CN111312394B - 一种基于组合情感的心理健康状况评估系统及其处理方法 - Google Patents

一种基于组合情感的心理健康状况评估系统及其处理方法 Download PDF

Info

Publication number
CN111312394B
CN111312394B CN202010044403.1A CN202010044403A CN111312394B CN 111312394 B CN111312394 B CN 111312394B CN 202010044403 A CN202010044403 A CN 202010044403A CN 111312394 B CN111312394 B CN 111312394B
Authority
CN
China
Prior art keywords
emotion
psychological
data
intensity
combination
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.)
Active
Application number
CN202010044403.1A
Other languages
English (en)
Other versions
CN111312394A (zh
Inventor
王玲
周铁华
刘航宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Electric Power University
Original Assignee
Northeast Dianli University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Dianli University filed Critical Northeast Dianli University
Priority to CN202010044403.1A priority Critical patent/CN111312394B/zh
Publication of CN111312394A publication Critical patent/CN111312394A/zh
Application granted granted Critical
Publication of CN111312394B publication Critical patent/CN111312394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/167—Personality evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Educational Technology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明是一种基于组合情感的心理健康状况评估系统，其特点是，包括：数据采集和数据库管理模块、情感特征识别模块、情感组合分析模块和心理状况评估模块，所述数据采集和数据库管理模块分别与情感特征识别模块、情感组合分析模块、心理状况评估模块数据连接，所述情感特征识别模块与情感组合分析模块数据连接，所述情感组合分析模块与心理状况评估模块数据连接；并提供其处理方法。实现了对用户心理健康状况的全面评估，其精确度高，评估速度快。具有科学合理，适用性强，效果佳等优点。

