一种基于群体脑网络的视听媒体测评方法

摘要

本发明公开了一种基于群体脑网络的视听媒体测评方法，包括步骤1，将视听媒体分别呈现给每位被测人员，在呈现期间，利用近红外光谱脑功能成像技术连续测量被测人员预定头部特定位置的血氧浓度数据；被测人员的数量不少于10人；步骤2，将被测人员的血氧浓度数据去噪处理后，进行基线校准，并标准化转换为每位被测人员的血氧浓度z分数；将每位被测人员当作群体脑网络中的一个节点，根据每位被测人员的血氧浓度z分数计算被测人员之间的脑活动皮尔逊相关系数；并根据脑活动皮尔逊相关系数计算群体脑网络密度；步骤3根据得到的群体脑网络密度评价视听媒体的传播效果，群体脑网络密度越高，传播效果越好。该方法数据来源客观，测评过程生态效度高。

权利要求

1.一种视听媒体传播效度的评价方法，其特征在于，包括如下步骤：步骤1：利用近红外光谱脑功能成像技术采集大脑血氧浓度数据：将所述的视听媒体分别呈现给每位被测人员，在呈现期间，利用近红外光谱脑功能成像技术连续测量每位被测人员预定头部特定位置的血氧浓度数据；被测人员的数量不少于

10人；

步骤2：数据处理：

将步骤1采集的每位被测人员的血氧浓度数据去噪处理后，进行基线校准，并标准化转换为每位被测人员的血氧浓度z分数；将每位被测人员当做群体脑网络中的一个节点，根据每位被测人员的血氧浓度z分数计算两两被测人员之间的脑活动皮尔逊相关系数；根据脑活动皮尔逊相关系数进一步计算群体脑网络密度；

所述的脑活动皮尔逊相关系数通过计算公式2计算得到，所述的计算公式2为：其中X与Y任意两位被测人员的血氧浓度z分数，cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差；

所述的群体脑网络密度的计算方法具体为，把每一位被测人员的大脑作为群体脑网络中的一个节点，通过公式2计算得到两两被测人员之间的脑活动同步性；如果某一对被测人员之间存在显著的脑活动同步性，就计算这个群体脑网络存在一条边；同样的方法可以得出该群体脑网络一共存在的边的数量；将其所有边的和作为该群体脑网络密度；

步骤3：视听媒体传播效果评价：

根据步骤2得到的群体脑网络密度评价视听媒体的传播效果，所述的群体脑网络密度越高，传播效果越好。

2.根据权利要求1所述的评价方法，其特征在于，所述的视听媒体为视频、音乐或电影预告片。

3.根据权利要求1所述的评价方法，其特征在于，所述的预定头部特定位置为左侧额下回脑区或右侧额下回脑区。

4.根据权利要求1所述的评价方法，其特征在于，所述的预定头部特定位置为布莱德曼分区的44和45区。

5.根据权利要求1所述的评价方法，其特征在于，所述的被测人员的数量为18～32人。

6.根据权利要求1所述的评价方法，其特征在于，步骤2中所述的基线校准是以每位被测人员去噪处理后的静息血氧浓度为基线分别进行校准。

7.根据权利要求6所述的评价方法，其特征在于，所述的静息血氧浓度的测量方法包括如下步骤：利用近红外光谱脑功能成像技术分别连续测量每位被测人员面对空屏幕休息30～60秒的血氧浓度数据，以每位被测人员休息的最后10～15秒每个采样点的血氧浓度数据的平均值作为每位被测人员静息血氧平均浓度。

8.根据权利要求1所述的评价方法，其特征在于，所述的视听媒体的数量为1时；步骤1中所述的血氧浓度数据为不同时刻的瞬时血氧浓度数据；步骤2中所述的群体脑网络密度为不同时刻的瞬时脑网络密度；步骤3中所述的群体脑网络密度为步骤2得到的瞬时脑网络密度，所述的传播效果为不同时刻的传播效果。

9.根据权利要求1所述的评价方法，其特征在于，所述的视听媒体的数量大于1时；步骤

1中所述的血氧浓度数据为各个视听媒体的平均血氧浓度数据；步骤2中所述的群体脑网络密度为各个视听媒体的总体脑网络密度；步骤3中所述的群体脑网络密度为步骤2得到的各个视听媒体的总体脑网络密度，所述的传播效果为总体传播效果。

