个人工具
User menu

Downloads

来自计算网络心理实验室

跳转至: 导航, 搜索

移动应用下载

  系统基于经典的心理学测量工具,结合现代信息科学的技术手段,向用户科学地揭示心灵奥秘,包括了人格、心理健康等多个主题。借助本系统,用户在不需要接受任何专业人士指导的情况下就能够实现对自身心理特征的专业性剖析与解读。整个使用过程十分方便、快捷,特别适合于非专业心理学爱好者使用。欢迎使用,您可以使用它的预测功能,科学的预测您的心理健康情况(抑郁/焦虑/幸福/孤独)。

  心理地图_微博心解 下载

  中科心解 下载

  认知应用 下载

移动互联网与心理健康相关应用

CCPL实验室开发了基于Android平台的一系列应用,包括三个子系统:心理测评、自助调节,以及认知训练。 目前,“心理地图_微博心解”已经集成了前两个子系统的功能,并且作为微博第三方客户端,可以为用户提供刷微博、发微博、听微博等微博功能。

欢迎您下载使用“心理地图_微博心解”。


三个子系统模块的功能分别为:

  • 移动心理测评系统 中科心解:系统基于经典的心理学测量工具,结合现代信息科学的技术手段,向用户科学地揭示心灵奥秘,包括了人格、心理健康等多个主题。借助本系统,用户在不需要接受任何专业人士指导的情况下就能够实现对自身心理特征的专业性剖析与解读。整个使用过程十分方便、快捷,特别适合于非专业心理学爱好者使用。欢迎使用,点击此处下载
问卷选择界面
答题界面
结果反馈
  • 自助心理健康调节系统 抑郁心导:基于国际心理学界著名的'认知行为疗法'(Cognitive Behavior Therapy)原理,并结合现代计算机科学的技术成果模拟再现了现实生活场景中的心理咨询流程,它针对如何预防和缓解抑郁情绪困扰这一主题向用户提供完全自动化的自助式心理健康服务,旨在培养科学、健康、合理的思维方式与心理卫生习惯。欢迎使用,点击此处下载
抑郁心导
反馈界面


抑制
转换
刷新

WebMind 浏览器

WebMind浏览器是WSI实验室开发的个性化的浏览器。该浏览器集成了意图预测与推荐和心理预测模型,模型的主要功能是通过分析您最近会话内的浏览动作来预测您的信息需求以及心理状态,并根据此意图和心理来生成推荐信息。点击右上角的两个图片分别可以获取当前你的心理状态以及系统为您生成的推荐页面。欢迎使用,点击此处下载,点击此处下载使用指南,如有问题请联系:webmind.wsi@gmail.com

Screenshot1.jpg

WebIC --- An Effective Complete-Web Recommender System

WebIC is an IE-Based browser which is expected to predict IC-Pages for web users ... can also be used for annotation ...

Association Rule(Apriori)

This is my implementation of Apriori in:

R. Agrawal, R. Srikant, Fast Algorithms for Mining Association Rules, Proc. of the 20th Int'l Conference on Very Large Databases, Santiago, Chile, Sept. 1994. Expanded version available as IBM Research Report RJ9839, June 1994.

Sequential Pattern(WAP)

This is my implementation of:

J. Pei, J. Han, B. Mortazavi-Asl, and H. Zhu `` Mining Access Patterns Efficiently from Web Logs (PDF), Proc. 2000 Pacific-Asia Conf. on Knowledge Discovery and Data Mining (PAKDD'00), Kyoto, Japan, April 2000.


DMTalker

DMTalker is a software for Mandarin sentence prosodic rules mining and Text-To-Speech, and it is implemented on Borland C++Builder 3.0.

The pitch models which are now being used in Mandarin Text-To-Speech are extracted by linguistics experts, and they are described qualitatively and with low precise. To acquire more accurate prosodic rules, data mining is employed to extract pitch models from actual speech, and the result is encouraging. The preprocessing of the prosodic rules data mining includes text analysis, time-wrapping, moving average, and normalization, and typical pitch series have been extracted by clustering analysis on the preprocessed pitch arrays for discretion. Decision tree(C4.5) and neural network have been used for extracting pitch variation patterns from preprocessed train data.

  • 本页面最后修改于2014年4月2日 (星期三) 13:28。
  • 本页面已经被访问过19,232次。