Description

一种基于组合情感的心理健康状况评估系统及其处理方法
技术领域
本发明涉及人工智能领域中自然语言处理分析领域，是一种基于组合情感的心理健康状况评估系统及其处理方法。
背景技术
情感极性分析作为自然语言处理中重要的一部分，以自然语言文本为数据源进行处理，识别与分析出目标情感极性。
主流的情感极性分析方法分为两类，一类是基于情感字典进行匹配识别的方法，一类是基于机器学习的处理方式。其中，基于情感词典的方法，其核心在于构建情感词集，过小的情感词典会导致文本匹配识别中情感词过少，效率低下，而过大的情感词典则会导致过多噪声的残留，严重影响后续分析处理，同时情感词典也受到目标领域的限制，适当的情感字典构建完成后，通过对目标文本进行识别，匹配到目标情感词，通过词量化处理，可实现文本的情感量化；而另一方面，基于机器学习的方式，则需要采用监督式分类方法或无监督的聚类方式，对目标文本进行语句判断、类别划分处理，识别出目标文本中情感的极性。
目前，基于情感极性分析研究依然局限于:仅针对情感极性的分析处理，即正面情感极性、负面情感极性以及中性情感极性的判断，使得基于情感分析的应用场景受限，对于需要情感精确判别的领域而言，情感分析所达到的层次不足以支撑后续的研究；而在后续发展中，又出现了情感分析：将情感极性细分为情感表述，然而，由于情感字典不具有自适应，对于不同应用领域仍不具有普适性，同时，情感分析只针对单维情感词进行分析，对于情感出现的时序性属性并未纳入考虑范畴。因此现阶段的情感分析技术仍无法在特定专业领域实现高精度的分析与处理。
发明内容
本发明的目的在于打破现有情感分析技术在高精度要求的专业领域下不具有自适应、普适性的现状，以及解决情感分析仅对低维度数据进行分析的局限性，提出一种基于组合情感的心理健康状况评估系统及其方法，基于组合情感的心理状况评估系统全面考虑心理状况中情感变化的趋势，深度挖掘心理状况体现出的情感组合，为心理状况的评估提供了较好的解决方案；同时，基于情感组合的心理状况评估方法用来构建情感组合的量化强度，将情感组合变化的多重因素进行了全面整合，并且通过数理统计挖掘心理健康评估的条件，实现了基于情感组合的心理健康状况评估的分析，该系统和方法将更加有利于推进心理健康的发展。
实现本发明目的采用的技术方案之一是，一种基于组合情感的心理健康状况评估系统，其特征是，它包括：数据采集和数据库管理模块、情感特征识别模块、情感组合分析模块和心理状况评估模块，所述数据采集和数据库管理模块分别与情感特征识别模块、情感组合分析模块、心理状况评估模块数据连接，所述情感特征识别模块与情感组合分析模块数据连接，所述情感组合分析模块与心理状况评估模块数据连接。
进一步，所述数据采集和数据库管理模块，用于数据采集、数据分类和数据预处理，构建心理评估本体数据库；所述情感特征识别模块，将用户数据和专业心理学数据进行拟合，构建情感词典，进而通过自然语言文本处理过程进行情感识别；所述情感组合分析模块，基于已识别的情感特征，挖掘心理状况评估规则；所述心理状况评估模块，将心理状况评估规则与用户数据中识别的组合情感进行综合分析，从而实现对用户心理状况的准确评估。
进一步，所述数据采集和数据库管理模块包括：数据采集装置、数据分类装置和数据预处理装置。
进一步，所述数据采集装置是利用移动电子设备采集的用户社交网络数据、脑电波读取器采集的脑电波数据和专业心理学数据，进行采集和整理。
进一步，所述数据分类装置是对采集数据进行类别的划分，其划分三类：
①社交网络数据S类：包括用户名、用户言论、言论发布时间；
②脑电波数据E类：包括脑电波信号采样率、脑电波信号振幅；
③专业心理学数据M类：包括心理调节描述、心理健康描述、心理问题描述；
进一步，所述数据预处理装置是对原始脑电波类数据进数据预处理，包括根据脑电波频率，对采集信号进行波段分解，获取α波、β波、γ波、δ波和θ波，依据不同波段振幅强度，依次转换为情绪特征表述。
进一步，所述情感特征识别模块包括：情感字典构建装置和情感组合识别装置。
进一步，所述的情感字典构建装置是基于原始数据构建情感字典的情感字典L，情感字典L构建装置基于数据库对原始数据的类型设定，构建以种类A(S，M)为语料库，以非情感词N为去噪标准，以词频F为词向量化指标，以无监督聚类分析C划分情感区间，通过拟合生成情感类别EC，通过同义词相似度SS进行构建方法构建情感词典L，将基于原始数据的情感词典定义为L＝{EC{A,N,F,C},SS}。
进一步，所述的情感组合识别装置是基于情感字典识别心理学文本数据中的情感组合，对心理学文本数据进行语句分段处理，以情感词典为过滤标准，过滤语料库中非情感词典的词汇，而后，对过滤后的心理学文本数据语段集进行情感词的识别，得到心理状况情感组合集。
进一步，所述情感组合分析模块包括：心理状况评估规则挖掘装置和关键属性分析计算装置。
