CN104143165A - 面向抑郁情绪的心理干预方案个性化推荐方法 - Google Patents
面向抑郁情绪的心理干预方案个性化推荐方法 Download PDFInfo
- Publication number
- CN104143165A CN104143165A CN201410261162.0A CN201410261162A CN104143165A CN 104143165 A CN104143165 A CN 104143165A CN 201410261162 A CN201410261162 A CN 201410261162A CN 104143165 A CN104143165 A CN 104143165A
- Authority
- CN
- China
- Prior art keywords
- user
- depressive emotion
- network
- intervention
- psychological
- 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.)
- Pending
Links
Abstract
本发明的名称为:面向抑郁情绪的心理干预方案个性化推荐方法。本发明所属领域为计算网络心理学,大数据科学与技术和变态心理学等领域。针对中国人口基数的规模大,人均心理工作者非常少的实际状况,本发明严格依据用户网络行为特征,发挥网络资源丰富多彩、互动性强、选择多样的优势,提供可用于大规模抑郁情绪目标群体的人工智能个性化干预新方法,同时兼顾人性化和可互动性等特征。本发明的既可以针对单个用户进行有效的心理干预,亦可对万人以上的网络用户群体进行有效的有针对性个性化心理干预,在解决民众所需的心理健康服务问题领域具有重要的实用价值。
Description
技术领域
本发明是一种基于计算机技术和大数据技术的心理健康问题智能化机器干预方法,主要应用于计算机用户群体。本发明涉及计算网络心理学,涉及机器学习、计算机算法学、应用心理学、个性化推荐、心理健康问题干预和计算机程序设计等学科和技术。
背景技术
世界卫生组织对健康的定义是指:“健康不只是没有疾病和虚弱,而是指身体、心理、道德和社会适应能力的完美状态”。由此可见,心理健康已经成为衡量一个人是否健康的重要因素之一。心理健康一般是指:个体的心理活动处于正常状态,即认知正常,情感协调,意志健全,个性完整和适应良好,能够充分发挥自身的最大潜能,以适应生活、学习、工作和社会环境的发展与变化的需要。心理健康问题的存在会对个体的发展与健康产生消极影响,并且会削弱个体的主观幸福感,降低个体的社会适应性,甚至会威胁到个体的生理健康状况。
目前在世界范围内,心理问题已经成为个体“失能”(disability)的首要原因,其消极后果占全部疾病性危害的37%。以抑郁情绪障碍为例,目前它已经成为导致北美和其它高收入国家社会疾病负担的最主要原因,在世界范围内则位列第四大原因。中国的实际情况也不容乐观,调查研究结果表明,中国民众心理健康问题的整体发生率达到17.5%。早在2007年时,中华医学会精神科分会副主任委员赵靖平教授披露的数字指出中国内地抑郁症发病率约为2.4%,当时抑郁症患者已超过2600万人,而其中有10%到15%的患者面临自杀的危险。世界卫生组织在世界范围内的调研表明,抑郁正在成为影响21世纪人类身心健康的重要因素。
从心理学的角度看,抑郁是无效应对生活压力的后果,以情绪失调为核心、包括沮丧、无价值感、无助与绝望感、躯体活动水平下降等一系列身心不适症状。抑郁是人类心理失调的最主要和最经常出现的问题之一。联合国卫生组织预测,到2020年抑郁将成为全世界导致死亡和残疾的第二大致病因素。因此,学者们对抑郁患者给予了较多的关注,抑郁病因学的研究成为了当前心理学和精神病学的研究热点。
在经过心理评估的过程后,心理健康问题干预可以根据实施规模划分为个体咨询和团体咨询。传统的心理健康问题干预方法是,针对目标人群主要采用门诊化的面对面(face to face)咨询干预方法。该方法存在一些明显的不足:(1)该方法只允许心理健康服务工作者采取被动的等待策略,无法主动出击采取有效措施去识别潜在的需求群体,导致需求群体的主动参与比例很低;(2)对于来访者的心理评估主要依据其自我陈述或报告,几乎无法即时、全面、客观、连续地反映出来访者的真实状态,结果是诊断识别率较低,通常不到20%,最终导致心理健康干预出现各种偏差,也无法给予目标群体及时的矫正和治疗。(3)“面对面”开展咨询服务的效率比较有限,无法有效满足规模庞大的目标群体需求。
现在已经开发出来的心理健康自助平台主要有E-Couch、Beating the Blues、Good Days Ahead、MoodGYM等,这些平台的应用效果获得了一些实验研究的初步支持。但是这些现存的心理健康自助平台的服务流程设置较为单一,还无法实现针对用户自身的实际状态或者实际的心理特征进行个性化的干预和调整。
近些年,国内外相关的研究可以得出,网络行为与抑郁之间显著性相关,为利用网络行为预测心理健康奠定了必要的基础;同时大数据处理技术的快速发展和云计算解决方案的日趋成熟为用户网络行为学与应用心理学的研究提供了全新的思路、新颖的方法和必要技术支撑。为此在这些研究工作的基础,本发明将严格依据用户网络行为特征,发挥网络资源丰富多彩、互动性强、选择多样的优势,提供可用于大规模抑郁情绪目标群体的人工智能个性化干预新方法,同时兼顾人性化和可互动性等特征。本发明在解决民众所需的心理健康服务问题领域具有重要的实用价值。
发明内容
目前,中国人口基数的规模大,人均心理工作者非常少,而网络用户基数规模大,互联网用户发展迅猛,已有的理论研究和实验研究都表明,如前文所述的一般心理健康问题干预方法存在的问题已经突显。在心理学的基础理论和最新研究成果的基础上,探讨如何利用巨大的网络资源和大数据技术进行有效的心理健康服务,进而解决民众所需的心理健康服务问题势在必行。本发明的面向抑郁情绪的心理干预方案个性化推荐方法尚未得到应用。
