或计算系统100中的任何一个或多个。计算系统100、网络300和服务器400中的一个或多个可以位于一台计算机上，分布在多台计算机上，或者部分或全部基于互联网。
根据本发明的某些示例性实施例，计算系统体现为本文称为“happify”的积极心理学服务。“happify”是一种新颖的，基于科学的在线服务，用于参与、学习和训练幸福技能。happify基于心理学家和研究人员在一系列治疗学科(例如cbt、正念、积极心理学等)中开发的框架，并且可以帮助用户开发与happify相关的某些技能，例如，品尝、感谢、渴望、给予和同情(或s.t.a.g.etm)。在某些实施例中，每个技能是使用各种活动开发的，这些活动按技能等级递增排序，这些活动随着用户建立该技能的进展而逐渐解锁。使用happify，用户可以选择一个“轨道”，其中包含旨在解决特定生活状况或目标的一系列活动。
happify系统可以在用户的移动电子设备(例如智能手机或平板电脑)上实现，也可以在用户的个人计算机(pc)上实现。happify可以体现在移动应用程序、可执行软件程序或其他合适的形式内。例如，用户可以下载并安装提供happify服务的移动应用程序。用户通过移动应用程序选择““幸福”轨道，并根据选定的轨道向其提供旨在提高用户的幸福度的一系列活动。
下面列出的几个专利详细描述了happify系统和happify系统的操作，具体专利为：题为“systemsandmethodsforprovidingon-lineservices”的美国专利申请no.14/284,229，题为“dynamicinteractionsystemandmethod”的美国专利申请no.14/990,380，和题为“systemsandmethodsfordynamicuserinteractionforimprovinghappiness”的美国专利申请no.15/974,978，同时这些专利申请中的每个申请的全部内容均通过引用并入本文。简洁起见，(除非本文另外说明，否则)本文不再提供有关happify系统的详细内容。
根据本发明，体现happify系统的示例性计算系统向用户提供一组活动作为所选幸福轨道的一部分。这些“活动”在本文中也可以称为另一种形式的“干预”。每种活动在开发与增加用户的幸福感相关的技能时都有其自己的预期实现，目的和基于科学的基础，在向用户提供每个活动并由用户进行操作时，计算系统采用各种特定于计算机的机制来跟踪和评估用户在每次活动时的遵守度。
在图2中示出了由根据本发明的示例性计算系统执行的步骤的概述。
根据本发明，步骤s201需要以迭代的方式与用户交互(即，通过文本或通过语音进行对话)。例如，由计算系统发起的迭代交互可以包括向用户提供提示，从用户接收输入数据，向用户提供后续提示，从用户接收其他输入数据等。
步骤s202需要从传感器阵列中收集数据，该传感器阵列在交互的关键步骤处从用户的反应中提取特征。例如，计算系统可以与被配置为收集用户信息的一个或多个设备通信(例如，有线或无线)，这些设备例如照相机、扬声器、麦克风、热传感器、运动传感器、指纹检测器、键盘等。这类设备可以包括各种结构和/或功能，并且还可包括一个或多个处理器以执行各种自然语言理解工具。
步骤s203需要在交互的关键步骤处，使用收集的数据来评估用户对所提供活动的一种或多种预期实现的遵守程度。例如，任何给定的行为干预可以包括为了将干预视为完成而需要的多个组件、条件和/或标准。计算系统执行分析，该分析将允许计算系统在交互的关键步骤处识别是否正在处理或如何处理某些组件、条件和/或标准。
步骤s204需要在交互/对话的每个关键步骤中使用该评估，确定对用户的最佳反应，以引导交互朝向最大化或改善的遵守度。例如，虽然给定的交互可以包括预定的序列或动作过程，但是基于该评估，计算系统可以例如出于引导用户朝向最大化或改善的遵守度的目的，通过例如使用已编程的分支逻辑询问不同的问题来干预或偏离预定的序列。
步骤s205需要在交互结束时评估对干预的预期实现的总体遵守程度。
最后，步骤s206需要通过行为干预程序向用户呈现每个干预的总体遵守程度作为得分，并使用总体遵守程度作为程序的指示。
本文将更深入地讨论上述每个步骤的其它细节。
最初，如上所述，根据本发明的计算系统通过与用户进行迭代交互来向用户提供行为干预。如本文所述，这样的交互包括开始与用户对话，评估用户的当前心理状态，提供用户将执行的活动或任务等。根据本发明，计算系统直接从用户接收输入数据或经由一个或多个传感器间接接收输入数据，分析所述输入数据并响应回用户。该迭代交互持续进行，直到例如获得期望的结果为止。