进一步，所述的心理状况评估模块为心理状况预测装置，所述心理状况预测装置是基于对心理状况评估规则和关键属性的分析计算，将心理状况划分为七个等级包括：严重等级，中等等级，轻微等级，严重倾向，中等倾向，轻微倾向和心理健康综合状况，根据获取的用户一段时间内的情感组合特征，将用户的心理状况进行分类，根据关键属性的分析计算，预测该用户的心理健康状况。
实现本发明目的采用的技术方案之二是，一种基于组合情感的心理健康状况评估系统的处理方法，其特征是，它包括的内容有：
1)对所述心理状况评估规则挖掘装置的设置：
(1)根据情感字典L＝{EC{A,N,F,C},SS}，将心理状况评估规则定义为：基于心理健康的情感组合评估规则集、心理问题的情感组合评估规则集和心理调节中情感组合走向的关联关系集而进行拟合的心理状况评估规则集；
(2)设定心理状况评估规则的挖掘R＝{W,Z,{W,Z}}，其中，W是心理健康评估规则集，Z是心理问题评估规则集，{W,Z}是心理调节中情感走向关联集，依照心理健康和心理问题中情感组合关联程度拟合的情感走向关联关系；
(3)定义心理健康评估规则集W＝{Mh,Ph,Qh},其中，Mh是心理健康描述文本数据，Ph是基于情感字典识别的心理健康情感组合评估规则，Qh是心理健康情感组合评估规则的量化强度，基于情感词Ei的量化强度Qi得到情感组合评估规则的量化强度Qh，其中，Qi是k个情感词组合中某一个情感词的情感强度，采用公式得到心理健康评估规则的强度；
(4)定义心理问题评估规则集W＝{Md,Pd,Qd},其中，Md是心理问题描述文本数据，Pd是基于情感字典识别的心理问题情感组合评估规则，Qd是心理问题情感组合评估规则的量化强度，基于情感词Ei的量化强度Qi得到情感组合评估规则的量化强度Qd，其中，Qi是k个情感词组合中某一个情感词的情感强度，采用公式得到心理问题评估规则的强度；
(5)定义心理调节中情感走向关联集{W,Z}＝{Ma,Ph,Pd,QG,Qp,G},其中，Ma是心理调节描述数据，G是以心理调节情感组合为中介的心理问题情感组合评估规则Pd和心理健康情感组合评估规则Ph的情感走向关联关系量化强度，基于情感走向关联强度G与心理健康情感组合Ph的规则量化强度Qp得到心理调节后心理健康的评估强度QG，采用公式QG＝QP×G得到心理调节后心理健康的评估强度。
2)对所述关键属性分析装置的设置：
(1)在心理状况评估规则下，通过分析计算关键属性可以评估用户心理状况；
(2)定义心理问题特征匹配率N，心理问题特征匹配率N为匹配的用户情感词个数Nd与识别的用户情感个数Nm之比，采用公式得到心理问题特征匹配率；
(3)定义心理问题明显特征界限值θ，心理问题明显特征界限值θ为匹配规则强度Qi的均值，其中，Qi是匹配的n条规则之间的某一条规则强度，采用公式得到心理问题明显特征界限值；
(4)定义心理问题特征强度α，心理问题特征强度α为强规则强度Qi的均值，其中，Qi是匹配的强度大于心理问题明显特征界限值的n条规则之中的某一条规则强度，采用公式得到心理问题特征强度；
(5)定义心理问题特征突出规则S，心理问题特征突出规则S为匹配规则中强度最高的规则，其中Qs为突出规则强度值；
(6)定义心理问题特征突出强度β，心理状况特征突出强度β为心理问题d中突出规则S的强度Qs在匹配的其他问题中与之强度Qd的差均值，其中，d是同一规则匹配的心理问题m中的某一个问题，采用公式得到心理问题特征突出强度。
本发明的一种基于组合情感的心理健康状况评估系统及其处理方法具有如下优点：
1.本发明的基于情感组合的心理健康状况评估系统，主要应用于社交网络和佩戴式脑电波检测装置环境下，构建全新的心理状况评估规则和数据本体，全面分析识别心理状况特征的情感组合因素，深度挖掘专业心理健康以及心理问题用户群之间在情感组合的差异和关联性，综合分析情感组合的规律，以实现心理状况评估与预测分析；
2.本发明全面考虑了情感表达的差异性，通过聚类算法深度挖掘出专业心理状况评估与社交网络中用户群体发表言论之间的关联性；充分考虑到情感程度多样性的特点，通过数据拟合将专业心理医师表达与普通用户表达进行融合，对情感程度进行分级处理，基于情感程度区间进行情感字典的搭建，实现了更大范围的情感识别；
3.本发明的系统中，使用关联规则挖掘算法来构建全新的心理健康状况评估规则，实现了评估中规则匹配的效率，在搜索技术上实现了改进，以改变传统大多仅仅依赖于情感极性进行分析和预测的瓶颈，使情感组合与情感变化因素参与心理状况特征的识别分析，推动心理健康向电子化发展的技术支撑。
4.其方法科学合理，适用性强，效果佳。
附图说明
图1是本发明的一种基于组合情感的心理健康状况评估系统框图；
图2是本发明的一种基于组合情感的心理健康状况评估系统的处理方法框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图并通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，本发明的一种基于组合情感的心理健康状况评估系统，包括：数据采集和数据库管理模块、情感特征识别模块、情感组合分析模块和心理状况评估模块，所述数据采集和数据库管理模块分别与情感特征识别模块、情感组合分析模块、心理状况评估模块数据连接，所述情感特征识别模块与情感组合分析模块数据连接，所述情感组合分析模块与心理状况评估模块数据连接，