10.根据权利要求1、6～9任意一项所述的评价方法，其特征在于，所述的血氧浓度数据为氧合血红蛋白浓度。

说明书

一种基于群体脑网络的视听媒体测评方法

技术领域

[0001] 本发明涉及心理学、神经科学和市场营销交叉领域，具体涉及一种基于脑网络密度评价视听媒体传播效果的评测方法。

背景技术

[0002] 视听媒体是信息传播的重要途径，在商业活动中起着至关重要的作用。例如，有效的商业广告可以促进产品销量增长、树立良好的品牌形象、帮助企业实现利润增长。因此，
如何准确客观地评估和预测视听媒体的传播效果成为学界和业界广泛探讨的话题。

[0003] 评估视听媒体效果的传统方法主要包括问卷调查、小组讨论、行为实验、现实数据挖掘。但这些传统测量方法存在着一定的局限性。比如问卷、访谈等形式为后验型研究方
法，主要基于受验者对于特定场景和感受的准确回忆，无法对消费者观看或聆听视听媒体
过程中的态度行为进行实时测量；而且，受到认知资源的限制，人们的多数决策和行为是在
无意识的情况下做出的，因此被调查人员常常无法准确的回答诸多决定和行为背后的真正
原因(Neuromarketing：The hope and hype of neuroimaging in business，Nature 
Reviews Neuroscience，11，284‑292.)，进而往往难以在自我报告中客观准确地表达出自
己的真实偏好(Central and peripheral routes to advertising effectiveness：The 
moderating role of involvement″，Journal of Consumer Research，10(2)，135‑146.)。

[0004] 所以，传统的视听媒体测评方法的自我报告的数据来源并不能完全反应消费者的真实想法，也就不能完全准确找到影响视听媒体效果的关键因素。针对这一问题，新的视听
媒体测评方法需要借助更直接、更客观的手段对消费者决策过程、内隐态度进行测量，才能
让视听媒体测评结果变得更加有效(The voice of the customer，Marketing Science，
1993：12(1)，1‑27.)。

[0005] 如今，神经科学和脑成像技术的快速发展让客观准确地测量消费者的大脑活动成为可能，也为视听媒体测评方法的改进提供了新的思路。简而言之，传统的视听媒体测评方
法中，消费者的内心是一个“黑箱”，无法进行准确解读，而借助神经科学手段，研究者可以
做到“扫描”消费者的大脑，进一步了解消费者此时此刻在想什么以及想要做什么。这对视
听媒体效果评价而言具有重大的意义。

[0006] 从具体的视听媒体测评技术而言，基于群体脑网络的视听媒体测评技术具有如下优势：首先，传统的视听媒体测评方式依靠的是消费者自我报告的主观数据，而借助脑成像
技术的测量手段可以获得消费者对某一视频或音频反应的客观脑活动数据，相较传统方
式，能够更加准确地反应出消费者对于视听媒体的态度和看法(Marketing actions can 
modulate neural representations of experienced pleasantness″，PNAS，2008：105
(3)，1050‑1054.)。其次，在神经科学实验中，大脑皮层的激活与观看视频的进程是同时发
生的，数据没有任何延迟(What is “neuromarketing”？A discussion and agenda for 
future research″，International Journal of Psychophysiology，2007：63(2)，199‑
204)。因此，神经科学能够帮助我们更科学地了解消费者对于广告的态度，更准确地评价广
告的效果。最后，基于群体脑网络的视听媒体测评技术相比于传统评价方式而言，需要招募
的参与者更少，可以基于更少的参与者得到更加细微的对视听媒体的态度反应。因此，基于
脑成像的视听媒体测评方法作为对传统行为方法的有力补充，已经引起越来越多的关注
(Neuromarketing：The hope and hype of neuroimaging in business″，Nature Reviews 
Neuroscience，2010：11，284‑292.)。

[0007] 现有部分研究已表明视听媒体的不同特征可以引起消费者不同的神经反应(Brands on the brain：Neuro‑images of advertising″.Business Strategy Review，
2000：11(3)，17‑30.)，消费者大脑的不同激活状态可以反映消费者对于视听媒体的态度和
评价。例如，有学者借助功能磁共振技术(fMRI，functional magnetic resonance 
imaging)在参与者观看广告时测量其脑活动，发现与奖赏过程相关的腹侧纹状体区域的激
活程度可以反映人们对于广告的偏好情况，而且相比于用传统行为测量方法来评价广告效
果来说，腹侧纹状体的活动是预测市场对广告反应的更加有力的指标。另外，也有学者借助
脑电图技术(EEG，electroencephalogrphy)记录了实验参与者在观看电影预告片时的脑活
动情况，并发现高频脑电成分中β波的活动与个人偏好相关，而γ波的活动与电影上映后的
票房情况相关。