本发明的核心内容是,针对中国人口基数的规模大,人均心理工作者非常少的实际状况,在不侵犯网络用户正当利益的情况下,通过分析计算用户的日常网络行为特征数据来评估和预测用户的实际心理状态。然后针对抑郁情绪目标个体,由计算机自动地用用网络浏览器向及时地向其推荐抑郁情绪调节建议或者方案,实现对网络用户及时有效的抑郁情绪干预,使得用户在日常上网浏览的过程中就能够获得抑郁情绪调节服务。
实验表明,本发明的既可以针对单个用户进行有效的心理干预,亦可对万人以上的网络用户群体进行有效的有针对性个性化心理干预,本发明在解决民众所需的心理健康服务问题领域具有重要的实用价值。本发明的方法其整体召回率和准确率高于80%,受试者工作特征曲线(receiver operating characteristiccurve,简称ROC曲线)也接近于1。
附图说明
图1为面向抑郁的机器个性化自助干预核心方法原理图。
具体实施方式
下面结合附图详细说明本发明所提供的方法中涉及的各个细节问题。
本发明主要分为用户心理特征量化计算和针对抑郁情绪网络用户的个性化干预两大核心部分。
第一部分 用户心理特征量化计算。该部分中主要包括如下三个主要步骤:
(1)将用户网络行为指标进行系统化抽象,针对用户的网络行为建立静态和动态用户网络行为指标体系。
(2)根据抑郁情绪网络行为指标,采集用户的网络行为数据,并对这些数据进行清理,清除数据中的异常数据,纠正错误,去除冗余数据,将处理后的数据存入数据库。
(3)建立用户心理状态评估和预测计算模型,利用该模型解决从大量目标观测群体中快速筛选有抑郁情绪问题的观测对象。在该步骤中核心的要点有如下三个方面:
①针对网络用户的浏览行为抑郁情绪特征训练数据本身稀疏、标注量小等特殊性,本发明采用基于AdaBoost的级联式分类器结构训练抑郁情绪网络用户的数据集,建立计算模型。因为网络行为特征对不同维度抑郁情绪因子的影响是不同性质的,所以本发明将依据抑郁情况问卷测评的结果来指导级联的排列顺序。
②本发明在获取用户网络行为模型的训练数据过程中,特别关注测评高分组(正例)的标注,以此来识别潜在的抑郁情绪目标个体。
③本发明有机整合支持向量数据描述方法SVDD(Support Vector Data Description)和单类支持向量分类器方法v-SVC(v-Support Vector Classifier),建立新的核函数,将单类样本映射到高维空间,并利用多任务学习提高抑郁情绪目标群体的识别精度。
第二部分 针对抑郁情绪网络用户的个性化干预,图1给出了面向抑郁的机器个性化自助干预核心方法原理图,如该原理图所示,本部分中主要包括如下三个主要步骤:
(1)本发明充分吸收传统抑郁干预模式人性化、个性化、可互动的优点,严格依据用户的网络行为特征,基于多标签分类技术建立一个面向抑郁情绪干预的知识库。在此,多个标签之间可能存在一定的依赖或约束关系,这个依赖或约束关系具有层次特性,经常可以描述为树或有向无环图结构。
(2)在上述面向抑郁情绪干预的知识库的基础上,训练出一组分类器,该组分类器是一组对于输入特征向量敏感的分类器。该组分类器的输入为针对每个用户在抑郁情绪网络指标上的一组心理特征向量(一般为n个向量,每个向量的维数不固定)。该组分类器的输出为一组经过归一化处理的实数值,其中每个分类器对应一个实数值。
(3)根据实际需要给定一个阈值,大于该阈值的进行输出,并将输出结果排序,排序后的集合就是拟推荐给网络用户进行抑郁情绪干预的知识库中的元素,用户按此排序后的推荐内容进行自助心理干预,进而用户也可就此次干预进行打分。
Claims (3)
1.面向抑郁情绪的心理干预方案个性化推荐方法,其特征是:
在不侵犯网络用户正当利益的情况下,通过分析计算用户的日常网络行为特征数据来评估和预测用户的实际心理状态。然后针对抑郁情绪目标个体,由计算机自动地用网络浏览器向及时地向其推荐抑郁情绪调节建议或者方案,实现对网络用户及时有效的抑郁情绪干预,使得用户在日常上网浏览的过程中就能够获得抑郁情绪调节服务。本发明的既可以针对单个用户进行有效的心理干预,亦可对万人以上的网络用户群体进行有效的有针对性个性化心理干预。
2.根据权利要求1所述的方法,其特征在于用户心理特征量化计算和针对抑郁情绪网络用户的个性化干预两大核心部分。
用户心理特征量化计算部分解决的是从大量目标观测群中快速筛选有抑郁情绪问题的观测对象。针对抑郁情绪网络用户的个性化干预部分是在用户心理特征量化计算部分的基础上,利用用户心理特征量化计算部分所计算出来的用户心理特征数据,结合应用心理学的知识和理论,以机器学习技术和计算机网络技术进行干预的。
3.根据权利要求1所述的方法,其特征在于面向抑郁情绪的心理干预方案个性化推荐的主要步骤是:
(1)将用户网络行为指标进行系统化抽象,针对用户的网络行为建立静态和动态用户网络行为指标体系。
(2)根据抑郁情绪网络行为指标,采集用户的网络行为数据,并对这些数据进行清理,清除数据中的异常数据,纠正错误,去除冗余数据,将处理后的数据存入数据库。
(3)建立用户心理状态评估和预测计算模型,利用该模型解决从大量目标观测群体中快速筛选有抑郁情绪问题的观测对象。
(4)本发明充分吸收传统抑郁干预模式人性化、个性化、可互动的优点,严格依据用户的网络行为特征,基于多标签分类技术建立一个面向抑郁情绪干预的知识库。
(5)在上一步(4)中面向抑郁情绪干预的知识库的基础上,训练出一组分类器,该组分类器是一组对于输入特征向量敏感的分类器。该组分类器的输入为针对每个用户在抑郁情绪网络指标上的一组心理特征向量(一般为n个向量,每个向量的维数不固定)。该组分类器的输出为一组经过归一化处理的实数值,其中每个分类器对应一个实数值。
