CN113157416A - 防沉迷方法、装置、电子设备及存储介质 - Google Patents
防沉迷方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113157416A CN113157416A CN202110431377.2A CN202110431377A CN113157416A CN 113157416 A CN113157416 A CN 113157416A CN 202110431377 A CN202110431377 A CN 202110431377A CN 113157416 A CN113157416 A CN 113157416A
- Authority
- CN
- China
- Prior art keywords
- addiction
- early warning
- target
- age
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 206010012335 Dependence Diseases 0.000 title claims abstract description 218
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000003993 interaction Effects 0.000 claims abstract description 62
- 230000001960 triggered effect Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000006399 behavior Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 7
- 230000001815 facial effect Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种防沉迷方法、装置、电子设备及存储介质；方法包括当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与难度系数匹配的目标防沉迷交互信息；当目标用户对所述目标防沉迷交互信息的回复符合要求时，根据难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据本次预警后可用时长确定是否解除沉迷预警。本发明提供的防沉迷方法、装置、电子设备及存储介质，通过用户的年龄确定难度系数，再根据难度系数以及已触发沉迷预警的次数来决定沉迷预警解除后，用户继续使用目标应用软件的时长，可以防止用户冒用他人年龄信息从而绕开防沉迷监控的问题。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种防沉迷方法、装置、电子设备及存储介质。
背景技术
随着诸如电子游戏的各种应用软件(Application)的兴起，许多青少年甚至成年人将大量的时间、金钱投入到这些应用软件中，给个人、家庭乃至社会带来不良影响。防沉迷方法能够有效的遏制这一现象。
现有技术中的防沉迷方法一般会设置使用时长，当用户在应用软件中连续投入的时间达到使用时长后，用户需要通过输入密码或答复问题的方式来获得继续参与的权限。如果密码输入错误或者问题回答错误，用户所参与的应用软件将会被终止。其中，使用时长可以是监管者(如家长)设置的，也可以是***根据用户的年龄设置的。如防沉迷方法根据用户的人脸数据判断用户的年龄，从而设置使用时长。不同的年龄段对应不同的使用时长，成年人的使用时长大于青少年的使用时长。
现有技术中的防沉迷方法虽然具有一定的效果，但也具有明显的不足。
首先，现有的防沉迷方法存在被绕过的可能。例如，对于采用密码的方式来获得权限的防沉迷方法，若用户预先知道密码，那么该类型的防沉迷方法形同虚设，无法起到防沉迷的效果。
其次，现有的防沉迷方法存在被蒙蔽的可能。例如，对于采集用户人脸数据，判断用户年龄，进而设置使用时长的防沉迷方法，青少年用户可以使用成年人的图片来获取更长的使用时长；对于通过答题的方式来获得使用权限的防沉迷方法，用户可以选择容易的类型或难度较低的题库进行答题，方便重新获取使用时长。
因此，现有技术中的防沉迷方法的防沉迷效果并不能令人满意。
发明内容
针对现有技术中所存在的问题，本发明实施例提供一种防沉迷方法、装置、电子设备及存储介质。
第一方面，本发明提供一种防沉迷方法，包括：
当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息；
当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
根据本发明提供的一种防沉迷方法，所述根据目标用户的年龄信息确定防沉迷交互信息的难度系数，包括：
根据目标用户的年龄信息确定目标用户所处的年龄段；
当目标用户处于第一年龄段时，难度系数与目标用户年龄呈正相关；
当目标用户处于第二年龄段时，难度系数为预设的第一数值范围内的随机值，其中第一数值范围中的最大值与最小值之间的差值小于预设的阈值；