[0008] 上述研究促进了脑成像技术在视听媒体测评方面的应用与发展，但当前这些技术的局限性亦不容忽视。首先是设备方面，fMRI成本巨大，且需要实验参与者躺在实验仪器中
观看视听媒体，参与者的身体活动非常受限，这与日常真实的接触视听媒体的环境存在较
大差异；EEG技术亦存在空间分辨率低，抗噪能力差等问题。

[0009] 其次是计算模型方面，有学者(A ticket for your thoughts：Method for predicting content recall and sales using neural similarity of moviegoers″，
Journal of Consumer Research，2017：44(1)，160‑181.)，用一群参与者在观看电影预告
片时的脑电活动同步程度来预测电影上映之后的票房情况，并发现参与者观看预告片时脑
电活动同步程度越高，电影上映之后的票房也就越高。但是，这种计算方法完全忽略了大脑
空间分辨率的问题，很难对其结果进行解释。

[0010] 以往的研究表明，视听媒体是信息源的一种，其对消费者产生影响的过程也是一种特殊的沟通形式，而沟通有效的标志之一就是信息的接收者对信息源产生相同的理解，
信息的接收者之间有较为一致的认知或情感共鸣(Neural synchronization during 
face‑to‑face communication″，Journal of Neuroscience，2012：32(45)，16064‑
16069.)。例如有研究(Abstract art and cortical motor activation：an EEG study″，
Frontiers in Human Neuroscience，2012：6，311.)表明，认知或情感共鸣会影响消费者对
于广告中所展示产品的评价，共鸣程度越高，对产品的评价越高。

[0011] 然而，现有基于脑成像技术的测量方法存在设备生态效度低、理论解释不足、没有从媒体传播基本原理出发建立计算模型等问题。

发明内容

[0012] 本发明提供了一种基于群体脑网络的视听媒体测评方法，在具有较高生态效度的环境中利用近红外光谱脑功能成像设备连续测量被测人员的大脑的血氧浓度数据，并利用
基于图论的网络建模方法来计算群体脑网络密度，用群体脑网络密度的高低来评价视听媒
体的传播效果，提供了一种更加客观、准确，并具有更高生态效度和理论解释力度的视听媒
体质量评价方法。

[0013] 本发明解决上述技术问题所提供的技术方案为：

[0014] 一种视听媒体传播效果的评价方法，包括如下步骤：

[0015] 步骤1：利用近红外光谱脑功能成像技术采集大脑血氧浓度数据：

[0016] 将所述的视听媒体分别呈现给每位被测人员，在呈现期间，利用近红外光谱脑功能成像技术连续测量每位被测人员预定头部特定位置的血氧浓度数据；被测人员的数量不
少于10人；

[0017] 步骤2：数据处理：

[0018] 将步骤1采集的每位被测人员的血氧浓度数据去噪处理后，进行基线校准，并标准化转换为每位被测人员的血氧浓度z分数；将每位被测人员当做群体脑网络中的一个节点，
根据每位被测人员的血氧浓度z分数计算两两被测人员之间的脑活动皮尔逊相关系数；根
据脑活动皮尔逊相关系数进一步计算群体脑网络密度；

[0019] 步骤3：视听媒体传播效果评价：

[0020] 根据步骤2得到的群体脑网络密度评价视听媒体的传播效果，所述的群体脑网络密度越高，传播效果越好。

[0021] 本发明将近红外光谱脑功能成像技术(fNIRS，functional near‑infrared spectroscopy)和基于图论的网络建模方法两种新技术结合起来构建了视听媒体传播效果
的评价方法。

[0022] fNIRS是一种新颖的、非侵入式脑成像技术。与目前最常用的脑功能成像技术(fMRI和EEG)相比，fNIRS具有独特的技术优势。

[0023] 较fMRI而言，fNIRS具有更高的时间采样率(几毫秒到几十毫秒)，对被测人员身体活动限制较小，可以提供更为丰富的皮层血氧代谢信息，包括氧合血红蛋白、脱氧血红蛋白
和总血红蛋白等浓度等信息。同时，fNIRS在价格、操作便利性、设备的可移动性以及兼容性
上均优于fMRI。