在一个或多个实施例中，计算系统可以配备有特定软件，该特定软件使计算系统能够响应于进行中的输入数据而与用户动态地交互，或者由于各种原因而在情感上(例如，移情地)与用户交互。
根据本发明的实施例，计算系统配备有新颖的能力，以同时，顺序或独立地评估干预期间各个步骤的用户的遵守保真度。例如，在一个实施例中，计算系统可以收集和分析用户输入文本/语言数据以连续更新用户的心理状态，同时在每次接收到输入数据时同时对收集的输入文本/语言数据执行分析以评估用户的遵守保真度。在另一个实施例中，在针对每个输入数据对输入文本/语言数据执行其他分析之前或之后，计算系统评估用户的遵守保真度。在另一个实施例中，可以在干预的每个步骤或在整个干预过程中的预定时间间隔独立地执行对保真度的评估。
如本文所述，计算系统采用被配置为收集和分析用户输入数据的传感器。本文所使用的术语“传感器”包括计算机键盘或其他类型的计算机数据输入设备，例如触摸屏、鼠标、麦克风等，以及本文公开或本领域已知的其它设备(用户可通过这些其他设备主动或被动地向系统提供信息)。可以采用各种类型的传感器来收集听觉或视觉数据，或者用户可以直接键入或写入由计算系统接收的输入数据。传感器不仅收集数据，还执行分析，以下是传感器执行的示例性分析技术列表，目的是从输入数据中提取信息，并基于此类信息评估用户对行为干预的预期实现的遵守程度。
i.命名实体识别
如本文所述的一个或多个传感器配备有处理单元以执行“命名实体识别”分析，这是识别文本主体中的实体的能力，并以统一的规范化形式指代所识别的实体，而不无论具体措辞如何。例如，短语“facebook创始人”，“马克·扎克伯格”和“创办facebook的人”均指同一实体，可以检测其在文本中的存在。根据本发明，计算系统使用该分析来检测用户在干预期间提及的某些实体。
例如，在新的练习中，可能要求用户描述他或她的浪漫生活。用户可能已经具有存储在计算系统中的多个命名实体，例如一个工作中为其上司使用的命名实体，以及另一个为配偶存储的命名实体。这些命名实体可能已被检测到并存储在先前的会话中。在此练习中，用户提供了一个反应，但是计算系统检测到了实体“老板”。因此，计算系统没有继续进入到干预中的下一个提示，而是通过鼓楼用户将关注点重新转移到他的或她的浪漫生活中来最大化遵守度，从而增加遵守保真度。
计算系统响应于在“浪漫生活”练习中检测到的命名实体“老板”而提出的示例性遵守提示是：
表1
接着，如果连续检测到“老板”实体，则所得的干预的结果遵守度分将会很低。
为了简洁起见，本文省略了该技术的详情的其它细节。以下列表是具体描述了该技术的示例性出版物，其通过引用并入本文：nadeau,david&sekine,satoshi的“asurveyofnamedentityrecognitionandclassification”,lingvisticaeinvestigationes30.1(2007):3-26；tjongkimsang,e.f.&demeulder,f.的“introductiontotheconll-2003sharedtask:language-independentnamedentityrecognition”,proceedingsoftheseventhconferenceonnaturallanguagelearningathlt-naacl,第四卷,142-147页，2003年；以及维基百科:https://en.wikipedia.org/wiki/named-entity_recognition。
ii.文本模式匹配
本文所述的一个或多个传感器的处理单元还可以执行“文本模式匹配”分析，该分析是指通过将这些模式与给定文本进行匹配在为文本主体中检测某些字符串模式(字符序列)的存在的能力。通常使用正则表达式提供该模式。例如，模式“*b*”匹配包含字母“b”的所有长度的所有字符串。
根据本发明，计算系统可以使用模式匹配来检测某些单词或短语，这些单词或短语指示对干预的预期实现的遵守保真度的增加或降低。例如，模式匹配可用于在感谢干预中检测贬义词和否定词，其中预期实现是具有积极和轻松的语气。当检测到贬义词和否定词时，将引导用户尝试使用更积极的语气，并避免使用该语言，从而使遵守保真度得分提高。