当目标用户处于第三年龄段时，难度系数与目标用户年龄呈负相关。
根据本发明提供的一种防沉迷方法，所述根据目标用户的年龄信息确定防沉迷交互信息的难度系数，包括：
根据目标用户的年龄信息，采用难度系数计算公式确定防沉迷交互信息的难度系数；其中，所述难度系数计算公式为：
其中，T(a)表示难度系数；a表示目标用户的年龄值；w表示预设的权重值；t1[a]表示预设的与年龄相关的偏移量；
表示标准正态分布函数，其中的u用于表示用户年龄的平均值，σ用于表示用户年龄的方差。
根据本发明提供的一种防沉迷方法，所述根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，包括：
根据所述难度系数以及已触发沉迷预警的次数，对预设的初始可用时长值进行缩短，得到目标应用软件的本次预警后可用时长；其中，
所述难度系数越高，所述初始可用时长值被缩短的数值越少；
和/或，
所述已触发沉迷预警的次数越多，所述初始可用时长值被缩短的数值越多。
根据本发明提供的一种防沉迷方法，所述根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，包括：
根据所述难度系数以及已触发沉迷预警的次数，采用本次预警后可用时长计算公式确定目标应用软件的本次预警后可用时长；其中，所述本次预警后可用时长计算公式为：
其中，t表示难度系数；H(t)表示目标应用软件的本次预警后可用时长；m表示预先设定的初始可用时长值；n表示已触发沉迷预警的次数；m’表示累积缩短时长；b、c、d三个参数是用于调节衰减速度的参数。
根据本发明提供的一种防沉迷方法，所述根据所述本次预警后可用时长确定是否解除沉迷预警，包括：
当所述本次预警后可用时长大于所述目标应用软件的最短使用时长时，解除所述目标应用软件的沉迷预警，允许所述目标用户在所述本次预警后可用时长的时间段内继续使用所述目标应用软件；
当所述本次预警后可用时长的值小于或等于所述目标应用软件的最短使用时长时，终止所述目标用户使用所述目标应用软件。
根据本发明提供的一种防沉迷方法，方法还包括：
将目标用户的面部图像数据输入预先训练的年龄预测模型，得到目标用户的年龄信息；其中，
所述年龄预测模型是根据样本用户的面部图像数据、样本用户的年龄信息训练得到的。
第二方面，本发明提供一种防沉迷装置，包括：
目标防沉迷交互信息选取模块，用于当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息；
沉迷预警解除判定模块，用于当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明第一方面所述防沉迷方法的步骤。
第四方面，本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面所述防沉迷方法的步骤。
本发明提供的防沉迷方法、装置、电子设备及存储介质，通过用户的年龄确定难度系数，再根据难度系数以及已触发沉迷预警的次数来决定沉迷预警解除后，用户继续使用目标应用软件的时长，可以防止用户冒用他人年龄信息从而绕开防沉迷监控的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的防沉迷方法的流程图；
图2为难度系数随年龄变化的示意图；
图3为年龄预测模型的训练和预测过程的示意图；
图4为本发明提供的防沉迷装置的示意图；
图5为本发明所涉及的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本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、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明提供的防沉迷方法的流程图，如图1所示，本发明提供的防沉迷方法包括：
步骤101、当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息。
在本发明中，目标应用软件为采用了本发明提供的防沉迷方法的应用软件。如网络游戏的应用软件，视频点播的应用软件等。
目标用户的行为是指目标用户单次持续使用目标应用软件的行为，如目标用户单次持续使用某一网络游戏的应用软件。
在本实施例中，目标用户的行为触发目标应用软件的沉迷预警一般是指目标用户单次持续使用目标应用软件的时长达到了预设的可用时长值。例如，某一网络游戏的应用软件的可用时长值为120分钟，当目标用户单次持续参与该网络游戏的时间达到120分钟时，其行为触发目标应用软件的沉迷预警。当目标应用软件被触发沉迷预警后，目标用户将被暂停使用目标应用软件。
目标防沉迷交互信息是向目标用户提供的、用于辅助判断是否解除沉迷预警的信息。目标用户可基于目标防沉迷交互信息进行回复，根据所述回复可确定是否解除沉迷预警。典型的防沉迷交互信息有密码、问题等。
在本实施例中，目标防沉迷交互信息采用问题的形式。当目标防沉迷交互信息采用问题的形式时，需要用户根据问题给出答案，如果答案准确，可解除沉迷预警，如果答案错误，将终止目标用户对目标应用软件的使用。所述问题可以是自然科学领域的问题，如数学学科的问题、物理学科的问题、化学学科的问题、地理学科的问题等，也可以是社会科学领域的问题，如语文学科的问题、英语学科的问题、法律学科的问题、历史学科的问题等。在本发明中，不对问题所涉及的学科进行限定。