[0024] 与EEG相比，fNIRS具有更高的空间分辨率(厘米量级)和更好的抗噪性能，可以在任何时间、任何地点进行长时间不间断测量。

[0025] 鉴于以上技术优势，fNIRS非常适合在观看视听媒体的场景中进行数据收集与研究用于评价视听媒体的质量。

[0026] 基于视听媒体有效传播的理论基础，本发明结合图论的方法从群体脑网络的角度来构建判断视听媒体传播效果的模型：将每一位被测人员的大脑当作群体脑网络中的一个
节点，如果视听媒体可以有效地传递信息，那么作为网络中信息源的视听媒体会在被测人
员中引起情感和认知共鸣，使被测人员群体与共情相关的脑区激活具有同步性特征，进而，
每位被测人员与共情相关的脑区组成的群体脑网络密度就更大。

[0027] 本发明提供的评价方法可以判断视听媒体是否可以在被测人员之间引起情感和认知共鸣，是否可以有效地传递信息的效果，相比于传统的评价模型来说是更具有科学与
实用价值。

[0028] 所述的群体脑网络密度指标包括反应视听媒体总体评价的脑网络密度总体指标(总体脑网络密度)和基于移动窗口技术分析得到的视听媒体每一单位时间点上的脑网络
密度细节指标(瞬时脑网络密度)。

[0029] 本发明所述的视听媒体指的是通过电视、PC、手机等终端传播的包含音频或视频的动态影像，例如视频广告、音乐或电影预告片。所述的视听媒体为广告、预告片或音乐。

[0030] 作为优选，所述的视听媒体为广告或音乐。本发明所述的的评价方法更加适合用于评价完整连续的视听媒体及体验型媒体的传播效果。

[0031] 所述的预定头部特定位置为左侧额下回脑区或右侧额下回脑区。

[0032] 作为优选，所述的预定头部特定位置为右侧额下回脑区。

[0033] 右侧额下回脑区(IFG，inferior frontal gyms)是镜像神经元系统的核心脑区之一，与人类共情能力紧密相关，基于该区域的脑活动所计算出的群体脑网络连接密度指标
可以更准确地用于判断视听媒体是否可以在被测人员之间引起情感和认知共鸣，是否可以
有效地传递信息。

[0034] 作为优选，所述的预定头部特定位置为布莱德曼分区44和45。

[0035] 所述的被测人员的数量为18～32人。作为优选，所述的被测人员的数量为20或30。

[0036] 按照神经科学实验的一般经验，单个测试的测试人数在20人或30人较为适宜。

[0037] 在向被测人员呈现视听媒体期间，利用近红外光谱脑功能成像技术连续测量被测人员预定头部特定位置的血氧浓度数据包括如下步骤：被测人员坐在播放视听媒体的屏幕
前，佩戴近红外光学脑功能成像设备(fNIRS设备)，fNIRS设备开始记录被测人员预定头部
特定位置的血氧浓度数据后，测试对象观看屏幕上所呈现的视听媒体，期间fNIRS设备实时
记录被测人员的血氧浓度数据，观看结束后关闭fNIRS设备。

[0038] 所述的佩戴近红外光学脑功能成像设备的方法为：6个光源和6个探测器分布在两侧额下回区域的测量通道，每半脑皮层包括3个光源和3个探测器，每两个探头之间的间隔
为3厘米，共6个双波长(760nm和850nm)的测量通道，设备采样率为10Hz。

[0039] 作为优选，步骤1采集红外光谱数据的具体步骤为：被测人员坐在播放视听媒体的屏幕前，佩戴fNIRS设备，fNIRS设备开始记录被测人员预定头部特定位置的血氧浓度数据
后，每位被测人员面对空屏幕休息30～60秒以达到静息状态，然后，被测人员观看屏幕上所
呈现的视听媒体，期间fNIRS设备实时记录被测人员的静息血氧浓度数据和观看视听媒体
期间的血氧浓度数据，观看结束后关闭fNIRS设备。