所述数据采集和数据库管理模块，用于数据采集、数据分类和数据预处理，构建心理评估本体数据库；所述情感特征识别模块，将用户数据和专业心理学数据进行拟合，构建情感词典，进而通过自然语言文本处理过程进行情感识别；所述情感组合分析模块，基于已识别的情感特征，挖掘心理状况评估规则；所述心理状况评估模块，将心理状况评估规则与用户数据中识别的组合情感进行综合分析，从而实现对用户心理状况的准确评估。
所述数据采集和数据库管理模块包括：数据采集装置、数据分类装置和数据预处理装置。
所述数据采集装置是利用移动电子设备采集的用户社交网络数据、脑电波读取器采集的脑电波数据和专业心理学数据，进行采集和整理。
所述数据分类装置是对采集数据进行类别的划分，其划分三类：
①社交网络数据S类：包括用户名、用户言论、言论发布时间；
②脑电波数据E类：包括脑电波信号采样率、脑电波信号振幅；
③专业心理学数据M类：包括心理调节描述、心理健康描述、心理问题描述。
所述数据预处理装置是对原始脑电波类数据进数据预处理，包括根据脑电波频率，对采集信号进行波段分解，获取α波、β波、γ波、δ波和θ波，依据不同波段振幅强度，依次转换为情绪特征表述。
所述情感特征识别模块包括：情感字典构建装置和情感组合识别装置。
所述的情感字典构建装置是基于原始数据构建情感字典的情感字典L，情感字典L构建装置基于数据库对原始数据的类型设定，构建以种类A(S，M)为语料库，以非情感词N为去噪标准，以词频F为词向量化指标，以无监督聚类分析C划分情感区间，通过拟合生成情感类别EC，通过同义词相似度SS进行构建方法构建情感词典L，将基于原始数据的情感词典定义为L＝{EC{A,N,F,C},SS}。
所述的情感组合识别装置是基于情感字典识别心理学文本数据中的情感组合，对心理学文本数据进行语句分段处理，以情感词典为过滤标准，过滤语料库中非情感词典的词汇，而后，对过滤后的心理学文本数据语段集进行情感词的识别，得到心理状况情感组合集。
所述情感组合分析模块包括：心理状况评估规则挖掘装置和关键属性分析计算装置。
所述的心理状况评估模块为心理状况预测装置，所述心理状况预测装置是基于对心理状况评估规则和关键属性的分析计算，将心理状况划分为七个等级包括：严重等级，中等等级，轻微等级，严重倾向，中等倾向，轻微倾向和心理健康综合状况，根据获取的用户一段时间内的情感组合特征，将用户的心理状况进行分类，根据关键属性的分析计算，预测该用户的心理健康状况。
本发明中运用的硬件设备装置为现有技术产品，包括：服务器、移动设备和MindLink脑电波检测装置。其中，服务器配置为：Windows10操作系统，Intel(R)Xeon(R)CPUE5-26202.10Ghz处理器，2T内存；移动设备包括：Android手机、iOS手机、移动平板和桌面式电脑；运用的开发软件为：Pycharm编译器；运用的编译语言为：Python，是本领域技术人员所熟悉的技术。
参照图1所示，实施例的一种基于情感组合的心理状况评估系统，可以用来评估用户是否患有心理问题以及心理问题的严重程度。
数据库管理装置将采集的原始数据分为三大类，社交网络文本类数据(SocialNetwork简称S)：包括用户名、用户言论、言论发布时间。脑电波类数据(Electroencephalography简称E)：包括脑电波采样率、脑电波信号振幅。心理学文本类数据(Mental Status简称M)：包括心理调节描述、心理健康描述、心理问题描述。数据库管理装置对于采集到的数据，进行属性定义，进行数据本体构建，根据数据来源类型，建立属性列表1。
属性列表1
因素 属性 因素 属性
用户名 Sn 脑电波信号振幅 Ea
用户言论 Sc 心理调节描述 Ma
言论发布时间 St 心理健康描述 Mh
脑电波采样率 Er 心理问题描述 Md
参照图2所示，本发明的一种基于组合情感的心理健康状况评估系统的处理方法，包括的步骤如下：
步骤1:根据数据采集装置，进行数据采集，数据包括：社交网络数据、心理学数据和脑电波数据；
步骤2：基于采集数据进行数据预处理，针对脑电波数据进行频率拆分，获取α波、β波、γ波、δ波和θ波，依据不同波段振幅强度，依次转换为用户情感特征表述；
步骤3:根据输入的心理学数据，构建情感字典L＝{EC{A,N,F,C},SS}，以非情感词N为去噪标准，以词频F为词向量化指标，以无监督聚类分析C划分情感区间，通过拟合生成情感类别E，通过同义词相似度SS进行构建方法构建情感词典L；
步骤4:根据情感字典对心理学数据识别情感组合。对心理学数据进行语句分段处理，对于分段后的语段集进行字符匹配，分别识别出心理调节数据语段的情感词项目集、心理健康数据语段的情感词项目集和心理问题数据语段的情感词项目集；
