本发明涉及用户人格识别技术领域，特别涉及一种基于多维感知数据的用户人格识别方法。
背景技术：
随着智能设备的高度普及，人们的日常生活、行为活动与智能手机的联系越来越密切。不同人格特征的用户可能会对手机产生不同的依赖性，因此在使用手机的习惯和偏好可能存在不同。例如，内向者喜欢使用互联网，尽责性的用户可能会在电量耗尽时立即为手机充电，开放性得分高的人可能会让手机长时间充电甚至保持满电水平，内向者花更多时间在社交软件上联系朋友。由于具有冒险精神的特征，外倾性的用户可能会喜欢旅游应用。由于不同人格特征的用户可能存在不同的使用手机的习惯，因此人格识别显得十分重要。
专利cn103440864a介绍了一种基于语音的人格特征预测方法，首先对多个参与者进行人格评估测定，采集参与者的语音片段，提取声学特征和统计特征，建立人格预测模型；再从新采集的语音信息中提取相应的特征，将这些特征输入预测模型，得到对应的人格特征的评分值。
专利cn103902566a提供一种基于微博用户行为的人格预测方法，首先获取微博活跃用户的id列表及这些用户的人格调查问卷；然后根据建立的微博网络行为体系，从这些用户的微博数据中提取相应的静态和动态行为特征；利用时间序列分析对动态行为特征数值化进行处理，形成完整的微博特征集；利用逐步回归算法，从微博特征集中，提取最大的显著特征集合，完成特征选取；对选取出来的特征，利用建立的人格预测回归模型，预测用户的人格心理指标。
专利cn106649267a提供一种通过文本主题挖掘推测用户大五人格的方法，首先采集文本数据及大五人格评分，进行预处理；然后根据预处理后的文本获得人格62主题分布矩阵，并根据分布矩阵分析人格与主题之间的关系，进而获得不同主题关联的大五人格得分。这些关于用户大五人格的研究，在研究思路上，给我们所要解决的问题提供了一定的参考。
《mininglarge-scalesmartphonedataforpersonalitystudies》personalandubiquitouscomputing.2013,17(3):433-450和《who'swhowithbig-five:analyzingandclassifyingpersonalitytraitswithsmartphones》internationalsymposiumonwearablecomputers.ieee,2011:29-36，这两篇论文从智能手机出发，采集短信、电话、app使用数据、情景模式变化以及蓝牙信息，根据用户使用手机的习惯，提取相应的特征，进而实现用户人格特征的识别。他们的研究会采集用户短信的长度、电话时长等信息，这些信息在一定程度上，会侵犯用户的隐私。同时随着微信、微博的快速发展，人们对于传统的电话、短信等手机功能，使用的越来越少。本发明仅利用手机电量变化情况、耳机接入情况、手机当前的情景模式、手机联网情况、手机屏幕状态以及手机当前正在使用的app名称等信息，识别用户人格特征。在识别过程中，所需的时间更短、采集的数据更少，且避开隐私数据，在效率和准确率上取得了较好的效果。
技术实现要素：
本发明实施例提供了一种基于多维感知数据的用户人格识别方法，用以解决现有技术中存在的问题。
现已有从智能手机出发的用户人格研究，一般会采集用户打入电话、拨出电话的时间、时长以及用户发短信的长度，这些数据在一定程度上，会侵犯用户的隐私。且由于近年来微信、微博的快速发展，人们对于传统的电话、短信等手机功能，使用的越来越少。本发明采集手机电量变化情况、是否接入耳机、手机当前的情景模式、手机联网情况、开关屏幕的信息以及手机当前正在使用的app名称等数据，分别计算手机使用习惯与五类人格(开放性、尽责性、外倾性、宜人性、神经质)的相关性，选择能识别用户人格特质的特征，最终得到五种人格与手机使用习惯的回归方程，可更好的支撑相关的应用研究。
为实现上述目的，本发明采取的技术方案为：
一种基于多维感知数据的用户人格识别方法，该方法包括以下步骤：
步骤一、利用android提供的事件监听器，采集手机电池电量变化情况、耳机接入情况、手机当前的情景模式、手机联网情况、手机屏幕状态以及手机app使用情况的数据，并选择1分钟、5分钟、10分钟、30分钟和60分钟作为不同的时间窗口；
步骤二、采集手机电池电量变化情况场景数据，采集各个时间窗口电池充电状态、满电的次数、最常使用的充电方式和电量消耗情况；
步骤三、采集耳机接入情况场景数据，采集在各个时间窗口下连接耳机的次数、不连接耳机的次数以及耳机的最常状态；
步骤四、采集手机当前的情景模式场景数据，采集每类情景模式的使用次数和最常使用的情景模式；
