基于BERT-XGBoost混合模型预测运动员心理状态
人机交互
2024-12-10 v1
摘要
理解并预测运动员的心理状态对于优化运动表现至关重要。本研究引入了一种混合BERT-XGBoost模型，用于分析情绪、焦虑和压力等心理因素，并预测其对运动表现的影响。通过将BERT的双向上下文学习能力与XGBoost的分类效率相结合，该模型在从结构化和非结构化数据（包括带有情绪平衡和压力等标签的自我报告和观察数据）中识别心理模式方面达到了94%的高准确率。该模型还整合了实时监测和反馈机制，可根据运动员的心理状态提供个性化干预。该系统旨在直观地吸引运动员参与，并动态调整其反馈以促进情绪健康和表现提升。通过实时分析情绪轨迹，提供共情、主动的交互。这种方法优化了表现结果，并确保了对心理健康的持续监测，改善了人机交互，并为运动中的心理支持提供了一个自适应的、以用户为中心的模型。
引用
@article{arxiv.2412.05816,
title = {Real-Time Prediction for Athletes' Psychological States Using BERT-XGBoost: Enhancing Human-Computer Interaction},
author = {Chenming Duan and Zhitao Shu and Jingsi Zhang and Feng Xue},
journal= {arXiv preprint arXiv:2412.05816},
year = {2024}
}