步骤5:根据识别出的心理健康数据语段情感词项目集，挖掘心理健康评估规则集W＝{Mh,Ph,Qh},其中，Mh是心理健康描述文本数据，Ph是基于情感字典识别的心理健康情感组合评估规则，Qh是心理健康情感组合评估规则的量化强度，基于情感词Ei的量化强度Qi得到情感组合评估规则的量化强度Qh，其中，Qi是k个情感词组合中某一个情感词的情感强度，采用公式得到心理健康评估规则的强度；
步骤6:根据识别出的心理问题数据语段情感词项目集，挖掘心理健康评估规则集W＝{Md,Pd,Qd},其中，Md是心理问题描述文本数据，Pd是基于情感字典识别的心理问题情感组合评估规则，Qd是心理问题情感组合评估规则的量化强度，基于情感词Ei的量化强度Qi得到情感组合评估规则的量化强度Qd，其中，Qi是k个情感词组合中某一个情感词的情感强度，采用公式得到心理问题评估规则的强度；
步骤7:根据识别出的心理调节数据语段情感词项目集，挖掘心理调节中情感走向关联集{W,Z}＝{Ma,Ph,Pd,QG,Qp,G},其中，Ma是心理调节描述数据，G是以心理调节情感组合为中介的心理问题情感组合评估规则Pd和心理健康情感组合评估规则Ph的情感走向关联关系量化强度，基于情感走向关联强度G与心理健康情感组合Ph的规则量化强度Qp得到心理调节后心理健康的评估强度QG，采用公式QG＝QP×G得到心理调节后心理健康的评估强度；
步骤8:根据挖掘出的心理健康评估规则集、心理问题评估规则集和心理调节中情感走向关联集，生成心理问题评估规则R＝{W,Z,{W,Z}}，其中，W是心理健康评估规则集，Z是心理问题评估规则集，{W,Z}是依照心理健康和心理问题中情感组合拟合的心理调节中情感走向关联集；
步骤9:输入用户数据，根据情感字典对社交网络数据和脑电波数据进行情感组合的识别，其中，对社交网络社局进行语句分段处理，对于分段后的社交网络语段集进行字符匹配，识别出社交网络数据语段的情感词项目集，以社交网络数据语段的情感词项目集和脑电波数据中波段转换的情感组合序列，生成用户的情感词组合；
步骤10:根据心理状况评估规则集对用户情感词组合进行规则匹配，记录匹配规则的情感组合、规则强度和规则标签信息，对于不满足评估规则的情感组合进行剔除；
步骤11:根据记录的匹配规则进行心理问题特征匹配率特征值计算，定义心理问题特征匹配率N，心理问题特征匹配率N为匹配的用户情感词个数Nd与识别的用户情感个数Nm之比，采用公式得到心理问题特征匹配率；
步骤12:根据记录的匹配规则进行心理问题明显特征界限值特征值计算，定义心理问题明显特征界限值θ，心理问题明显特征界限值θ为匹配规则强度Qi的均值，其中，Qi是匹配的n条规则之间的某一条规则强度，采用公式得到心理问题明显特征界限值；
步骤13:根据记录的匹配规则进行心理问题特征强度特征值计算，定义心理问题特征强度α，心理问题特征强度α为强规则强度Qi的均值，其中，Qi是匹配的强度大于心理问题明显特征界限值的n条规则之中的某一条规则强度，采用公式得到心理问题特征强度；
步骤14:根据记录的匹配规则进行心理问题特征突出规则特征值计算，定义心理问题特征突出规则S，心理问题特征突出规则S为匹配规则中强度最高的规则，其中Qs为突出规则强度值；
步骤15:根据记录的匹配规则进行心理问题特征突出强度特征值计算，定义心理问题特征突出强度β，心理状况特征突出强度β为心理问题d中突出规则S的强度Qs在匹配的其他问题中与之强度Qd的差均值，其中，d是同一规则匹配的心理问题m中的某一个问题，采用公式得到心理问题特征突出强度；
步骤16:根据心理问题特征匹配率、心理问题明显特征界限值、心理问题特征强度、心理问题特征突出规则和心理问题特征突出强度特征集对用户是否存在心理问题进行判定。根据特征值集将心理状况划分为七个心理状况中的某一种类别，七个心理状况包括：严重等级，中等等级，轻微等级，严重倾向，中等倾向，轻微倾向和心理健康综合状况，其中，所述的严重等级为：心理问题特征匹配率高、心理问题特征突出强度大、心理问题特征突出规则明显，所述的中等等级为：心理问题特征匹配率高、心理问题特征突出强度大、心理问题特征突出规则不明显，所述的轻微等级为：心理问题特征匹配率高、心理问题特征突出强度中等、心理问题特征突出规则不明显，所述的严重倾向为：心理问题特征匹配率中等、心理问题特征突出强度大、心理问题特征突出规则明显，所述的中等倾向为：心理问题特征匹配率中等、心理问题特征突出强度大、心理问题特征突出规则不明显，所述的轻微倾向为：心理问题特征匹配率中等、心理问题特征突出强度中等、心理问题特征突出规则不明显，所述的心理健康为：心理问题特征匹配率低、心理问题特征突出强度低、心理问题特征突出规则不明显。
综上所述，本发明的一种基于组合情感的心理健康状况评估系统及其处理方法，能够实现对用户心理状况的多层次评估，利用社交网络数据和脑电波数据，更大范围的覆盖了用户数据的来源以及准确性；同时，专业的心理问题评估标准以及对心理健康状况和心理问题状况的关联分析，提高了心理状况评估的精准性。
上述实施例仅是为了清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (6)