本领域技术人员很容易理解，不同内容的问题会存在不同的难度系数。如问题是需要填充唐诗“静夜思”中的缺省部分，可能具有小学文化程度的用户即可答复；如问题是需要解答一个微积分的问题，需要用户具有大学文化程度才有可能答复。由于很难通过一种快捷的方式判断目标用户的文化程度，因此在本实施例中，通过年龄来确定问题的难度系数，进而选取与所确定的难度系数相对应的问题。
本领域技术人员都知道，人类从儿童到青少年的成长过程中，其智力水平、知识的掌握程度一般是随着年龄的增长而增加的，当成长到一定阶段后，智力水平、知识的掌握程度会长期处于一个较为稳定的状态，直至年老后又会逐渐下降。因此，在本实施例中，可根据目标用户的年龄信息确定防沉迷交互信息的难度系数。具体的说，当目标用户尚未成年时(如24岁之前)，难度系数随着目标用户年龄的增加而增大；当目标用户处于成年阶段(不包含老年阶段)时，难度系数保持一个相对的稳定值；当目标用户处于老年阶段时(如64岁以后)，难度系数随着目标用户年龄的增加而降低。
基于上述描述，在一个实施例中，可通过以下步骤确定防沉迷交互信息的难度系数：
根据目标用户的年龄信息确定目标用户所处的年龄段；
当目标用户处于第一年龄段时，难度系数与目标用户年龄呈正相关；
当目标用户处于第二年龄段时，难度系数为预设的第一数值范围内的随机值，其中第一数值范围中的最大值与最小值之间的差值小于预设的阈值；
当目标用户处于第三年龄段时，难度系数与目标用户年龄呈负相关。
其中，第一年龄段对应青少年时期，如24岁之前；第二年龄段对应不包含老年期的成人期，如在24岁到64岁之间；第三年龄段对应老年期，如64岁之后。
为了确定目标用户处于第二年龄段时，难度系数的稳定性，所述第一数值范围内的数值应在一个较小的范围内变化，如第一数值范围中的最大值与最小值之间的差值小于3。
在另一个实施例中，可结合目标用户的年龄信息，直接采用难度系数计算公式计算防沉迷交互信息的难度系数。所述难度系数计算公式为：
其中，T(a)表示难度系数；a表示目标用户的年龄值；w表示权重值；t1[a]是与年龄相关的偏移量；
表示标准正态分布函数，其中的u用于表示用户年龄的平均值，σ用于表示用户年龄的方差。
在上述公式中，用户年龄的平均值以及用户年龄的方差可根据对目标应用软件的用户群体进行年龄数据统计得到。如目标应用软件是一个面向青少年的网络游戏，其用户群体的用户年龄平均值与用户年龄方差值均相对较低；如目标应用软件是一个面向不同年龄层次的视频点播软件，其用户群体的用户年龄平均值与用户年龄方差值均相对较高。用户年龄的平均值与用户年龄的方差也可根据经验预估得到。
权重值w的作用是扩大难度系数的取值范围。例如，标准正太分布函数的值在0-1之间，通过权重值w可将其取值范围调整为0-10之间。难度系数的取值范围扩大后，更有利于区分不同的难度系数。
众所周知，标准正太分布函数成单波峰的形状，根据难度系数公式中的标准正太分布函数，用户在38岁左右时达到智力水平和/或知识掌握程度的顶峰，在38岁前后都会逐渐降低。但实际上，用户在中青年年龄段，其智力水平和/或知识掌握程度会长期处于一个较为稳定的状态，即用于表示用户智力水平和/或知识掌握程度的曲线在中青年年龄段呈现多波峰的形状(类似波浪形)；因此在难度系数公式中还设置了与年龄相关的偏移量t1[a]，以实现对难度系数的调节。图2为难度系数随年龄变化的示意图。从图中可以看出，难度系数总体呈梯字形。特点1：随着年龄增长，难度系数逐渐增大，当达到一定年龄(如24岁)后难度系数趋于保持不变，当超过一定年龄(如38岁)，难度系数又开始下降趋势。特点2：高年龄段的难度系数最后趋于稳定，稳定值为T2，高于低年龄段的初始难度系数T1。特点3：难度系数总体存在波动，不管是梯字形的斜边，还是直边，当放大后，都能发现在一定的范围内存在波动(具有一定的随机性，但趋势不变)。设T3＝8，那么波动值可能是8.2至8.8，即：当坐标轴单位不包含小数点，则T3就是一直线，如果包含小数点，则可显现出这种波动。
在确定难度系数后，可根据难度系数从预先设立的防沉迷交互信息数据库中选取目标防沉迷交互信息。
在本实施例中，防沉迷交互信息数据库为问题数据库。所述问题数据库已经按照问题的难度系数对问题进行了分类，并建立了问题与难度系数之间的映射关系。当需要根据目标用户的年龄信息选取问题时，由于之前已经根据难度系数计算公式计算得到了与目标用户的年龄相对应的难度系数，因此可从问题数据库中按照问题与难度系数之间的映射关系选取问题。
从本步骤的描述可以看出，目标防沉迷交互信息是根据目标用户的年龄信息选取并提供给目标用户的。目标用户本身并不能主动选取防沉迷交互信息的难度，只能被动接受。如果目标用户在使用目标应用软件时提供了虚假的年龄信息，如青少年提供家长的身份信息，以达到获得更多使用时长的目的，那么根据本步骤的描述，根据虚假的年龄信息所选取的目标防沉迷交互信息的难度将会超出目标用户的智力水平和/或知识掌握程度，从而无法正确回复防沉迷交互信息，目标应用软件将会被终止，也就达到了防止沉迷的目的。
步骤102、当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
