基于目光行为与对话行为的共情技能和个人特质估计及大范围手势识别技术

### 基于目光行为与对话行为的共情技能和个人特质估计及大范围手势识别技术 #### 基于目光与对话行为的估计模型 在多人讨论中，约90%的话语包含提供信息、自我表露、共情和话轮转接等对话行为（DA）类别。研究表明，说话者和倾听者在话轮保持期间，以及说话者、下一说话者和倾听者在话轮转换期间，伴随每个DA类别的目光转换模式（GTP）的出现频率，可有效估计参与者的共情能力（EC）得分。 研究目标是验证话轮保持/转换期间的目光行为和DA信息，是否有助于估计大五人格和人际反应指针（IRI）的九个指标得分。为此构建了多个估计模型： 1. **机会水平模型**：输出所有参与者的平均值。 2. **话语模型**：使用讨论中话语和话轮的比例。 3. **简单目光模型**：使用个人在讨论中注视说话者和倾听者的时长。 4. **DA模型**：使用言语DA类别的出现频率。 5. **GTP模型**：使用GTP的出现频率，不按DA类别分类。 6. **GTP + DA模型**：使用话轮保持和转换期间，每个DA类别对应的GTP出现频率。 7. **全模型**：整合话语和话轮比例、注视时长以及每个DA类别的GTP出现频率。 使用SMOreg算法构建估计模型，并通过网格搜索技术确定支持向量机（SVM）的参数。采用十折交叉验证对16名参与者的数据进行分析，各模型的平均绝对误差如下表所示： | 模型 | Big five - OP | Big five - CO | Big five - EX | Big five - AG | Big five - NE | IRI - EC | IRI - PT | IRI - PD | IRI - FS | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 机会水平 | 0.422(0.809) | 0.725(0.834) | 0.639(0.828) | 0.516(0.760) | 0.828(0.784) | 0.627(0.783) | 0.306(0.678) | 0.406(0.746) | 0.295(0.676) | | 简单目光 | 0.693(1.329) | 0.724(0.833) | 0.423(0.549) | 0.383(0.565) | 0.738(0.699) | 0.609(0.761) | 0.232(0.517) | 0.458(0.841) | 0.315(0.724) | | 话语 | 0.497(0.953) | 0.883(1.016) | 0.666(0.863) | 0.669(0.986) | 0.970(0.919) | 0.698(0.871) | 0.340(0.754) | 0.472(0.866) | 0.328(0.754) | | GTP | 0.334(0.640) | 0.520(0.598) | 0.298(0.387) | 0.303(0.447) | 0.437(0.414) | 0.158(0.197) | 0.135(0.299) | 0.041(0.076) | 0.182(0.419) | | DA | 0.431(0.827) | 0.897(1.032) | 0.7