步骤五、采集手机联网情况场景数据，采集在不同的时间窗口中，连接2g、3g、4g、wi-fi和不联网的次数以及最常使用的联网方式；
步骤六、采集手机屏幕状态场景数据，采集在各个时间窗口中，屏幕点亮次数和解锁屏幕的次数；
步骤七、采集手机app使用情况场景数据，采集每类app的个数和名称，每个时间窗口下，某类app的使用时长和打开频次；
步骤八、将在步骤二、三、四、五、六、七中得到的所有特征值赋予相应的人格属性，将用户使用手机时的感知数据作为输入信息，判断特征的人格属性，进而确定用户的人格，人格分为开放性、尽责性、外倾性、宜人性和神经质五种。
较佳地，所述步骤二中的电池充电状态包含放电-discharging、充电-charging、未充电-notcharging、满电-full和未知-unknown状态。
较佳地，所述步骤二中的充电方式包括充电器充电-ac、usb接口充电-usb和未充电-null状态。
较佳地，所述步骤四中的手机情景模式分为正常-normal、静音-silent和振动-vibrate三种。
本发明有益效果：本发明较之现有的用户人格识别方法，利用更简单的手机功能，涉及更少的用户隐私数据，通过采集两周及两周以上的实验数据，即可实现利用更少的数据，得到更准确的用户人格特征，从而可以更好的支撑与用户人格特征相关的应用研究。
附图说明
图1为本发明实施例提供的一种基于多维感知数据的用户人格识别方法的流程示意图；
图2为手机app使用情况场景的详情示意图。
具体实施方式
下面结合发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
参照图1本发明提供了一种基于多维感知数据的用户人格识别方法，该方法包括以下步骤：
步骤一、利用android提供的事件监听器，采集手机电池电量变化情况、耳机接入情况、手机当前的情景模式、手机联网情况、手机屏幕状态以及手机app使用情况的数据，并选择1分钟、5分钟、10分钟、30分钟和60分钟作为不同的时间窗口；
步骤二、采集手机电池电量变化情况场景数据，采集各个时间窗口电池充电状态、满电的次数、最常使用的充电方式和电量消耗情况；电池充电状态包含放电-discharging、充电-charging、未充电-notcharging、满电-full和未知-unknown状态；充电方式包括充电器充电-ac、usb接口充电-usb和未充电-null状态；
步骤三、采集耳机接入情况场景数据，采集在各个时间窗口下连接耳机的次数、不连接耳机的次数以及耳机的最常状态；
步骤四、采集手机当前的情景模式场景数据，采集每类情景模式的使用次数和最常使用的情景模式；手机情景模式分为正常-normal、静音-silent和振动-vibrate三种；
步骤五、采集手机联网情况场景数据，采集在不同的时间窗口中，连接2g、3g、4g、wi-fi和不联网的次数以及最常使用的联网方式；
步骤六、采集手机屏幕状态场景数据，采集在各个时间窗口中，屏幕点亮次数和解锁屏幕的次数；
步骤七、采集手机app使用情况场景数据，采集每类app的个数，每个时间窗口下，某类app的使用时长和打开频次；
步骤八、将在步骤二、三、四、五、六、七中得到的所有特征值赋予相应的人格属性，将用户使用手机时的感知数据作为输入信息，判断特征的人格属性，进而确定用户的人格，人格分为开放性、尽责性、外倾性、宜人性和神经质五种。
参照图2，本发明提供的一种基于多维感知数据的用户人格识别方法，其中手机app使用情况场景如下：
(1)、根据googleplaystore和豌豆荚将app分为27类，选择1/5/10/30/60分钟作为时间窗口；
(2)、计算每类app的个数，各个时间窗口下某类app的使用时长和使用频次；
(3)、确定用户在该场景下使用手机的特征值，若不在特征值范围内，则继续采集数据，若在特征值范围内，则输出人格特征的回归方程。
综上所述，本发明采集手机电量变化情况、耳机接入情况、手机当前的情景模式、手机联网情况、手机屏幕状态以及手机app使用情况等数据，从实验场景中提取相应的特征，进而对用户的人格特征进行识别，从而确定用户的人格。本发明较之现有的用户人格识别方法，利用更简单的手机功能，涉及更少的用户隐私数据，通过采集两周及两周以上的实验数据，即可实现利用更少的数据，得到更准确的用户人格特征，从而可以更好的支撑与用户人格特征相关的应用研究。
以上公开的仅为本发明的一个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。