在之前的步骤中，得到了与目标用户年龄相匹配的目标防沉迷交互信息，所述目标防沉迷交互信息发送给目标用户后，由目标用户进行回复。目标用户的回复存在符合要求与不符合要求两种情况，在本实施例中，对目标用户的回复符合要求的情况做进一步说明。
当目标用户的回复符合要求时，需要确定目标应用软件的本次预警后可用时长。其中，目标应用软件的本次预警后可用时长是指从本次解除目标应用软件的沉迷预警的时刻开始，到目标应用软件下一次被触发沉迷预警的时刻为止之间的时间长度。例如，本次解除沉迷预警的时刻为2021年1月1日上午10点整，目标应用软件下次触发沉迷预警的时刻为2021年1月1日上午11点整，那么目标应用软件的本次预警后可用时长为60分钟。
在确定目标应用软件的本次预警后可用时长时，需要考虑目标防沉迷交互信息的难度系数所带来的影响。
具体的说，在确定目标应用软件的本次预警后可用时长时，会有一个初始可用时长值。在该初始可用时长值的基础上，基于所述难度系数，对初始可用时长值进行衰减，从而得到目标应用软件的本次预警后可用时长值。难度系数越高，一次衰减的比例越小，难度系数越低，一次衰减的比例越大。例如，初始可用时长值为120分钟，当难度系数为9时(难度系数值越大，代表难度系数越高)，一次衰减10％，当难度系数为4时，一次衰减20％。
在确定目标应用软件的本次预警后可用时长时，还需要考虑已触发沉迷预警的次数所带来的影响。
已触发沉迷预警的次数是指在一次持续使用目标应用软件的过程中，已经被触发的沉迷预警的次数。例如，目标用户单次持续参与某一网络游戏的过程中，当参与时间达到120分钟时，第一次触发该网络游戏的沉迷预警，此时已触发沉迷预警的次数为1；目标用户解除沉迷预警后，继续参与该网络游戏90分钟时，第二次触发该网络游戏的沉迷预警，此时已触发沉迷预警的次数为2。
已触发沉迷预警的次数越多，说明用户累计使用目标应用软件的时间越长。因此，为了保护用户的身体健康，已触发沉迷预警的次数越多，初始可用时长值被缩短的数值越多(即新设置的目标应用软件的本次预警后可用时长应当越短)，从而达到劝诫用户停止使用目标应用软件的目的。
在一个实施例中，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，包括：
根据所述难度系数以及已触发沉迷预警的次数，对预设的初始可用时长值进行缩短，得到目标应用软件的本次预警后可用时长；其中，
所述难度系数越高，所述初始可用时长值被缩短的数值越少；
和/或，
所述已触发沉迷预警的次数越多，所述初始可用时长值被缩短的数值越多。
在另一个实施例中，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，包括：
根据所述难度系数以及已触发沉迷预警的次数，采用本次预警后可用时长计算公式确定目标应用软件的本次预警后可用时长；其中，所述本次预警后可用时长计算公式为：
其中，t表示根据目标用户年龄信息所确定的难度系数，也就是之前难度系数公式(1)所得到的结果T(a)；H(t)表示目标应用软件的本次预警后可用时长，也就是该公式所要计算的结果；m表示预先设定的初始可用时长值；n表示已触发沉迷预警的次数；m’表示与累积缩短时长相关的参数；b、c、d三个参数是用于调节衰减速度的参数，在本实施例中，d的大小为3，b的大小为13，c的大小为3，在其他实施例中，也可根据实际情况对这三个参数的取值进行调整。
上述公式中所涉及的累积缩短时长是指在目标应用软件之前被触发沉迷预警时，可用时长被缩短值之和。与累积缩短时长相关的参数m’会有一个初始值，该参数之后的数值会根据累积缩短时长而发生变化。例如，与累积缩短时长相关的参数m’的初始值为60。第一次沉迷预警被触发后，第一次计算本次预警后可用时长。已知初始可用时长值为120分钟，利用与累积缩短时长相关的参数m’的初始值60计算得到本次预警后可用时长。假设计算结果为100分钟。在第二次沉迷预警被触发后，第二次计算本次预警后可用时长。此时，与累积缩短时长相关的参数m’的值为60(初始值)+10(120-100)＝80。
从对累积缩短时长的描述可以看出，已触发沉迷预警的次数越多，与累积缩短时长相关的参数的值就越大。
根据上述计算公式，计算出本次触发沉迷预警后所能得到的可用时长(即本次预警后可用时长)。
从上述确定目标应用软件的本次预警后可用时长的过程描述可以看出，本次预警后可用时长与目标防沉迷交互信息的难度系数正相关，难度系数越高，计算得到的本次预警后可用时长越大。因此，如果目标用户提供虚假的且比实际年龄小的年龄信息，如成年人上传青少年的照片，以达到降低防沉迷交互信息难度的目的，将会使得其整体的使用时长被降低，同样可以起到防沉迷的目的。
将本次预警后可用时长与目标应用软件的最短使用时长进行比较，可确定是否解除沉迷预警。具体包括：
当所述本次预警后可用时长大于所述目标应用软件的最短使用时长时，解除所述目标应用软件的沉迷预警，允许所述目标用户在所述本次预警后可用时长的时间段内继续使用所述目标应用软件；
当所述本次预警后可用时长的值小于或等于所述目标应用软件的最短使用时长时，终止所述目标用户使用所述目标应用软件。