[0040] 所述的静息血氧浓度数据以休息阶段最后10～15秒的血氧浓度数据平均值作为静息血氧浓度数据。

[0041] 在呈现视听媒体前，被测人员经过休息阶段，有助于区分观看视听媒体时的脑活动和静息状态的脑活动，进而明确哪些脑激活现象是由于观看听媒体所引起的。

[0042] 测量通道(一个光源与一个探测器的中点位置)为左侧额下回脑区或右侧额下回脑区的通道。

[0043] 本发明步骤2中，所述的去噪为去除数据噪声，例如呼吸、心跳等生理噪声以及漂移等机器系统，可使用Matlab软件通过带通滤波(0.01‑0.1Hz)实现。

[0044] 所述的基线校准以每位被测人员去噪处理后的静息血氧浓度为基线分别进行校准。

[0045] 所述的静息血氧浓度的测量方法包括如下步骤：利用近红外光谱脑功能成像技术分别连续测量每位被测人员面对空屏幕休息30～60秒的血氧浓度数据，以每位被测人员休
息的最后10～15秒每个采样点的血氧浓度数据的平均值作为每位被测人员静息血氧平均
浓度。

[0046] 所述的血氧浓度z分数可以通过Excel软件直接得到或计算公式1计算得到。

[0047] 所述的计算公式1为：z＝(x‑μ)/σ；

[0048] 其中x为血氧浓度数据，μ为所有被测人员静息血氧平均浓度的平均值，σ为被测人员静息血氧平均浓度的标准差。

[0049] 所述的脑活动皮尔逊相关系数可以通过SPSS软件直接得到或计算公式2计算得到。

[0050] 所述的计算公式2为：

[0051] 其中X与Y任意两位被测人员的血氧浓度z分数，cov(X，Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。

[0052] 群体脑网络密度可以通过Excel软件直接得到。具体方法为，把每一位被测人员的大脑作为群体脑网络中的一个节点，通过公式2计算得到两两被测人员之间的脑活动同步
性；如果某一对被测人员之间存在显著的脑活动同步性，就计算这个群体脑网络存在一条
边；同样的方法可以得出该群体脑网络一共存在的边的数量；将其所有边的和作为该群体
脑网络的连接密度。

[0053] 当所述的视听媒体的数量为1时；步骤1中所述的血氧浓度数据为不同时刻的瞬时血氧浓度数据；步骤2中所述的群体脑网络密度为不同时刻的瞬时脑网络密度；利用滑动窗
口技术得到该视听媒体不同时刻的瞬时血氧浓度数据；由此计算不同时刻的瞬时脑网络密
度，步骤3中所述的群体脑网络密度为步骤2得到的瞬时脑网络密度，所述的传播效果为不
同时刻的传播效果。

[0054] 当视听媒体的数量大于1时；步骤1中所述的血氧浓度数据为各个视听媒体的平均血氧浓度数据；步骤2中所述的群体脑网络密度为各个视听媒体的总体脑网络密度；根据每
位被测人员的平均血氧浓度数据计算视听媒体的总体脑网络密度；步骤3中所述的群体脑
网络密度为步骤2得到的各个视听媒体的总体脑网络密度，所述的传播效果为总体传播效
果。

[0055] 平均血氧浓度数据可通过Excel软件直接得到。具体方法为，将各个视听媒体作为一个完整的体验单元，然后计算该体验单元内血氧浓度变化的平均值。

[0056] 本发明所述的瞬时脑网络密度即细节指标，针对某一视听媒体，利用滑动窗口技术分析该媒体的每一个时间点在多大程度上可以引起群体共鸣，哪些时间点可以产生较高
程度的群体共鸣，在哪些时间点无法产生群体共鸣。

[0057] 本发明所述的总体脑网络密度即群体共鸣比例，也就是在一个特定消费者群体中，能够对某一视听媒体产生认知和情感共鸣的消费者所占总体的百分比。

[0058] 本发明所述的血氧浓度数据包括氧合血红蛋白浓度、脱氧血红蛋白或总血红蛋白浓度。作为优选，所述的血氧浓度数据为氧合血红蛋白浓度。

[0059] 氧合血红蛋白相比于脱氧血红蛋白或总血红蛋白浓度具有更优的信噪比。

[0060] 本发明的有益效果主要体现在：

[0061] (1)本发明利用fNIRS采集的数据更具客观性，测评过程生态效度更高。相较于依托传统行为测量方法进行视听媒体测评，利用fNIRS进行消费者脑活动数据采集可以实时
记录消费者对于视听媒体态度的最直接客观的反应，且fNIRS设备对测试者身体限制小，更
接近日常生活场景中观看视听媒体的状态。