1.一种基于组合情感的心理健康状况评估系统，其特征是，它包括：数据采集和数据库管理模块、情感特征识别模块、情感组合分析模块和心理状况评估模块，所述数据采集和数据库管理模块分别与情感特征识别模块、情感组合分析模块、心理状况评估模块数据连接，所述情感特征识别模块与情感组合分析模块数据连接，所述情感组合分析模块与心理状况评估模块数据连接；
所述数据采集和数据库管理模块，用于数据采集、数据分类和数据预处理，构建心理评估本体数据库，全面分析识别心理状况特征的情感组合因素，深度挖掘专业心理健康以及心理问题用户群之间在情感组合的差异和关联性，综合分析情感组合的规律，以实现心理状况评估与预测分析；
所述情感特征识别模块，将用户数据和专业心理学数据进行拟合，构建情感词典，进而通过自然语言文本处理过程进行情感识别，充分考虑到情感程度多样性的特点，通过数据拟合将专业心理医师表达与普通用户表达进行融合，对情感程度进行分级处理，基于情感程度进行情感字典的搭建，实现了更大范围的情感识别；
所述情感组合分析模块，基于已识别的情感特征，挖掘心理状况评估规则，考虑心理状况中情感变化的趋势，深度挖掘心理状况体现出的情感组合，为心理状况的评估提供了解决方案；
所述心理状况评估模块，基于情感组合的心理状况评估方法来构建情感组合的量化强度，将情感组合变化的多重因素进行了全面整合，将心理状况评估规则与用户数据中识别的组合情感进行综合分析，从而实现对用户心理状况的准确评估；
所述情感组合分析模块包括：心理状况评估规则挖掘装置和关键属性分析计算装置；
1)对所述心理状况评估规则挖掘装置的设置内容包括：
(1)根据情感字典L＝{EC{A,N,F,C},SS}，将心理状况评估规则定义为：基于心理健康的情感组合评估规则集、心理问题的情感组合评估规则集和心理调节中情感组合走向的关联关系集而进行拟合的心理状况评估规则集；
(2)设定心理状况评估规则的挖掘R＝{W,Z,{W,Z}}，其中，W是心理健康评估规则集，Z是心理问题评估规则集，{W,Z}是心理调节中情感走向关联集，依照心理健康和心理问题中情感组合关联程度拟合的情感走向关联关系；
(3)定义心理健康评估规则集W＝{Mh,Ph,Qh},其中，Mh是心理健康描述文本数据，Ph是基于情感字典识别的心理健康情感组合评估规则，Qh是心理健康情感组合评估规则的量化强度，基于情感词Ei的量化强度Qi得到情感组合评估规则的量化强度Qh，其中，Qi是k个情感词组合中某一个情感词的情感强度，采用公式得到心理健康评估规则的强度；
(4)定义心理问题评估规则集W＝{Md,Pd,Qd},其中，Md是心理问题描述文本数据，Pd是基于情感字典识别的心理问题情感组合评估规则，Qd是心理问题情感组合评估规则的量化强度，基于情感词Ei的量化强度Qi得到情感组合评估规则的量化强度Qd，其中，Qi是k个情感词组合中某一个情感词的情感强度，采用公式得到心理问题评估规则的强度；
(5)定义心理调节中情感走向关联集{W,Z}＝{Ma,Ph,Pd,QG,Qp,G},其中，Ma是心理调节描述数据，G是以心理调节情感组合为中介的心理问题情感组合评估规则Pd和心理健康情感组合评估规则Ph的情感走向关联关系量化强度，基于情感走向关联强度G与心理健康情感组合Ph的规则量化强度Qp得到心理调节后心理健康的评估强度QG，采用公式QG＝QP×G得到心理调节后心理健康的评估强度；
2)对所述关键属性分析计算装置的设置内容包括：
(1)在心理状况评估规则下，通过分析计算关键属性评估用户心理状况；
(2)定义心理问题特征匹配率N，心理问题特征匹配率N为匹配的用户情感词个数Nd与识别的用户情感个数Nm之比，采用公式得到心理问题特征匹配率；
(3)定义心理问题明显特征界限值θ，心理问题明显特征界限值θ为匹配规则强度Qi的均值，其中，Qi是匹配的n条规则之间的某一条规则强度，采用公式得到心理问题明显特征界限值；
(4)定义心理问题特征强度α，心理问题特征强度α为强规则强度Qi的均值，其中，Qi是匹配的强度大于心理问题明显特征界限值的n条规则之中的某一条规则强度，采用公式 得到心理问题特征强度；
(5)定义心理问题特征突出规则S，心理问题特征突出规则S为匹配规则中强度最高的规则，其中Qs为突出规则强度值；
(6)定义心理问题特征突出强度β，心理状况特征突出强度β为心理问题d中突出规则S的强度Qs在匹配的其他问题中与之强度Qd的差均值，其中，d是同一规则匹配的心理问题m中的某一个问题，采用公式得到心理问题特征突出强度。
2.根据权利要求1所述的一种基于组合情感的心理健康状况评估系统，其特征是，所述数据采集和数据库管理模块包括：数据采集装置、数据分类装置和数据预处理装置。
3.根据权利要求2所述的一种基于组合情感的心理健康状况评估系统，其特征是，
(a)所述数据采集装置是利用移动电子设备采集的用户社交网络数据、脑电波读取器采集的脑电波数据和专业心理学数据，进行采集和整理；
(b)所述数据分类装置是对采集数据进行类别的划分，其划分三类：
①社交网络数据S类：包括用户名、用户言论、言论发布时间；
②脑电波数据E类：包括脑电波信号采样率、脑电波信号振幅；
③专业心理学数据M类：包括心理调节描述、心理健康描述、心理问题描述；
(c)所述数据预处理装置是对原始脑电波类数据进数据预处理，包括根据脑电波频率，对采集信号进行波段分解，获取α波、β波、γ波、δ波和θ波，依据不同波段振幅强度，依次转换为情绪特征表述。
4.根据权利要求1所述的一种基于组合情感的心理健康状况评估系统，其特征是，所述情感特征识别模块包括：情感字典构建装置和情感组合识别装置。
5.根据权利要求4所述的一种基于组合情感的心理健康状况评估系统，其特征是，
(1)所述的情感字典构建装置是基于原始数据构建情感字典的情感字典L，情感字典L构建装置基于数据库对原始数据的类型设定，构建以种类A(S，M)为语料库，以非情感词N为去噪标准，以词频F为词向量化指标，以无监督聚类分析C划分情感区间，通过拟合生成情感类别EC，通过同义词相似度SS进行构建方法构建情感词典L，将基于原始数据的情感词典定义为L＝{EC{A,N,F,C},SS}；
(2)所述的情感组合识别装置是基于情感字典识别心理学文本数据中的情感组合，对心理学文本数据进行语句分段处理，以情感词典为过滤标准，过滤语料库中非情感词典的词汇，而后，对过滤后的心理学文本数据语段集进行情感词的识别，得到心理状况情感组合集。
6.根据权利要求1所述的一种基于组合情感的心理健康状况评估系统，其特征是，所述的心理状况评估模块为心理状况预测装置，所述心理状况预测装置是基于对心理状况评估规则和关键属性的分析计算，将心理状况划分为七个等级包括：严重等级，中等等级，轻微等级，严重倾向，中等倾向，轻微倾向和心理健康综合状况，根据获取的用户一段时间内的情感组合特征，将用户的心理状况进行分类，根据关键属性的分析计算，预测该用户的心理健康状况。
CN202010044403.1A 2020-01-15 2020-01-15 一种基于组合情感的心理健康状况评估系统及其处理方法 Active CN111312394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010044403.1A CN111312394B (zh) 2020-01-15 2020-01-15 一种基于组合情感的心理健康状况评估系统及其处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010044403.1A CN111312394B (zh) 2020-01-15 2020-01-15 一种基于组合情感的心理健康状况评估系统及其处理方法