目标应用软件的最短可用时长是预先设定的值，设置最短可用时长可避免因为用户频繁开始或终止应用软件，从而给服务器带来的负荷。如最短可用时长设置为10分钟。若目标应用软件未设置最短可用时长，则最短可用时长可视为0。在这种情况下，若本次预警后可用时长的值为负值或0，即使目标用户对所述防沉迷交互信息的回复符合要求，也要终止目标用户使用目标应用软件；若本次预警后可用时长的值为正值，那么可以解除目标应用软件的沉迷预警，在本次预警后可用时长的时间范围内允许目标用户继续使用目标应用软件，直至沉迷预警下一次被触发或目标用户主动终止对目标应用软件的使用。当沉迷预警下一次被触发时，可重新执行前述步骤101和步骤102，直至目标用户终止对目标应用软件的使用。
本发明的防沉迷方法可结合现有的防沉迷方法使用。例如，当目标用户第一次触发沉迷预警时，目标用户可采用现有防沉迷方法中的密码验证方式来解除沉迷预警。当目标用户第二次触发沉迷预警时，采用本发明的防沉迷方法。
本发明提供的防沉迷方法通过用户的年龄确定难度系数，再根据难度系数以及已触发沉迷预警的次数来决定沉迷预警解除后，用户继续使用目标应用软件的时长，可以防止用户冒用他人年龄信息从而绕开防沉迷监控的问题。
基于上述任一实施例，在本实施例中，方法还包括：
确定目标用户的年龄信息。
确定目标用户的年龄信息可通过多种方式实现。在本实施例中，可采集目标用户的面部信息(如目标用户的人脸图片)，然后将目标用户的面部信息输入预先训练的年龄预测模型，从而预测出目标用户的年龄信息。其中，所述年龄预测模型是根据样本用户的面部图像数据、样本用户的年龄信息训练得到的。
在本实施例中，年龄预测模型是采用深度学习理论构建的智能模型，对于给定的图片或短视频(包括单人物)，输出人物的年龄预测值，其模型的构建和使用分为训练和预测两个阶段。图3为年龄预测模型的训练和预测过程的示意图。
年龄预测模型的训练属于一个监督学习的过程，训练阶段使用已标注数据集在构建的CNN网络上训练。预测时输入相同大小的人脸图片，年龄预测模型通过判断输出其年龄预测值。
年龄预测模型的具体训练与预测过程为本领域技术人员的公知常识，因此不在此处重复描述。
在其他实施例中，也可通过其他方式确定目标用户的年龄信息。例如，目标应用软件在使用前可要求目标用户实名登记，在实名登记过程中通过刷身份证等方式得到目标用户的身份信息，如姓名、身份证号、身份证照片等；然后将实时采集的目标用户的面部信息与目标用户的身份信息进行比对与核实；当目标应用软件的沉迷预警被触发后，根据经过核实的目标用户身份信息可得到目标用户的年龄信息。
本发明提供的防沉迷方法通过确定目标用户的年龄信息，为后续通过用户的年龄确定难度系数，再根据难度系数以及已触发沉迷预警的次数来决定沉迷预警解除后，用户继续使用目标应用软件的时长奠定了基础，可以防止用户冒用他人年龄信息从而绕开防沉迷监控的问题。
基于上述任一实施例，在本实施例中，方法还包括：
当所述目标用户对所述防沉迷交互信息的回复不符合要求时，终止目标用户使用目标应用软件。
在本发明中，根据目标用户的年龄确定防沉迷交互信息的难度系数。当目标用户所收到的目标防沉迷交互信息的难度超出了目标用户的智力水平和/或知识掌握程度时，目标用户将无法给出正确的回复。此时，将终止目标用户使用目标应用软件。
这样做将有效避免目标用户通过提供虚假年龄信息，获得更多使用时长的问题。
为了便于理解本发明的方法，下面结合一个具体的实例进行说明。
假设有两个用户A和B，同时使用目标应用软件C。目标应用软件C的初始可用时长值(即前述公式(2)中的m)为120分钟。
已知用户A的年龄为27，代入前述的公式(1)，可计算出难度系数T(a)＝9，即难度系数为9级；已知用户B的年龄为13，代入前述的公式(1)，可计算出难度系数T(a)＝4，即难度系数为4级.
当用户A和用户B分别使用目标应用软件C，且各自第一次触发沉迷预警时，假设用户A和用户B各自成功解答防沉迷交互信息，分别为用户A和用户B计算本次预警后可用时长。
将用户A的难度系数T(a)＝9作为公式(2)的输入参数t代入公式(2)，计算得到99分钟。在计算过程中，公式(2)中的参数t＝9，n＝1，m＝120，m’＝60。
将用户B的难度系数T(a)＝4作为公式(2)的输入参数t代入公式(2)，计算得到25分钟。在计算过程中，公式(2)中的参数t＝4，n＝1，m＝120，m’＝60。
即：用户A和用户B在第一次触发沉迷预警后获得的第二次使用时间分别为99分钟和25分钟。
用户A和B继续使用目标应用软件C。当第二次触发沉迷预警时，用户A又使用99分钟，用户B又使用了25分钟。
此时，假设用户A和用户B又各自成功解答防沉迷交互信息，继续分别为用户A和用户B计算本次预警后可用时长。
在为用户A第二次计算本次预警后可用时长时，公式(2)中所涉及的参数t＝9，n＝2，m＝120，m’＝81。计算结果为64分钟。
在为用户B第二次计算本次预警后可用时长时，公式(2)中所涉及的参数t＝9，n＝2，m＝120，m’＝155。计算结果为-86分钟。
此时用户A可以继续使用目标应用软件C，用户B则被强制退出。
从上述过程可以看出，如果目标用户提供虚假的且比实际年龄小的年龄信息，如成年人上传青少年的照片，以达到降低防沉迷交互信息难度的目的，将会使得其整体的使用时长被降低，同样可以起到防沉迷的目的。