为了简洁起见，本文省略了该技术的详情的其它细节。以下列表是具体描述了该技术的示例性出版物，其通过引用并入本文：knuth,donalde.,jamesh.morris,jr,和vaughanr.pratt的“fastpatternmatchinginstrings”,siamjournaloncomputing6.2(1977):323-350；knuth,d.e.,morris,jr.,j.h.&pratt的“fastpatternmatchinginstrings”v.r.,siamjournaloncomputing,6(2),323-350(1977)；navarro,g.&raffinot,m.的“flexiblepatternmatchinginstrings:practicalon-linesearchalgorithmsfortextsandbiologicalsequences”,剑桥大学出版社(cambridgeuniversitypress),2002；以及维基百科:https://en.wikipedia.org/wiki/pattern_matching。
iii.情感分析和情绪声调
情感分析是可以由传感器执行的另一种技术。基本的情感分析可以识别文本中“消极”和“积极”之间的情感极性。更高级的情感分析可以识别特定的情绪，例如文本中的“悲伤”、“愤怒和“快乐””。此外，对文本的情感分析可以识别文本中的哪些片段(即特定词)指示所检测到的情绪。当通过语音而不是书面文本进行对话时，可以通过识别与不同情绪相关的声学特征来进一步识别文本的情绪音调。
根据本发明的某种干预，要求用户描述困扰他们的负面想法。用户以积极的想法做出回应，在情感分析中，检测到这种回应时，表面了低遵守保真度。然后，计算系统做出响应，试图引导用户思考他们想解决和克服的负面想法，而不是正面想法。如果用户最终无法遵守，则在干预完成后干预的遵守得分依然很低。
为了简洁起见，本文省略了该技术的详情的其它细节。以下列表是具体描述了该技术的示例性出版物，其通过引用并入本文：“opinionminingandsentimentanalysis”，pang,bo,andlillianlee,foundationsand
https://cloud.google.com/natural-language/&_
https://www.ibm.com/watson/developercloud/tone-analyzer.html；
微软：
https://www.microsoft.com/reallifecode/2015/11/29/emotion-detection-and-recognition-from-text-using-deep-learning；以及维基百科：https://en.wikipedia.org/wiki/sentiment_analysis。
iv语义分析
“语义分析”是指将单词、短语、句子和段落与整个文本整体相关联的各种能力。根据本发明的传感器可以使用语义分析来评估遵守保真度。例如，某种干预可能会要求用户描述他/她在工作中面临的挑战。通过使用在其他文本数据上预先训练的潜在狄利克雷分配主题模型，计算系统可以识别出用户正在讨论两个主要主题：“度假和休闲旅行”和“夏季”。因此，计算系统得出结论，用户正在描述暑假体验而不是工作挑战，并要求用户将注意力集中在工作挑战上，以便用户更加遵守干预的预期实现。
语义分析的其它示例包括：
“part-of-speechtagging”,voutilainen,atro,theoxfordhandbookofcomputationallinguistics(2003):219-232；“latentsemanticanalysis”,landauer,thomask,johnwiley&sons,ltd,2006；和“latentdirichletallocation”,blei,davidm.,andrewy.ng,andmichaeli.jordan,journalofmachinelearningresearch3.jan(2003):993-1022。上述每个出版物的全部内容均通过引用并入本文。
v.自然语言分类
“自然语言分类”技术将文本分配为有限数量的类别之一。类别通常由标签定义，并且可以决定使用哪些标签。根据本发明的该技术的示例性用途如下，以检测用户表现出对预期实现的遵守程度。
表2