[0062] (2)基于群体脑网络建模进行视听媒体评价更符合媒体传播的基本原理，能够更准确地刻画出某一视听媒体在群体中产生情感和认知共鸣的程度。

[0063] (3)提供视听媒体测评两个技术指标：首先是总体指标(群体共鸣程度)——计算在一个特定消费者群体中，能够对某一视听媒体产生认知和情感共鸣的消费者所占总体的
百分比；其次是细节指标，利用滑动窗口技术分析某一媒体在每一个时间点上引起群体共
鸣的程度。总体指标可以判断视听媒体的总体传播效果，细节指标则是视听媒体在具体时
间点和片段上进一步剪裁、修改、优化，以实现更好传播效果的依据。

附图说明

[0064] 图1为本发明的流程图。

[0065] 图2为参考布莱德曼分区标记额下回通道的示意图。

[0066] 图3为本发明采集近红外光学数据的示意图。

[0067] 图4为实施例1中高分广告和低分广告的群体脑网络密度图示。

具体实施方式

[0068] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术
人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明
的保护范围。

[0069] 实施例1利用基于群体脑网络的视听媒体测评技术预测小范围消费者对视频广告的评价

[0070] 在第一项测试开始之前，我们首先招募了12位测试者对30个广告片段进行评价，并从中挑选出10个评分较低的广告和10个评分较高的广告作为测试材料。广告中展示的商
品或服务包括手机、手表、巧克力、化妆品和旅行社等，广告同时包含声音及动态影像，广告
片段的平均时长为32.95秒。

[0071] 在第一项测试中我们招募了20位女性消费者(平均年龄20.15岁)，对挑选出的20个广告进行评价。

[0072] 步骤1利用近红外光谱脑功能成像技术采集大脑血氧浓度数据：

[0073] 如图3所示，20位被测人员坐在用于播放广告片段的电脑屏幕前，并佩戴fNIRS设备(NIRSport；NIRx Medical Technologies，LLC，USA)，fNIRS设备记录被测人员额下回脑
区氧合血红蛋白、脱氧血红蛋白和总血红蛋白的浓度变化，设备采样率为10Hz，如图2所示，
6个光源和6个探测器分布在左右两侧额下回区域，每两个探头之间的间隔为3厘米，其中6
个双波长(760nm和850nm)的测量通道(一个光源与一个探测器的中点位置)分别覆盖左右
两侧额下回区域的布莱德曼分区44和45。被测人员在观看每一段广告前，有30秒的休息时
间；观看结束移除fNIRS设备。

[0074] 观看过程中测试者通过键盘输入的方式表明自己对该广告的喜欢程度(7点量表评价，1代表一点也不喜欢，7代表非常喜欢)和愿意为广告中产品支付的价格(7点量表)。

[0075] 被测人员在移除fNIRS设备后，通过纸笔问卷的方式表明其对所观看每一个广告的理解程度(7点量表评价，1代表一点也不理解，7代表完全理解)。

[0076] 步骤2处理数据：

[0077] 按照脑活动数据处理的一般标准，在数据处理时关注氧合血红蛋白浓度变化。

[0078] 步骤2a去噪：

[0079] 由于数据采集时部分数据噪声过大或丢失，有效数据为14人次，利用Matlab软件，在预处理阶段首先对每个通道、每次试验的原始数据进行带通滤波(0.01‑0.1Hz)去除呼
吸、心跳等生理噪声，以及机器系统噪声。用左侧额下回(inferior frontal gyms，IFG)对
应的布莱德曼分区44和45的数据平均值代表该脑区的氧合血红蛋白数值；用右侧IFG对应
的布莱德曼分区44和45的数据平均值代表该脑区的氧合血红蛋白数值。

[0080] 步骤2b基线校准：

[0081] 利用Excel软件，用每位被测人员30秒休息阶段的最后10秒的氧合血红蛋白浓度平均值分别对各自额下回脑区的氧合血红蛋白数值进行基线校正。

[0082] 步骤2c标准化转换为每位被测人员的血氧浓度z分数：

[0083] 因为fNIRS数据记录的是相对值而不是绝对值，不能直接在被测人员间或通道间求平均值，利用Excel软件计算所有被测人员休息阶段的最后10秒氧合血红蛋白浓度平均
值和标准差将fNIRS数据转换为血氧浓度z分数。