基于上述任一实施例，图4为本发明提供的防沉迷装置的示意图，如图4所示，本发明提供的防沉迷装置，包括：
目标防沉迷交互信息选取模块401，用于当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息；
沉迷预警解除判定模块402，用于当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
本发明提供的防沉迷装置通过用户的年龄确定难度系数，再根据难度系数以及已触发沉迷预警的次数来决定沉迷预警解除后，用户继续使用目标应用软件的时长，可以防止用户冒用他人年龄信息从而绕开防沉迷监控的问题。
图5为本发明所涉及的电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行如下方法：
当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息；
当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
需要说明的是，本实施例中的电子设备在具体实现时可以为服务器，也可以为PC机，还可以为其他设备，只要其结构中包括如图5所示的处理器510、通信接口520、存储器530和通信总线540，其中处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信，且处理器510可以调用存储器530中的逻辑指令以执行上述方法即可。本实施例不对电子设备的具体实现形式进行限定。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息；
当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：
当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息；
当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种防沉迷方法，其特征在于，包括：
当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息；
当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
2.根据权利要求1所述的防沉迷方法，其特征在于，所述根据目标用户的年龄信息确定防沉迷交互信息的难度系数，包括：
根据目标用户的年龄信息确定目标用户所处的年龄段；
当目标用户处于第一年龄段时，难度系数与目标用户年龄呈正相关；
当目标用户处于第二年龄段时，难度系数为预设的第一数值范围内的随机值，其中第一数值范围中的最大值与最小值之间的差值小于预设的阈值；
当目标用户处于第三年龄段时，难度系数与目标用户年龄呈负相关。
3.根据权利要求1所述的防沉迷方法，其特征在于，所述根据目标用户的年龄信息确定防沉迷交互信息的难度系数，包括：
根据目标用户的年龄信息，采用难度系数计算公式确定防沉迷交互信息的难度系数；其中，所述难度系数计算公式为：
其中，T(a)表示难度系数；a表示目标用户的年龄值；w表示预设的权重值；t1[a]表示预设的与年龄相关的偏移量；
表示标准正态分布函数，其中的u用于表示用户年龄的平均值，σ用于表示用户年龄的方差。
4.根据权利要求1所述的防沉迷方法，其特征在于，所述根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，包括：
根据所述难度系数以及已触发沉迷预警的次数，对预设的初始可用时长值进行缩短，得到目标应用软件的本次预警后可用时长；其中，
所述难度系数越高，所述初始可用时长值被缩短的数值越少；
和/或，
所述已触发沉迷预警的次数越多，所述初始可用时长值被缩短的数值越多。
5.根据权利要求1所述的防沉迷方法，其特征在于，所述根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，包括：
根据所述难度系数以及已触发沉迷预警的次数，采用本次预警后可用时长计算公式确定目标应用软件的本次预警后可用时长；其中，所述本次预警后可用时长计算公式为：
其中，t表示难度系数；H(t)表示目标应用软件的本次预警后可用时长；m表示预先设定的初始可用时长值；n表示已触发沉迷预警的次数；m’表示累积缩短时长；b、c、d三个参数是用于调节衰减速度的参数。
6.根据权利要求1所述的防沉迷方法，其特征在于，所述根据所述本次预警后可用时长确定是否解除沉迷预警，包括：
当所述本次预警后可用时长大于所述目标应用软件的最短使用时长时，解除所述目标应用软件的沉迷预警，允许所述目标用户在所述本次预警后可用时长的时间段内继续使用所述目标应用软件；
当所述本次预警后可用时长的值小于或等于所述目标应用软件的最短使用时长时，终止所述目标用户使用所述目标应用软件。
7.根据权利要求1至6任一项所述的防沉迷方法，其特征在于，方法还包括：
将目标用户的面部图像数据输入预先训练的年龄预测模型，得到目标用户的年龄信息；其中，
所述年龄预测模型是根据样本用户的面部图像数据、样本用户的年龄信息训练得到的。
8.一种防沉迷装置，其特征在于，包括：