在该示例中，要求用户专注于另一个人并表现出对他们的同情。自然语言分类器已经过预先训练，可以在两个类别之间进行分类：1)自我专注(作者专注于自己)；2)关注其他人(作者关注其他人)。用户回答“我认为乔不喜欢我”，并且在将该文本发送到分类器时，分类器返回标签“自我关注”，表明用户没有专注于其他人，导致遵守保真度较低。然后，系统会通过鼓励用户从其他人的角度描述事物来做出响应，以提高遵守保真度。
为了简洁起见，本文省略了该技术的详情的其它细节。以下列表是具体描述了该技术的示例性出版物，其通过引用并入本文：ibmwatson:
https://www.ibm.com/watson/developercloud/nl-classifier.html；“mallettextclassificationsoftware”http://mallet.cs.umass.edu/classification.php；“asurveyoftextclassificationalgorithms”，aggarwal,charuc.,和chengxiangzhai,miningtextdata(2012):163-222；以及维基百科：https://en.wikipedia.org/wiki/document_classification。
前述分析技术的列表不是穷举的，而仅仅是示例。示例性实施例还可以使用其他无人监督的分析技术，例如主题建模，来提取潜在的标签用于文本分类。本文公开的任何一种技术可以由相应传感器内的处理单元执行，或者，可以在相应传感器外部的一个或多个处理单元内执行。
现在将参考图3来描述一个示例，其中根据本发明的计算系统开始与用户进行移情行为干预。该干预的预期实现为让用户“穿着别人的鞋走路”。示例性对话如下：
表3
为了完成预期实现，此特定干预要求遵守以下四个要求或条件：
1)专注于另一个人而不是专注于自己。
2)描述对方生活中的一种情况，以及这种情况的生活领域(例如，该情况是“应对糖尿病”，其中生活领域是“健康”)。
3)提及另一个人的至少一个积极特征。
4)描述另一个人正在经历的情绪。
所有这些要求都与以下目的有关，即，当所有要求都得到满足时，证明同情心和干预的功效得到最大化。因此，在完成这四个要求中的每一个时，用户将获得例如25分的部分分数。如果满足所有四个要求，则用户将获得100的满分。可以对干预的每个步骤进行评分，并且可以在干预结束时以个性化的保真度报告或总体保真度报告的形式将这些分数呈现给用户。向用户呈现保真度报告的重要目的是使用户了解某些干预为何起作用或不起作用，为什么某些干预比其他干预更好的起作用和/或用户如何改善给定干预的功效。参考图3，当满足这些条件中的一个或多个条件时时，计算系统例如分配“y”，而当缺少这些条件中的一个或多个时，计算系统例如分配“n”或“-”。在此示例中，理想响应分配为[yyyy]。
返回该示例，进一步进行如下对话：
表4
对照已编程的分支逻辑来分析用户的第一反应(“乔”)，并为其分配[ynnn]，因为计算系统仅检测到四个条件中的第一个条件。计算系统确定还有更多条件要满足，并且对话继续。由于未检测到这四个条件，因此对用户的第二个反应(“我是一个好人”)进行了分析并分配了[nnnn]。计算系统确定还有更多条件要满足，并且用户正在偏离主题。计算系统以一种使用户回到正轨的方式进行响应。最后，由于检测到所有四个条件(“乔”，“有韧性的”，“繁重的工作”，“感到难过”)，因此对用户的第三反应(乔是一个很有韧性的人，正在处理繁重的工作，为此感到难过)进行分析并分配了[yyyy]。计算系统确定干预的所有条件均已满足并结束对话。
根据本发明，不仅仅是按顺序询问一堆不同的问题，直到用户完全遵守。相反，本质上，本发明专门针对每一个后续提示，以引导用户实现最大化的遵守度。
换言之，在干预的每个步骤中，计算系统评估用户提供的(例如，文本)输入数据，并且基于该评估，相应地调整下一个提示以将用户引导至最大化的遵守度。这样，根据行为干预，该下一个提示可能会覆盖或优先于预先安排的下一个行内提示。
在一些实施例中，最初设计干预的编程逻辑，使得例如当“a”→走向“x”，当“b”→走向“y”，当“c”→走向“z”等时，计算系统在每个分支逻辑上执行输入。然而，根据本发明，计算系统还可以调查“a”或“b”或“c”被执行的程度或量，而不是简单地检测“a”或“b”或“c”的出现。因此，计算系统可以不直接分支到“x”或“y”或“z”，而是沿着首先会最大化对行为干预的“a”或“b”或“c”的遵守度的方向来引导用户。