Publications (2)

Publication Number Publication Date
CN111312394A CN111312394A (zh) 2020-06-19
CN111312394B true CN111312394B (zh) 2023-09-29

Family

ID=71147076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010044403.1A Active CN111312394B (zh) 2020-01-15 2020-01-15 一种基于组合情感的心理健康状况评估系统及其处理方法

Country Status (1)

Country Link
CN (1) CN111312394B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724838B (zh) * 2020-08-19 2023-06-20 麦乐峰(厦门)智能科技有限公司 基于大数据的情绪鉴定系统
CN115188396A (zh) * 2022-07-29 2022-10-14 阿里健康科技(杭州)有限公司 内容展示方法、语音数据处理方法及装置
CN117079772A (zh) * 2023-07-24 2023-11-17 广东智正科技有限公司 一种基于社区矫正对象心理评估分析的智慧矫正系统及终端

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544321A (zh) * 2013-11-06 2014-01-29 北京国双科技有限公司 用于微博情感信息的数据处理方法和装置
KR20160001081A (ko) * 2014-06-26 2016-01-06 숭실대학교산학협력단 뇌파를 기반으로 하는 군집 감성 분석 장치, 방법 및 이를 수행하기 위한 기록 매체
CN105395192A (zh) * 2015-12-09 2016-03-16 恒爱高科(北京)科技有限公司 一种基于脑电的可穿戴情感识别方法和系统
CN106055875A (zh) * 2016-05-21 2016-10-26 北京大脑智库教育科技有限公司 一种基于大数据的皮纹分析处理装置
CN106446147A (zh) * 2016-09-20 2017-02-22 天津大学 一种基于结构化特征的情感分析方法
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
CN109224242A (zh) * 2018-09-05 2019-01-18 华南理工大学 基于vr交互的心理放松系统及方法
CN109977231A (zh) * 2019-04-10 2019-07-05 上海海事大学 一种基于情感衰变因子的抑郁情绪分析方法
WO2019225798A1 (ko) * 2018-05-23 2019-11-28 한국과학기술원 다수의 심리검사지에서 불안 및 우울 증세의 신속한 진단을 위한 기계 학습 기반의 문항 선별 방법 및 장치
CN110570941A (zh) * 2019-07-17 2019-12-13 北京智能工场科技有限公司 一种基于文本语义向量模型评估心理状态的系统和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9015088B2 (en) * 2012-10-30 2015-04-21 Palo Alto Research Center Incorported Method and system for psychological analysis by fusing multiple-view predictions

