(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111638076.3 (22)申请日 2021.12.2 9 (71)申请人 上海花事电子商务有限公司 地址 201703 上海市青浦区沪青平公路 3841弄5号67宗地2 9幢二层I区285室 (72)发明人 董佩昂　 (74)专利代理 机构 北京挺立专利事务所(普通 合伙) 11265 专利代理师 郭磊 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 16/9536(2019.01) G06K 9/62(2022.01) (54)发明名称 一种基于父母人格预测儿童人格的方法 (57)摘要 本发明公开了一种基于父母人格预测儿童 人格的方法， 包括步骤S001， 成人的人格到儿童 的人格中间有三个过程量表， 利用成人人格的特 征经过另外三个量表的 ‘解读’输出孩子的人格 特征； 步骤S002， 先采 集大量数据做数据预处理， 然后从中提取人格特征， 投入模型进行训练， 回 归出成人人格 ‑成人依恋 ‑成人教养 ‑儿童依恋 ‑ 孩子人格 之间的四步骤 联系， 不断迭代减小误差 找到理想的参数； 步骤S003， 步骤2的训练好模型 后， 用测试集来检验模型性能， 得到通过检验的 模型等。 本发 明通过训练好的模 型可以基于父母 的人格预测出孩子的人格， 并能提取出父母人格 对孩子人格影响的关键点。 权利要求书1页 说明书4页 附图2页 CN 114461757 A 2022.05.10 CN 114461757 A 1.一种基于父母人格预测儿童人格的方法， 其特征在于， 包括以下步骤， 步骤S001， 成 人的人格到儿童的人格中间有三个过程量表， 利用成人人格的特征经过另外三个量表的 ‘解读’输出孩子的人格特 征； 步骤S002， 先采集大量数据做数据预处理， 然后从中提取人格特征， 投入模型进行训 练， 回归出成人人格 ‑成人依恋 ‑成人教养 ‑儿童依恋 ‑孩子人格之间的四步骤联系， 不断迭 代减小误差找到理想的参数； 步骤S003， 步骤2的训练好模型后， 用测试集 来检验模型性能， 得到通过检验的模型； 步骤S004， 使用步骤S0 03得到的模型通过 父母的人格预测孩 子的人格。 2.根据权利要求1所述的一种基于父母人格预测儿童人格的方法， 其特征在于， 步骤 S002中， 在“成人人格 ‑成人依恋 ‑成人教养 ‑儿童依恋 ‑儿童人格 ”过程中， 使用标注标签方 式训练模型。 3.根据权利要求2所述的一种基于父母人格预测儿童人格的方法， 其特征在于， 步骤 S002中， 标注标签方式为用大量的人工成本对数据进行 标注。 4.根据权利要求2所述的一种基于父母人格预测儿童人格的方法， 其特征在于， 在步骤 S002中， 标注标签方式为基于主动学习的智能标注算法。 5.根据权利要求2所述的一种基于父母人格预测儿童人格的方法， 其特征在于， 步骤 S002中， 标注标签方式为将 “成人人格 ‑成人依恋 ‑成人教养 ‑儿童依恋 ‑儿童人格 ”过程中五 个部分都进行传统问卷测试直接得 出标签。 6.根据权利要求4所述的一种基于父母人格预测儿童人格的方法， 其特征在于， 步骤 S002中， 基于主动学习的智能标注方法具体为步骤a、 首先用户标注 一个label； 步骤b、 然后 主动学习的后台算法分为 “离线”和“在线”部分，“在线”部分及时更新模型， 可使用传统机 器学习算法， “离线”部分当标注积累到一定数量时更新模型， 可使用准确度较高的深度学 习模型； 不住c、 模型更新后， 对尽可能多的例子做出预测， 将确信度排序， 取确信度较低的 例子作为代标注例子； 重复a。权　利　要　求　书 1/1 页 2 CN 114461757 A 2一种基于父母人格预测儿童人格的方 法 技术领域 [0001]本发明涉及 适用于人格心理学和人工智能技术领域， 具体涉及 一种基于父母人格 预测儿童人格的方法。 背景技术 [0002]目前有研究表明， 父母的人格对孩子 的人格形成有影响， 但其中的影响并不是简 单的联系， 根据心理学其中需要多个心理量表层层传递才影响孩子人格的， 当前市场中的 技术也没有结合专 业的信息学知识计算父母人格对孩子人格的影响程度， 如何基于父母人 格预测儿童人格已经成为行业内新出现且亟 待解决的问题。 发明内容 [0003]针对相关技术中的问题， 本发明提出一种基于父母人格预测儿童人格 的方法， 以 克服现有相关技 术所存在的上述 技术问题。 [0004]为此， 本发明采用的具体技 术方案如下： [0005]一种基于父母人格预测儿童人格的方法， 包括以下步骤， 步骤S00 1， 成人的人格到 儿童的人格中间有三个过程量表， 利用成人人格的特征经过另外三个量表的 ‘解读’输出孩 子的人格特 征； [0006]步骤S002， 先采集大量数据做数据预处理， 然后从中提取人格特征， 投入模型进行 训练， 回归出成人人格 ‑成人依恋 ‑成人教养 ‑儿童依恋 ‑孩子人格之间的四步骤联系， 不断 迭代减小误差找到理想的参数； [0007]步骤S003， 步骤2的训练好模型后， 用测试集来检验模型性能， 得到通过检验的模 型； [0008]步骤S004， 使用步骤S0 03得到的模型通过 父母的人格预测孩 子的人格。 [0009]在可能的一个设计中， 步骤S002中， 在 “成人人格 ‑成人依恋 ‑成人教养 ‑儿童依恋 ‑ 儿童人格 ”过程中， 使用标注标签方式训练模型。 [0010]在可能的一个设计中， 步骤S002中， 标注标签方式为用大量的人工成本对数据进 行标注。 [0011]在可能的一个设计中， 在步骤S002中， 标注标签方式为基于主动学习的智能标注 算法。 [0012]在可能的一个设计中， 步骤S002中， 标注标签方式为将 “成人人格 ‑成人依恋 ‑成人 教养‑儿童依恋 ‑儿童人格 ”过程中五个部分都进行传统问卷测试直接得 出标签。 [0013]在可能的一个设计中， 步骤S002中， 基于主动学习的智能标注方法具体为步骤a、 首先用户标注一个label； 步骤b、 然后主动学习的后台算法分为 “离线”和“在线”部分，“在 线”部分及时更新模型， 可使用传统机器学习算法， “离线”部分当标注积累到一定数量时更 新模型， 可使用准确度较高的深度学习模 型； 不住c、 模型更新后， 对尽可能多的例子做出预 测， 将确信度排序， 取确信度较低的例子作为代标注例子； 重复a。说　明　书 1/4 页 3 CN 114461757 A 3