返回到同情行为干预示例，在干预要求用户列出另一个人的积极特质的部分中，计算系统解析用户输入的语句，以确定该语句是否包含属于“积极特质”类别的术语。例如，计算系统对整个数据库的用户文本进行语义分析(例如lda主题建模)以进行共情练习，并识别人们用来描述他人积极特征的术语。例如，术语“聪明”，“坚强的”和“友善的”通常识别为描述积极的特质。然后，将识别出的术语用作标签，以训练自然语言分类器，该分类器将识别给定的文本是否可以分类为这三个识别出的类别之一。根据上述示例性分析技术中的一个或多个，例如“他很聪明”，“她很聪明”，或“这是一个非常聪明的人”等短语可添加到识别为“聪明”类的标签中。
有关lda主题建模的其他详细信息，请参见，blei，d.m.，ng，a.y.和jordan，m.i.的“latentdirichletallocation”，journalofmachinelearningresearch，3(1月)，993-1022(2003年)，以及有关常规主题建模的详细信息，请参见steyvers，m.&griffiths，t.的“probabilistictopicmodels”，t.,handbookoflatentsemanticanalysis,427(7),424-440(2007)。这些参考文献中的每一个的全部内容均通过引用并入本文。
如果用户输入的语句未能包含计算系统认为与另一个的积极特质相对应的一个或多个术语，则计算系统将该故障通知用户，并要求用户再次尝试。如果用户连续错过给定干预的一个或多个特定条件，则计算系统会调整后续提示以弥补该不足。如果用户偏离预期实现，则计算系统会适当调整提示以使用户重回正轨。在某些实施例中，可以对提示进行特定的细微调整以最大程度地遵守，而在某些其他实施例中，计算系统可以更直接地指导用户实现最大的遵守。
用于共情行为干预的另一示例性对话如下进行：
表5
在该示例中，已编程的分支逻辑分别针对用户的第一反应和第二反应返回[ynnn]和[yyny]。计算系统检测到满足“其他关注”，“积极特质”和“情感”已经得到满足，但用户尚未遵守此干预的“领域”要求。因此，干预在顺序上发生了动态变化，以特别着重于使用户满足丢失的条件并实现最大的遵守度。
将参考图4描述另一个示例。在此示例中，在计算系统与用户之间的对话期间，描述了以下步骤：
1)用户键入或讲话。
2)用户的文本和/或语音信号被计算系统的解码器组件“解码”(即，输入数据通过多个传感器运行)。
3)通过计算系统创建和存储的结果是对用户的丰富描述，(例如，基于本文所述的一个或多个传感器的输出)提供了例如情感基调、情感、语义等信息。
4)然后，对话管理器分析传感器输出，以及对话的上下文(即，代表当前对话中与用户的交互)以及对话中的更广泛的上下文，其中这两者都存储在上下文变量的存储库中。
5)基于对解码的用户输入和上下文的这种分析，对话管理器然后确定下一步如何响应，并组合对用户的适当响应，旨在在下一回合中引起某些用户输入。
6)对话管理器还更新上下文变量的存储库(在对话上下文变量之内和之间)。
根据本发明的实施例，对话管理器遵循上述步骤，以使用户对干预的预期实现的遵守度最大化。
在整个说明书中的各个地方出现的短语“在一个实施例中”或“在一个示例性实施例中”或该短语的任何其他变型的出现不一定都指的是同一实施例，而仅意味着结合所描述的实施例描述的特定特性、特征、结构等包括在至少一个实施例中。
本文描述的技术可以被并入系统、方法和/或计算机程序产品中，该产品包括具有计算机可读的程序指令的非暂时性计算机可读存储介质，从而使得处理器可以执行一个或多个实施例多个方面。
程序指令是计算机可读的，并且可以经由网络从计算机可读存储介质下载到一个或多个计算/处理设备，或者可以经由网络下载到外部计算机或外部存储设备，该网络可以包括局域网、广域网、无线网络或因特网。
另外，网络可以包括无线传输、路由器、防火墙、交换机、铜传输电缆、光传输光纤、边缘服务器和/或网关计算机。在相应的计算/处理设备中，每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在计算机可读存储介质中。