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544321A (zh) * 2013-11-06 2014-01-29 北京国双科技有限公司 用于微博情感信息的数据处理方法和装置
KR20160001081A (ko) * 2014-06-26 2016-01-06 숭실대학교산학협력단 뇌파를 기반으로 하는 군집 감성 분석 장치, 방법 및 이를 수행하기 위한 기록 매체
CN105395192A (zh) * 2015-12-09 2016-03-16 恒爱高科(北京)科技有限公司 一种基于脑电的可穿戴情感识别方法和系统
CN106055875A (zh) * 2016-05-21 2016-10-26 北京大脑智库教育科技有限公司 一种基于大数据的皮纹分析处理装置
CN106446147A (zh) * 2016-09-20 2017-02-22 天津大学 一种基于结构化特征的情感分析方法
WO2019225798A1 (ko) * 2018-05-23 2019-11-28 한국과학기술원 다수의 심리검사지에서 불안 및 우울 증세의 신속한 진단을 위한 기계 학습 기반의 문항 선별 방법 및 장치
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
CN109224242A (zh) * 2018-09-05 2019-01-18 华南理工大学 基于vr交互的心理放松系统及方法
CN109977231A (zh) * 2019-04-10 2019-07-05 上海海事大学 一种基于情感衰变因子的抑郁情绪分析方法
CN110570941A (zh) * 2019-07-17 2019-12-13 北京智能工场科技有限公司 一种基于文本语义向量模型评估心理状态的系统和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于文本挖掘的中医文本情感分析;窦鹏伟;王珍;佘侃侃;樊文玲;王旭东;;中华中医药学刊(05);第1190-1192页 *
赫熙煦 ; 陈雷霆 ; 张民 ; 孙青云 ; .基于动态认知的微博用户行为关系网络构建方法.电子科技大学学报.2018,(第02期),全文. *
邢云菲 ; 王晰巍 ; 韦雅楠 ; 王铎 ; .新媒体环境下网络舆情用户情感演化模型研究――基于情感极性及情感强度理论.情报科学.2018,(第08期),全文. *

Also Published As

Publication number Publication date
CN111312394A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN111312394B (zh) 一种基于组合情感的心理健康状况评估系统及其处理方法
US11429810B2 (en) Question answering method, terminal, and non-transitory computer readable storage medium
CN113094578A (zh) 基于深度学习的内容推荐方法、装置、设备及存储介质
CN110705247A (zh) 基于χ2-C的文本相似度计算方法
CN116610818A (zh) 一种输变电工程项目知识库的构建方法及系统
CN115952292A (zh) 多标签分类方法、装置及计算机可读介质
Rahman Robust and consistent estimation of word embedding for bangla language by fine-tuning word2vec model
Dhar et al. Bengali news headline categorization using optimized machine learning pipeline
Nurcahyawati et al. Improving sentiment reviews classification performance using support vector machine-fuzzy matching algorithm
Karo et al. Karonese sentiment analysis: a new dataset and preliminary result
CN112466284B (zh) 一种口罩语音鉴别方法
Islam et al. An in-depth exploration of Bangla blog post classification
Sefara et al. Text-based language identification for some of the under-resourced languages of South Africa
Yafooz et al. Enhancing multi-class web video categorization model using machine and deep learning approaches
Reakaa et al. Comparison study on speech emotion prediction using machine learning
Akhgari et al. Sem-TED: semantic twitter event detection and adapting with news stories
Patsiouras et al. GreekPolitics: Sentiment Analysis on Greek Politically Charged Tweets
Sujithra et al. An intellectual decision system for classification of mental health illness on social media using computational intelligence approach
ul haq Dar et al. Classification of job offers of the World Wide Web
Kumar et al. Sarcasm Detection in Telugu and Tamil: An Exploration of Machine Learning and Deep Neural Networks
Das et al. Towards interpretable and transferable speech emotion recognition: Latent representation based analysis of features, methods and corpora
Tripathi et al. An improved mser using grid search based pca and ensemble voting technique
Deshpande et al. Development and Evaluation of Extended Text Pre-processing Techniques for Hindi Document Clustering
CN112597838B (zh) 一种基于脑电波的多维情绪语义识别系统及其处理方法
Utami et al. Systematic Literature Review of Profiling Analysis Personality from Social Media

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