(6)根据实际需要给定一个阈值,大于该阈值的进行输出,并将输出结果排序,排序后的集合就是拟推荐给网络用户进行抑郁情绪干预的知识库中的元素,用户按此排序后的推荐内容进行自助心理干预,进而用户也可就此次干预进行打分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410261162.0A CN104143165A (zh) | 2014-06-13 | 2014-06-13 | 面向抑郁情绪的心理干预方案个性化推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410261162.0A CN104143165A (zh) | 2014-06-13 | 2014-06-13 | 面向抑郁情绪的心理干预方案个性化推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104143165A true CN104143165A (zh) | 2014-11-12 |
Family
ID=51852333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410261162.0A Pending CN104143165A (zh) | 2014-06-13 | 2014-06-13 | 面向抑郁情绪的心理干预方案个性化推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104143165A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016457A (zh) * | 2017-03-14 | 2017-08-04 | 上海市精神卫生中心 | 一种实现社区危险行为预警的系统和方法 |
CN107291739A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 网络用户健康状况的评价方法、系统及设备 |
CN107305597A (zh) * | 2016-04-19 | 2017-10-31 | 南京抹香鲸信息科技有限公司 | 一种基于大数据分析的心理自我治愈系统 |
CN109036561A (zh) * | 2018-07-10 | 2018-12-18 | 同济大学 | 一种基于行为信息的大学生心理状态评估方法 |
CN109101883A (zh) * | 2018-07-09 | 2018-12-28 | 山东师范大学 | 一种抑郁倾向评价装置及系统 |
CN109979567A (zh) * | 2019-03-21 | 2019-07-05 | 金华职业技术学院 | 一种老年痴呆症家庭照顾者抑郁的认知行为干预系统 |
CN110428906A (zh) * | 2019-07-30 | 2019-11-08 | 北京明略软件系统有限公司 | 信息上报方法及装置 |
CN113539480A (zh) * | 2021-07-20 | 2021-10-22 | 武汉情智感知科技有限公司 | 一种新型的精神健康干预交互系统 |
CN114520042A (zh) * | 2022-03-03 | 2022-05-20 | 深圳市常春藤心理咨询有限公司 | 一种智能心理干预方法、系统、终端及存储介质 |
CN116965818A (zh) * | 2023-08-01 | 2023-10-31 | 上海迎智正能文化发展有限公司 | 一种基于人工智能的异常情绪调控方法及系统 |
-
2014
- 2014-06-13 CN CN201410261162.0A patent/CN104143165A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291739A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 网络用户健康状况的评价方法、系统及设备 |
CN107305597A (zh) * | 2016-04-19 | 2017-10-31 | 南京抹香鲸信息科技有限公司 | 一种基于大数据分析的心理自我治愈系统 |
CN107016457A (zh) * | 2017-03-14 | 2017-08-04 | 上海市精神卫生中心 | 一种实现社区危险行为预警的系统和方法 |
CN109101883B (zh) * | 2018-07-09 | 2021-11-09 | 山东师范大学 | 一种抑郁倾向评价装置及系统 |
CN109101883A (zh) * | 2018-07-09 | 2018-12-28 | 山东师范大学 | 一种抑郁倾向评价装置及系统 |
CN109036561A (zh) * | 2018-07-10 | 2018-12-18 | 同济大学 | 一种基于行为信息的大学生心理状态评估方法 |
CN109979567A (zh) * | 2019-03-21 | 2019-07-05 | 金华职业技术学院 | 一种老年痴呆症家庭照顾者抑郁的认知行为干预系统 |
CN110428906A (zh) * | 2019-07-30 | 2019-11-08 | 北京明略软件系统有限公司 | 信息上报方法及装置 |
CN113539480A (zh) * | 2021-07-20 | 2021-10-22 | 武汉情智感知科技有限公司 | 一种新型的精神健康干预交互系统 |
CN114520042A (zh) * | 2022-03-03 | 2022-05-20 | 深圳市常春藤心理咨询有限公司 | 一种智能心理干预方法、系统、终端及存储介质 |
CN114520042B (zh) * | 2022-03-03 | 2022-11-08 | 深圳市常春藤心理咨询有限公司 | 一种智能心理干预方法、系统、终端及存储介质 |