如本文所用，计算机可读存储介质不应被解释为瞬时信号，例如无线电波或其他自由传播的电磁波，通过波导或其他传输介质传播的电磁波，或通过电磁波传输的电信号。所述计算机可读存储介质可以是但不限于例如磁存储设备、电子存储设备、光存储设备、半导体存储设备、电磁存储设备或前述的任何合适的组合，以及可以是可以保留和存储供指令执行设备使用的指令的有形设备。
以下是计算机可读存储介质的更具体示例的列表，但并不详尽：打孔卡、凹槽中的凸起结构，或上面记录有指令的其他机械编码设备、可擦可编程只读存储器、静态随机存取存储器、便携式光盘只读存储器、数字多功能磁盘、便携式计算机软盘、硬盘、随机存取存储器、只读存储器、闪存、记忆棒、软盘，以及上述设备的任何适当组合。
本文描述的一个或多个实施例的操作可以由程序指令来执行，所述程序指令可以是机器指令、机器相关指令、微码、汇编指令、指令集架构指令、固件指令、状态设置数据或以一种或多种编程语言的任意组合编写的源代码或目标代码，包括面向对象的编程语言，例如但不限于c++，和其他常规过程编程语言。
如本领域技术人员通过上下文的描述清楚了解的那样，程序指令可以具有以下能力，即完全在用户的计算机上执行，也可以部分地在用户的计算机上执行，部分在远程计算机上执行，部分在用户计算机上执行，完全在远程计算机或服务器上执行，或作为独立软件包执行。在“完全在远程计算机或服务器上执行”的方案中，远程计算机可以通过任何类型的网络(包括广域网或局域网)连接到用户计算机，或者可以与外部计算机建立连接。
在一些实施例中，包括例如现场可编程门阵列、可编程逻辑电路或可编程逻辑阵列的电子电路可以通过利用程序指令的状态信息来个性化电子电路来执行程序指令，以便执行本文所述的一个或多个实施例的多个方面。
这些程序指令可以存储在计算机可读存储介质中，该计算机可读存储介质可以指导计算机、可编程数据处理装置和/或其他设备以特定方式起作用，使得其中存储有指令的计算机可读存储介质包括制品，该制品包含指令，该指令包括实现在流程图和/或一个或多个框图方框中指定的功能/动作的各方面。还可将这些程序指令提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器以产生机器，从而使得经由计算机或其他可编程数据处理设备的处理器执行的指令创建实现流程图和/或一个或多个框图方框中指定的功能/动作的手段。
计算机可读程序指令还可以被加载到计算机、其他编程装置或其他设备上以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或一个或多个框图方框中指定的功能/动作。
图中的框图和/或其他图和/或流程图图示说明了根据本发明的各种实施例的系统，方法和计算机程序产品的可能实现的功能、架构和操作。就这一点而言，方框和/或其他图和/或流程图图示中的每个方框可以表示指令的模块、片段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施例中，方框中指出的功能可以不按图中指出的顺序发生。例如，取决于所涉及的功能，实际上可以基本上同时或有时以相反的顺序执行连续示出的两个框。还应注意，可以通过基于专用硬件的系统来实现该框和/或其他图和/或流程图图示的每个框，以及该框和/或其他图和/或流程图图示中的框的组合，其中基于硬件的的系统执行指定的功能或动作，或执行专用硬件和计算机指令的组合。
在不脱离本公开的范围的情况下，可以对本文所述的系统、设备和方法进行修改、增加或省略。例如，系统和设备的组件可以被集成或分离。此外，本文公开的系统和设备的操作可以由更多，更少或其他组件执行，并且所描述的方法可以包括更多、更少或其他步骤。另外，可以以任何合适的顺序执行步骤。如本文中所使用的，“每个”是指集合的每个成员或集合的子集的每个成员。为了帮助专利局和根据本申请发布的任何专利的任何读者解释其所附权利要求，申请人希望注意，申请人无意使用任何所附权利要求或权利要求要素来援引35u.s.c.§112(f)，除非在特定权利要求中明确使用“用于……的方法”或“用于……的步骤”。
鉴于前述公开，已经描述了用于与用户交互的本发明的计算系统和技术。根据本文提供的公开，计算系统使用行为干预来与用户互动，以提高幸福感或更广泛地，以减轻或缓解精神健康状况的症状，例如抑郁和焦虑，这种交互需要通过计算系统评估对行为干预的遵守保真度，以最大程度地提高行为干预的效率。进一步根据本文提供的公开，计算系统对遵守保真度进行评估，并在行为干预期间动态地调整提示，以指导用户实现最大化的遵守。
- 还没有人留言评论。精彩留言会获得点赞！