[0084] 步骤2d计算脑活动皮尔逊相关系数：

[0085] 使用SPSS统计软件进行统计分析，所有分析的显著性水平设定为p＜0.05。

[0086] 把每一个测试者当做网络中的一个节点，计算网络强度，也就是就是网络每条边权重(脑活动皮尔逊相关系数需超过网络模型阈值r＞0.01，p＜0.05)的均值，网络强度代
表着测试者之间对广告共情反应的一致性程度。

[0087] 步骤2e计算群体脑网络密度：

[0088] 利用Excel软件，计算每一个广告所对应的脑网络的密度，网络密度代表有多少测试者对广告有着相似的理解和情感反应，也就是群体共鸣比例。实验结果如下表1～2所示，
高分广告和低分广告的脑网络示意图如图4所示。

[0089] 表1

[0090]

[0091]

[0092] 表2

[0093]

[0094] 步骤3视听媒体传播效果评价：

[0095] 数据分析结果表明，在测试者左侧额下回脑区，高分广告比低分广告形成的群体脑网络密度更高。

[0096] 在左侧额下回脑区[45.90，±15.11vs.33.50，±9.94，t(18)＝2.168，p＝.044，Cohen′s d＝0.97]；在右侧额下回脑区也有相似的结果[47.40，±17.73vs.32.70，±
11.93，t(18)＝2.176，p＝0.043，Cohen′s d＝1.01]。t值越大说明组间差别越大，Cohen′s 
d代表效应量，值越大说明实验效应越大。

[0097] 另外回归分析的结果表明，右侧额下回脑网络强度与测试者对广告的理解程度2 2
(R＝0.206，beta＝0.028，p＝0.045)和态度(愿意支付价格和喜欢程度的均值，R＝0.223，
beta＝0.031，p＝0.036)显著正相关。消费者在观看广告的过程中，右侧额下回脑网络的强
度可以反映出消费者对于广告的态度和理解程度，判断广告是否在消费者中引起共鸣，可
用于衡量广告效果。

[0098] 实施例2利用基于群体脑网络的视听媒体测评技术预测大范围消费者对音乐的评价

[0099] 在第二项测试中我们招募了20位女性测试者(平均年龄19.20岁)，对挑选出的音乐片段进行评价。测试材料包括30首流行音乐歌曲，这些歌曲来自Billboard.com网站发布
的“2014最热门的100首歌曲”榜单的前15名(即最受欢迎的歌曲)和后15名(即较不受欢迎
的歌曲)。歌曲节选材料的时长均为15秒，主要包含副歌部分。此外，我们也收集了中国网民
对每首歌曲的评分(0到10分)，评分数据来自最受欢迎的在线评论网站之豆瓣网。

[0100] 步骤1利用近红外光谱脑功能成像技术采集大脑血氧浓度数据：

[0101] 参考实施例1的采集方法，实施例2中所用测试设备及脑区与实施例1中一致。

[0102] 测试流程与实施例1保持一致，测试者听取音乐片段并通过键盘输入的方式表明自己对该音乐的喜欢程度(7点量表评价，1代表一点也不喜欢，7代表非常喜欢)、理解程度
(7点量表评价，1代表一点也不理解，7代表完全理解)、和愿意为购买这首歌曲支付的价格
(7点量表)。

[0103] 步骤2处理数据：

[0104] 数据处理方式与实施例1中保持一致。结果如表3～4所示。

[0105] 表3

[0106]

[0107] 表4

[0108]

[0109]

[0110] 步骤3视听媒体传播效果评价：

[0111] 分析数据，结果表明，榜单的前15名(即最受欢迎的歌曲)群体脑网络密度高于后15名(即最不受欢迎的歌曲)，被测人员的右侧额下回(Brodmann area 44，45)所形成的群
2
体脑网络密度且与歌曲的豆瓣评分情况显著正相关(R＝0.188，beta＝0.043，p＝0.017)。

[0112] 另外右侧额下回群体脑网络密度与被测人员对歌曲的态度显著正相关(R2＝.180，beta＝.047，p＝.019)。也基本上可以预测对歌曲的理解程度(R2＝.127，beta＝
.032，p＝.053)。结论：实施例2的结果表明，消费者在听音频的过程中，右侧额下回的群体
脑网络密度可以反映出大众消费者对于音频的喜欢程度，判断音频是否在消费者中引起共
鸣。