CN116965818A (zh) * | 2023-08-01 | 2023-10-31 | 上海迎智正能文化发展有限公司 | 一种基于人工智能的异常情绪调控方法及系统 |
CN116965818B (zh) * | 2023-08-01 | 2024-02-20 | 上海迎智正能健康科技有限公司 | 一种基于人工智能的异常情绪调控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104143165A (zh) | 面向抑郁情绪的心理干预方案个性化推荐方法 | |
Hu et al. | Do entrepreneurial alertness and self-efficacy predict Chinese sports major students' entrepreneurial intention? | |
CN105574098B (zh) | 知识图谱的生成方法及装置、实体对比方法及装置 | |
JP7064681B2 (ja) | マルチセンターモードにおけるランダムフォレストアルゴリズムに基づく特徴重要度ソートシステム | |
CN110085327A (zh) | 基于注意力机制的多通道lstm神经网络流感疫情预测方法 | |
CN104156447B (zh) | 一种智能社交平台广告预警及处理方法 | |
CN105760649B (zh) | 一种面向大数据的可信度量方法 | |
CN108364662A (zh) | 基于成对鉴别任务的语音情感识别方法与系统 | |
CN105212949A (zh) | 一种使用皮肤电信号进行文化体验情感识别的方法 | |
CN108717548B (zh) | 一种面向传感器动态增加的行为识别模型更新方法及系统 | |
Zou et al. | A novel network security algorithm based on improved support vector machine from smart city perspective | |
Wei et al. | Emotional perceptions of people exposed to green and blue spaces in forest parks of cities at rapid urbanization regions of East China | |
Galvan-Tejada et al. | Depression episodes detection in unipolar and bipolar patients: a methodology with feature extraction and feature selection with genetic algorithms using activity motion signal as information source | |
CN111798303A (zh) | 一种法院被执行人履行能力评估的方法 | |
Laythe et al. | Adversarial collaboration on a Drake-S Equation for the survival question | |
Hossain et al. | A belief rule based expert system to assess hypertension under uncertainty | |
CN110287761A (zh) | 一种基于卷积神经网络和隐变量分析的人脸年龄估计方法 | |
Hong et al. | Study on evaluation model of soundscape in urban park based on Radial Basis Function Neural Network: A case study of Shiba Park and Kamogawa Park, Japan | |
Zhang et al. | Self-optimizing multi-domain auxiliary fusion deep complex convolution recurrent network for speech enhancement | |
Conti | New parties and the transformation of the Italian political space | |
Beaver et al. | Prioritization of risky chats for intent classifier improvement | |
Song et al. | Research on user experience evaluation of man-machine interaction interface based on virtual reality technology | |
Meng et al. | Action recognition and correction by using EMG signal for health sports | |
Yang et al. | Prediction of loneliness in older people | |
Ren et al. | Design and analysis of a smart sensor-based early warning intervention network for school sports bullying among left-behind children |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141112 |