目标防沉迷交互信息选取模块，用于当目标用户的行为触发目标应用软件的沉迷预警时，根据目标用户的年龄信息确定防沉迷交互信息的难度系数，以选取与所述难度系数匹配的目标防沉迷交互信息；
沉迷预警解除判定模块，用于当所述目标用户对所述目标防沉迷交互信息的回复符合要求时，根据所述难度系数以及已触发沉迷预警的次数，确定目标应用软件的本次预警后可用时长，并根据所述本次预警后可用时长确定是否解除沉迷预警。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述防沉迷方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述防沉迷方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110431377.2A CN113157416B (zh) | 2021-04-21 | 2021-04-21 | 防沉迷方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110431377.2A CN113157416B (zh) | 2021-04-21 | 2021-04-21 | 防沉迷方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113157416A true CN113157416A (zh) | 2021-07-23 |
| CN113157416B CN113157416B (zh) | 2024-04-09 |
Family
ID=76867757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110431377.2A Active CN113157416B (zh) | 2021-04-21 | 2021-04-21 | 防沉迷方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113157416B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113709060A (zh) * | 2021-08-27 | 2021-11-26 | 南京邮电大学 | 一种基于大数据的手机短视频流量时延控制方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101415112B1 (ko) * | 2013-12-03 | 2014-07-08 | 김종용 | 게임 플레이 시간 제어 시스템 |
| WO2017185696A1 (zh) * | 2016-04-25 | 2017-11-02 | 中兴通讯股份有限公司 | 防沉迷方法及*** |
| CN108319833A (zh) * | 2018-01-19 | 2018-07-24 | 维沃移动通信有限公司 | 一种应用程序的控制方法及移动终端 |
| CN111090477A (zh) * | 2019-12-16 | 2020-05-01 | 北京无忧创想信息技术有限公司 | 一种可自动切换模式的智能终端及其实现方法 |
| CN112370792A (zh) * | 2020-11-13 | 2021-02-19 | 腾讯科技（深圳）有限公司 | 防沉迷方法、装置、服务器和存储介质 |
-
2021
- 2021-04-21 CN CN202110431377.2A patent/CN113157416B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101415112B1 (ko) * | 2013-12-03 | 2014-07-08 | 김종용 | 게임 플레이 시간 제어 시스템 |
| WO2017185696A1 (zh) * | 2016-04-25 | 2017-11-02 | 中兴通讯股份有限公司 | 防沉迷方法及*** |
| CN108319833A (zh) * | 2018-01-19 | 2018-07-24 | 维沃移动通信有限公司 | 一种应用程序的控制方法及移动终端 |
| CN111090477A (zh) * | 2019-12-16 | 2020-05-01 | 北京无忧创想信息技术有限公司 | 一种可自动切换模式的智能终端及其实现方法 |
| CN112370792A (zh) * | 2020-11-13 | 2021-02-19 | 腾讯科技（深圳）有限公司 | 防沉迷方法、装置、服务器和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张锐;许玉贵;: "防沉迷***和网络游戏运营", 科技信息(学术研究), no. 27, 25 September 2007 (2007-09-25) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113709060A (zh) * | 2021-08-27 | 2021-11-26 | 南京邮电大学 | 一种基于大数据的手机短视频流量时延控制方法及*** |
