一种基于多模态数据融合的网络沉迷行为监测方法和系统

本发明属于计算机视觉、机器学习技术领域，涉及一种基于多模态数据融合的网络沉迷行为监测方法和系统，首先采集用户的多模态数据，包括生理信号数据和行为姿态数据；然后构建一个基于深度学习的多要素融合判断模型，将生理信号数据和行为姿态数据输入所述的多要素融合模型中进行同步处理，提取多模态特征并融合到统一的特征空间，同时采用多任务学习方法来联合训练生理信号数据和行为姿态数据；最后利用决策树或随机森林算法对用户的沉迷状态进行分类和评估。相比现有的网络沉迷行为监测方法，本发明在准确性、实时性、用户隐私保护、环境适应性、用户友好性、技术实现效率、泛化能力、综合干预能力以及端侧部署能力等方面，均展现出显著的优势。