| CN113709060B (zh) * | 2021-08-27 | 2022-08-12 | 南京邮电大学 | 一种基于大数据的手机短视频流量时延控制方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113157416B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Thompson | A practitioner’s guide for variable-length computerized classification testing | |
| Flanigan | Shame and forgiving in alcoholism | |
| Obholzer et al. | The troublesome individual and the troubled institution | |
| WO2020232893A1 (zh) | 一种用户疲劳状态识别方法、装置、终端设备及介质 | |
| KR20220116535A (ko) | 수정된 데이터에 기초한 머신 러닝 모델 그리고 이를 트레이닝 및 사용하기 위한 시스템 및 방법 | |
| CN113157416A (zh) | 防沉迷方法、装置、电子设备及存储介质 | |
| Blume | The data subject | |
| Lelling | A psychological critique of character-based theories of criminal excuse | |
| CN110827075A (zh) | 一种数据处理方法、装置、服务器及计算机可读存储介质 | |
| Wallace | And I Don't Know Why It is That You Threw Your Life Away: Abolishing Life without Parole, the Supreme Court in Graham v. Florida Now Requires States to Give Juveniles Hope for a Second Chance | |
| US20170049368A1 (en) | Methods and systems for determining the hearing status of a person | |
| Jones | COVID-19 and the" Virtual" School-to-Prison Pipeline | |
| JP7376401B2 (ja) | 情報処理システムおよび情報処理プログラム | |
| CN108125686A (zh) | 一种反欺诈方法及*** | |
| CN108401018A (zh) | 多模式策略监管学生移动终端的方法及装置 | |
| CN114245068A (zh) | 行为监督方法、装置、电子设备与存储介质 | |
| Tsyganov | Supervised Machine Learning of Citizens and Political Stability | |
| CN115640803A (zh) | 词向量训练方法、装置、设备及计算机可读存储介质 | |
| Matsen et al. | Dominated choices in a simple game with large stakes | |
| Suknark et al. | Policies to increase health inducing behavior Thailand | |
| Register et al. | Beyond Initial Removal: Lasting Impacts of Discriminatory Content Moderation to Marginalized Creators on Instagram | |
| Pessach et al. | Violations of choice transitivity depend on “within-attribute” vs.“within-alternative” processes | |
| Gsenger et al. | Content moderation on social networking sites: Battling disinformation and upholding values | |
| Lovegrove | The Pernicious Impact of Perceived Public Opinion on Sentencing: Findings from an Empirical Study of the Public’s Approach to Personal Mitigation’in JV Roberts | |
| CN116720618A (zh) | 一种资源匹配方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |