CN111724881A - 一种心理沙盘分析方法和系统 - Google Patents

一种心理沙盘分析方法和系统 Download PDF

Info

Publication number
CN111724881A
CN111724881A CN202010564299.9A CN202010564299A CN111724881A CN 111724881 A CN111724881 A CN 111724881A CN 202010564299 A CN202010564299 A CN 202010564299A CN 111724881 A CN111724881 A CN 111724881A
Authority
CN
China
Prior art keywords
sand table
psychological
data
analysis
sand
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
Application number
CN202010564299.9A
Other languages
English (en)
Other versions
CN111724881B (zh
Inventor
黄凯奇
康运锋
陈晓棠
高天一
姜宇
武美奇
郑若琳
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.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
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 Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN202010564299.9A priority Critical patent/CN111724881B/zh
Publication of CN111724881A publication Critical patent/CN111724881A/zh
Application granted granted Critical
Publication of CN111724881B publication Critical patent/CN111724881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F9/00—Games not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Psychiatry (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Evolutionary Computation (AREA)
  • Social Psychology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Educational Technology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种心理沙盘分析方法和系统。所述方法包括：获取心理沙盘分析模型；所述心理沙盘分析模型为以心理沙盘数据为输入，以心理分析结果为输出的心理分析模型；获取测试者的心理沙盘数据；所述心理沙盘数据包括测试者绘制沙盘时所采用的沙具名称和与所述沙具名称相关的空间关系；利用所述心理沙盘分析模型，根据所述心理沙盘数据确定所述测试者的心理分析结果。本发明提供的通过心理沙盘分析模型，自动地对测试者的沙盘作品进行分析，从而得到测试者对应的心理分析结果，以解决现有技术中对电子沙盘进行分析过程中存在的分析师不足、规则数量少、分析结果不完善等问题。

Description

一种心理沙盘分析方法和系统
技术领域
本发明涉及心理分析领域，特别是涉及一种心理沙盘分析方法和系统。
背景技术
沙盘疗法，又称箱庭疗法(sandplay therapy)，是一种将分析心理学理论和游戏疗法相结合的心理疗法。其是由瑞士心理学家朵拉·卡尔夫(Dora Kalff)从玛格丽特·劳恩菲尔德(Margaret Lowenfeld)的“世界技法”中结合荣格的分析心理学而提出的。日本临床心理学家河合隼雄在1965年将这一方法命名为“箱庭”并在日本推广，张日昇于1998年将箱庭疗法引入中国并持续研究与发展至今。
来访者通过图形和沙箱周围的沙子来建立一个与他或她内心状态相对应的世界。通过这种自由的、创造性的方法，来访者在无意识的过程中将内心世界表达出来，让治疗者能对其进行研究和分析工作。该方法在儿童、青少年及有创伤、痛苦、残疾的成年人身上尤为有效，因此在全球范围广泛应用。
沙盘疗法虽然具有一定的治疗效果，但是它的推广受到了很多因素的制约。首先，沙盘治疗室的普及率不高，没有足够的场地提供进行沙盘疗法。其次，沙具的种类多，根据相关规则，基础型心理沙盘需要配备500个沙具和1个陈列架，而最丰富的团体型心理沙盘需要配置3000个沙具和5个陈列架，这导致治疗室需要一定的占地面积才能够放置这些物品。再次，传统心理沙盘需要分析师在一旁陪伴完成，短则几十分钟，多则几个小时，然而沙盘心理分析师十分短缺，并不能满足人们的需求。
随着计算机技术的广泛运用，沙盘疗法能形成软件，让更多的人使用，以解决上述提到的空间的问题。然而，对于电子沙盘，仍需要沙盘分析师对其进行分析，因此现有技术中亟需一款能替代沙盘分析师来对测试者的电子沙盘进行自主分析的电子心理沙盘分析方法或系统。且目前的沙盘分析系统大多都是利用基于规则的方法对沙具的信息进行处理判断，其中的规则数量少，不能很完善的对沙盘进行分析。
发明内容
本发明的目的是提供一种心理沙盘分析方法和系统，以解决现有技术中对电子沙盘进行分析过程中存在的规则数量少、分析结果不完善的问题。
为实现上述目的，本发明提供了如下方案：
一种心理沙盘分析方法，包括：
获取测试者的心理沙盘数据；所述心理沙盘数据包括测试者绘制沙盘时所采用的沙具名称和与所述沙具名称相关的空间关系；
获取心理沙盘分析模型；所述心理沙盘分析模型为以心理沙盘数据为输入，以心理分析结果为输出的心理分析模型；
利用所述心理沙盘分析模型，根据所述心理沙盘数据确定所述测试者的心理分析结果。
优选的，所述心理沙盘分析模型的构建过程包括：
采用爬虫工具获取分析数据；所述分析数据包括：心理分析师的沙盘分析报告和心理分析书籍中对沙盘分析的记载内容；
对所述分析数据进行知识抽取操作，得到三元组数据序列；所述知识抽取操作包括实体抽取、关系抽取和属性抽取；所述三元组数据序列包括：沙具a-关系-沙具b、沙具-关系->主题、主题-属性->属性值、沙具-属性->属性值；
根据所述三元组数据序列获得第一心理沙盘知识图谱；
对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱；
对所述第二心理沙盘知识图谱的逻辑进行检验和修改，补充对相应主题的指导性治疗建议，形成第三心理沙盘知识图谱；所述第三心理沙盘知识图谱即为所述心理沙盘分析模型。
优选的，所述对所述分析数据进行知识抽取操作，得到三元组数据序列，具体包括：
对所述分析数据进行实体抽取得到实体数据；所述实体数据包括：沙具名称和主题；
对所述实体数据进行关系抽取得到与所述实体数据相对应的关系；所述关系包括：空间关系、属性关系和主题关系；其中，对于所述实体数据中的每个实体都有相应的属性与之对应，且属性不唯一；
根据所述实体数据和所述关系确定所述三元组数据序列。
优选的，所述对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱，具体包括：
获取所述第一心理沙盘知识图谱中的三元组数据序列；
采用神经网络模型和/或规则推理算法，以所述三元组数据序列为输入，以所述三元组数据序列中各沙具间的预测关系为输出对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱。
一种心理沙盘分析系统，包括：
电子心理沙盘数据获取模块，用于获取测试者的心理沙盘数据；所述心理沙盘数据包括测试者绘制沙盘时所采用的沙具名称和与所述沙具名称相关的空间关系；
心理沙盘分析模型获取模块，用于获取心理沙盘分析模型；所述心理沙盘分析模型为以心理沙盘数据为输入，以心理分析结果为输出的心理分析模型；
心理分析结果确定模块，用于利用所述心理沙盘分析模型，根据所述心理沙盘数据确定所述测试者的心理分析结果。
优选的，所述心理沙盘分析系统还包括心理沙盘分析模型构建模块；所述心理沙盘分析模型构建模块具体包括：
分析数据获取单元，用于采用爬虫工具获取分析数据；所述分析数据包括：心理分析师的沙盘分析报告和心理分析书籍中对沙盘分析的记载内容；
三元组数据序列确定单元，用于对所述分析数据进行知识抽取得到三元组数据序列；所述知识抽取操作包括实体抽取、关系抽取和属性抽取；所述三元组数据序列包括：沙具a-关系-沙具b、沙具-关系->主题、主题-属性->属性值、沙具-属性->属性值；
第一心理沙盘知识图谱确定单元，用于根据所述三元组数据序列获得第一心理沙盘知识图谱；
第二心理沙盘知识图谱确定单元，用于对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱；
心理沙盘分析模型确定单元，用于对所述第二心理沙盘知识图谱的逻辑进行检验和修改，补充对相应主题的指导性治疗建议，形成第三心理沙盘知识图谱；所述第三心理沙盘知识图谱即为所述心理沙盘分析模型。
优选的，所述三元组数据序列确定单元具体包括：
实体抽取子单元，用于对所述分析数据进行实体抽取得到实体数据；所述实体数据包括：沙具名称和主题；
关系抽取子单元，用于对所述实体数据进行关系抽取得到与所述实体数据相对应的关系；所述关系包括：空间关系、属性关系和主题关系；其中，对于所述实体数据中的每个实体都有相应的属性与之对应，且属性不唯一；
三元组数据序列确定子单元，用于根据所述实体数据和所述关系确定所述三元组数据序列。
优选的，所述第二心理沙盘知识图谱确定单元具体包括：
训练样本对构建子单元，用于获取所述第一心理沙盘知识图谱中的三元组数据序列；
第二心理沙盘知识图谱确定子单元，用于采用神经网络模型和/或规则推理算法，以所述三元组数据序列为输入，以所述三元组数据序列中各沙具间的预测关系为输出对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱。
另一种心理沙盘分析系统，包括：
心理沙盘用户端，用于测试者进行沙盘制作；
沙盘平台，与所述心理沙盘用户端连接，用于传送制作完成的沙盘数据；
服务器，与所述沙盘平台连接，用于对所述沙盘数据进行解析得到查询语句，并采用上述心理沙盘分析模型，根据所述查询语句查询得到测试者的心理分析结果；所述服务器还用于对所述沙盘数据和所述心理分析结果进行存储；
显示器，与所述服务器连接，用于显示所述心理分析结果。
优选的，所述心理沙盘用户端为手机、平板电脑、笔记本电脑和定制终端机中的任意一种。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的电子沙盘分析方法和系统，通过心理沙盘分析模型，自动地对测试者的沙盘作品进行分析，从而得到测试者对应的心理分析结果，以解决现有技术中对电子沙盘进行分析过程中存在的分析师不足、规则数量少、分析结果不完善等问题。
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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的心理沙盘分析方法的流程图；
图2为本发明实施例中知识抽取步骤流程图；
图3为本发明实施例中基于规则的知识推理步骤流程图；
图4为本发明实施例中实体与属性的关系图；
图5为本发明提供的心理沙盘分析系统结构示意图；
图6为本发明提供的另一心理沙盘分析系统结构示意图；
图7为本发明实施例采用另一心理沙盘分析系统进行心理沙盘分析的流程图。
具体实施方式
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，所描述的实施例仅仅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做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。
与本发明相关的专业术语的解释如下：
HMM：Hidden Markov Model，隐马尔可夫模型，是一种统计模型。
CRF：Conditional Random Field，条件随机场，是一种序列化标注算法。
LSTM：Long Short-Term Memory，长短期记忆网络，是一种时间循环神经网络。
Bi-LSTM：Bi-directional LSTM，双向长短期记忆网络，是LSTM的改良版；
BERT：Bidirectional Encoder Representation from Transformers，双向Transformer的编码器；
DKRL：Description-Embodied Knowledge Representation Learning，面向知识表示模型。
NTN：Neural Tensor Network，神经张量网络。
PRA：Path Ranking Algorithm，路径排序算法。
本发明的目的是提供一种心理沙盘分析方法和系统，以解决现有技术中对电子沙盘进行分析过程中存在的规则数量少、分析结果不完善的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明提供的心理沙盘分析方法的流程图，如图1所示，一种心理沙盘分析方法，包括：
步骤100：获取测试者的心理沙盘数据。心理沙盘数据包括测试者绘制沙盘时所采用的沙具名称和与所述沙具名称相关的空间关系。
步骤101：获取心理沙盘分析模型。心理沙盘分析模型为以心理沙盘数据为输入，以心理分析结果为输出的心理分析模型。
步骤102：利用心理沙盘分析模型，根据心理沙盘数据确定测试者的心理分析结果。
上述步骤100中所获取的心理沙盘分析模型的构建过程具体包括：
步骤S1：采用爬虫工具获取分析数据A。分析数据A包括：相关心理沙盘分析师的沙盘分析报告或者书籍资料。并以文档形式保存分析数据A。
步骤S2：对分析数据进行知识抽取操作，得到三元组数据序列。知识抽取操作包括实体抽取、关系抽取和属性抽取。该过程具体包括：
对分析数据进行实体抽取得到实体数据。实体数据包括：沙具名称和主题。
对实体数据进行关系抽取得到与实体数据相对应的关系。该关系包括：空间关系、属性关系和主题关系。其中，对于实体数据中的每个实体都有相应的属性与之对应，且属性不唯一。
根据实体数据和预测关系确定三元组数据序列。
其中，实体抽取步骤的流程如图2，根据沙盘分析师做出的沙盘报告原始数据A，使用相关方法(包括但不限于HMM、CRF、BERT、BiLSTM等)进行针对心理沙盘的实体抽取操作，此类方法为现有技术，功能为对非结构化的数据进行实体抽取。下面以BERT-BiLSTM-CRF方法为例进行描述，将A中的文本数据以句号等有段落意义的符号进行分段生成Ai(i＝1，2，...，n)。将所有分段生成的Ai依次输入BERT映射成低维向量，再通过BiLSTM获取语义特征，最后输入至CRF进行序列预测。其中使用但不限于BIO标注法，生成每段对应的序列标签，包括沙具名称a、b和c，相关主题T1、T2等实体信息。
更详细的说，从一篇沙盘分析报告中的一段话“被试者小红先将母亲沙具放在沙盘中间，再将婴儿放在其旁边，体现出了抚育的主题，表现出小红缺乏安全感，渴望陪伴的心理状态，在母亲的周围有一群老虎正虎视眈眈的看着她，体现出了威胁”，可通过以上方法抽取实体，例如沙具名称“婴儿”对应沙具a、“母亲”对应沙具b、“老虎”对应沙具c，相关主题“抚育”对应主题T1、“威胁”对应主题T2。
对抽取出的实体进行关系抽取操作，包括但不限于BERT、LSTM、BiLSTM、注意力机制(Attention)等方法。此类方法均为现有技术，能对已抽取好的实体寻找其对应的关系。
下面以BiLSTM-Attention为例进行说明，上述使用BIO标注法提取到的特征具有实体名称和位置信息，将其放入模型中，通过BiLSTM层获得向量，并传输至Attention层计算每个句子的权重再进行加和，得到其特征表示，最后放入分类器中预测对应的关系，如R1、R2、R3、R4，其中R4表示为原输入句中不存在对应的关系名称，通过预测进行补全。
更详细的说，将a“婴儿”、b“母亲”、T1“抚育”放入上述模型，可获得对应的关系R1“旁边”，R3“主题”。将b“母亲”、c“老虎”、T2“威胁”输入上述模型，可抽取关系R2“周围”，预测关系R4“主题”(因为原文中并没有出现“主题”这两个字)。
其中关系有多种类别，包括但不限于空间关系(重叠、距离等)、属性关系(类型名、是否同类型)、主题关系(与主题的相关性)等。其中规定命名规则，防止出现同义词，则上例中“周围”“旁边”都可替换为“附近”。
在上述关系抽取过程中，使用相关方法可以预测得到实体之间对应的关系在原句中的位置，从而选取原句中的名词作为对应的关系，其中R1,R2,R3均为原句中的关系。
而原句中没有的关系需要通过预测得到，此时所预测的关系包括属性关系和主题关系等，在本发明中R4为预测得到的预测关系(图2中采用虚线表示)。
属性抽取操作与关系抽取操作方法相同，只是把对关系的抽取限定为只对属性的抽取，例如利用目标属性实体的位置特征或者使用相关属性预测模型添加属性。
如图4所示，对于实体数据中的每个实体，都有相应的属性与之对应。其中，属性不唯一，可有多个。例如，沙具a，其属性可有数量关系、内在表示含义等，再例如主题1，其属性可有其性质、治疗建议等。对于同一实体由于心理沙盘的特殊性，有相应的规则限定，例如沙具数量不同则其对应的主题也不同，因此存在多个同名实体对应不同主题以及治疗建议的情况。
更详细的说，对于T1抚育，其属性1可为“缺乏安全感，渴望陪伴的心理状态”，属性2可为人工添加的指导性建议“心理讲座：定期开展心理知识普及类的讲座，采取多种形式普及心理知识，让该操作者对心理健康形成正确认识”，并且属性1的标签可以是“体现”，属性2的标签可以是“指导性建议”。
经过知识抽取操作后的知识由于关系的存在，可形成三元组(三元组数据序列)。其中，三元组数据序列包括但不限于沙具a-关系-沙具b，沙具-关系->主题，主题-属性->属性值，沙具-属性->属性值等。
步骤S3：根据三元组数据序列获得第一心理沙盘知识图谱。
针对上述例子，可有“b母亲-R1附近-a婴儿-R3主题->T1抚育”、“b母亲-R2附近-c老虎-R4主题-T2威胁”这个两条链接。在使用图数据库的情况下，例如Neo4j，将这些三元组数据序列输入，则可获得第一心理沙盘知识图谱KG1。
步骤S4：对第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱。该过程具体包括：
获取所述第一心理沙盘知识图谱中的三元组数据序列；。
采用神经网络模型和/或规则推理算法，以该三元组数据序列为输入，以所述三元组数据序列中各沙具间的预测关系为输出对第一心理沙盘知识图谱KG1进行知识推理，得到第二心理沙盘知识图谱KG2，具体包括：
对已初步建立好的第一心理沙盘知识图谱KG1进行知识推理，以补全知识。其中，使用包括但不限于基于规则的推理和基于算法的推理(包括但不限于TransE、DKLR、PRA、NTN等)，其中基于规则的推理流程如图3所示，若当前的第一知识图谱中有沙具a和沙具b，沙具b和沙具c这两组三元组数据序列，在对其中关系的属性进行判断后可由逻辑推理出沙具a和沙具c之间也存在着相似的关系，那么对于“沙具a-沙具c-主题T3”这条路径在符合相应规则的主题条件下则可添加至当前知识图谱。
更详细的说，对于“b母亲-R1附近-a婴儿”和“b母亲-R2附近-c老虎”，则可推理出“a婴儿-R6附近-c老虎”，对于同属性的a婴儿与b母亲来说，c老虎在其附近都存在关于“威胁”主题的映射，因此“a婴儿-c老虎-T3威胁”也可作为一条链接加入当前知识图谱。
另一种基于算法的推理为现有技术，即输入需要预测的沙具对，输出预测的关系。用DKRL举例如下，将沙具e和沙具f的描述信息放入卷积层提取相应的语义信息的向量表示，通过计算该对向量之间的距离来匹配相应的关系向量并进行关系向量的选择排序，选取置信度高并超过一定阈值的向量作为当前沙具之间的关系R7。
通过上述的知识推理步骤可将第一心理沙盘知识图谱KG1补充为相对完善的第二心理沙盘知识图谱KG2。
对第二心理沙盘知识图谱KG2的逻辑进行检验和修改，补充对相应主题的指导性治疗建议，形成第三心理沙盘知识图谱KG3。具体为，由专家对第二心理沙盘知识图谱KG2的逻辑进行检验并修改，补充对相应主题的指导性治疗建议，形成第三心理沙盘知识图谱KG3。上述第三心理沙盘知识图谱KG3即为心理沙盘分析模型。
对应于上述心理沙盘分析方法，本发明还提供了一种心理沙盘分析系统，如图5所示，该心理沙盘分析系统包括：电子心理沙盘数据获取模块11、心理沙盘分析模型获取模块12和心理分析结果确定模块13。
其中，电子心理沙盘数据获取模块11用于获取测试者的心理沙盘数据。心理沙盘数据包括测试者绘制沙盘时所采用的沙具名称和与所述沙具名称相关的空间关系。
心理沙盘分析模型获取模块12用于获取心理沙盘分析模型。心理沙盘分析模型为以心理沙盘数据为输入，以心理分析结果为输出的心理分析模型。
心理分析结果确定模块13用于利用心理沙盘分析模型，根据心理沙盘数据确定测试者的心理分析结果。
作为本发明的另一实施例，心理沙盘分析系统还包括心理沙盘分析模型构建模块。心理沙盘分析模型构建模块具体包括：分析数据获取单元、三元组数据序列确定单元、第一心理沙盘知识图谱确定单元、第二心理沙盘知识图谱确定单元和心理沙盘分析模型确定单元。
分析数据获取单元用于采用爬虫工具获取分析数据。分析数据包括：心理分析师的沙盘分析报告和心理分析书籍中对沙盘分析的记载内容。
三元组数据序列确定单元用于对分析数据进行知识抽取得到三元组数据序列。知识抽取操作包括实体抽取、关系抽取和属性抽取。三元组包括：沙具a-关系-沙具b、沙具-关系->主题、主题-属性->属性值、沙具-属性->属性值。
第一心理沙盘知识图谱确定单元用于根据三元组数据序列获得第一心理沙盘知识图谱。
第二心理沙盘知识图谱确定单元用于对第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱。
心理沙盘分析模型确定单元用于对第二心理沙盘知识图谱的逻辑进行检验和修改，补充对相应主题的指导性治疗建议，形成第三心理沙盘知识图谱。第三心理沙盘知识图谱即为心理沙盘分析模型。
作为本发明的另一实施例，上述三元组数据序列确定单元具体包括：实体抽取子单元、关系抽取子单元和三元组数据序列确定子单元。
实体抽取子单元用于对分析数据进行实体抽取得到实体数据。实体数据包括：沙具名称和主题。
关系抽取子单元用于对实体数据进行关系抽取得到与实体数据相对应的预测关系。预测关系包括：空间关系、属性关系和主题关系。其中，对于实体数据中的每个实体都有相应的属性与之对应，且属性不唯一。
三元组数据序列确定子单元用于根据实体数据和预测关系确定三元组数据序列。
作为本发明的另一实施例，上述第二心理沙盘知识图谱确定单元具体包括：训练样本对构建子单元和第二心理沙盘知识图谱确定子单元。
训练样本对构建子单元用于获取所述第一心理沙盘知识图谱中的三元组数据序列；。
第二心理沙盘知识图谱确定子单元用于采用神经网络模型和/或规则推理算法，以所述三元组数据序列为输入，以所述三元组数据序列中各沙具间的预测关系为输出对第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱。
此外，针对本发明提供的上述心理沙盘分析方法，本发明还提供了另一种心理沙盘分析系统，如图6所示，该心理沙盘分析系统包括：心理沙盘用户端21、沙盘平台22、服务器23和显示器24。
心理沙盘用户端21用于测试者进行沙盘制作。
沙盘平台22与心理沙盘用户端21连接，沙盘平台22用于传送制作完成的沙盘数据。
服务器23与沙盘平台22连接，服务器23用于对沙盘数据进行解析得到查询语句，并采用上述构建得到的心理沙盘分析模型，根据查询语句查询得到测试者的心理分析结果。服务器23还用于对沙盘数据和心理分析结果进行存储。
显示器24与服务器23连接，显示器24用于显示心理分析结果。
其中，心理沙盘用户端21为手机、平板电脑、笔记本电脑和定制终端机等电子绘图产品中的任意一种。其中，定制终端机的功能可以根据用户需要进行自主定制。
本发明提供的这一种心理沙盘分析系统对测试者心理数据进行分析的流程如图7所示，整个系统可以分为两个部分。
第一部分是右侧的心理沙盘分析模型构建部分。其包括4个步骤，第一步是爬取沙盘分析师对沙盘的分析数据A。第二步是通过知识抽取的相关方法从A中抽取沙具、主题等实体信息，确定他们之间的关系信息和对应的属性信息，形成基础知识图谱KG1。第三步对已初步构建好的心理沙盘知识图谱KG1进行知识推理形成较为完善的心理沙盘知识图谱KG2。第四步是对KG2进行人工的评估与修改，形成完善的心理沙盘知识图谱KG3。
第二部分为查询操作，在被试者使用心理沙盘用户端21制作心理沙盘后，沙盘平台22将被试者制作的沙盘数据传输至服务器23，服务器23利用心理沙盘分析模型进行相应沙具的搜索并得出对应的主题，再利用主题查找相应的指导建议并反馈给被试者(测试者)。
相较于现有技术面本发明提供的技术方案还就有以下优点：
1、针对实物心理沙盘的线下布置难度大的问题，提出电子心理沙盘方案。
2、针对心理沙盘需要大量的沙盘分析师，耗费人力，提出了使用计算机程序进行处理分析。
3、针对当前相关计算机程序分析能力不足，准确度不高的问题，提出构建专业心理沙盘知识图谱的方法解决。
4、本发明不需要沙盘图片进行处理，只需沙盘分析师的文字分析数据便可建立专业心理沙盘知识图谱，并且在构筑过程中通过知识推理手段完善其中关系，提升对新数据的分类能力。
5、本发明在得出结果后还能推送指导性治疗建议，形成一整套完善的电子心理沙盘分析系统。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种心理沙盘分析方法，其特征在于，包括：
获取测试者的心理沙盘数据；所述心理沙盘数据包括测试者绘制沙盘时所采用的沙具名称和与所述沙具名称相关的空间关系；
获取心理沙盘分析模型；所述心理沙盘分析模型为以心理沙盘数据为输入，以心理分析结果为输出的心理分析模型；
利用所述心理沙盘分析模型，根据所述心理沙盘数据确定所述测试者的心理分析结果。
2.根据权利要求1所述的心理沙盘分析方法，其特征在于，所述心理沙盘分析模型的构建过程包括：
采用爬虫工具获取分析数据；所述分析数据包括：心理分析师的沙盘分析报告和心理分析书籍中对沙盘分析的记载内容；
对所述分析数据进行知识抽取操作，得到三元组数据序列；所述知识抽取操作包括实体抽取、关系抽取和属性抽取；所述三元组数据序列包括：沙具a-关系-沙具b、沙具-关系->主题、主题-属性->属性值、沙具-属性->属性值；
根据所述三元组数据序列获得第一心理沙盘知识图谱；
对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱；
对所述第二心理沙盘知识图谱的逻辑进行检验和修改，补充对相应主题的指导性治疗建议，形成第三心理沙盘知识图谱；所述第三心理沙盘知识图谱即为所述心理沙盘分析模型。
3.根据权利要求2所述的心理沙盘分析方法，其特征在于，所述对所述分析数据进行知识抽取操作，得到三元组数据序列，具体包括：
对所述分析数据进行实体抽取得到实体数据；所述实体数据包括：沙具名称和主题；
对所述实体数据进行关系抽取得到与所述实体数据相对应的关系；所述关系包括：空间关系、属性关系和主题关系；其中，对于所述实体数据中的每个实体都有相应的属性与之对应，且属性不唯一；
根据所述实体数据和所述关系确定所述三元组数据序列。
4.根据权利要求2所述的心理沙盘分析方法，其特征在于，所述对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱，具体包括：
获取所述第一心理沙盘知识图谱中的三元组数据序列；
采用神经网络模型和/或规则推理算法，以所述三元组数据序列为输入，以所述三元组数据序列中各沙具间的预测关系为输出对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱。
5.一种心理沙盘分析系统，其特征在于，包括：
电子心理沙盘数据获取模块，用于获取测试者的心理沙盘数据；所述心理沙盘数据包括测试者绘制沙盘时所采用的沙具名称和与所述沙具名称相关的空间关系；
心理沙盘分析模型获取模块，用于获取心理沙盘分析模型；所述心理沙盘分析模型为以心理沙盘数据为输入，以心理分析结果为输出的心理分析模型；
心理分析结果确定模块，用于利用所述心理沙盘分析模型，根据所述心理沙盘数据确定所述测试者的心理分析结果。
6.根据权利要求5所述的心理沙盘分析系统，其特征在于，所述心理沙盘分析系统还包括心理沙盘分析模型构建模块；所述心理沙盘分析模型构建模块具体包括：
分析数据获取单元，用于采用爬虫工具获取分析数据；所述分析数据包括：心理分析师的沙盘分析报告和心理分析书籍中对沙盘分析的记载内容；
三元组数据序列确定单元，用于对所述分析数据进行知识抽取得到三元组数据序列；所述知识抽取操作包括实体抽取、关系抽取和属性抽取；所述三元组数据序列包括：沙具a-关系-沙具b、沙具-关系->主题、主题-属性->属性值、沙具-属性->属性值；
第一心理沙盘知识图谱确定单元，用于根据所述三元组数据序列获得第一心理沙盘知识图谱；
第二心理沙盘知识图谱确定单元，用于对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱；
心理沙盘分析模型确定单元，用于对所述第二心理沙盘知识图谱的逻辑进行检验和修改，补充对相应主题的指导性治疗建议，形成第三心理沙盘知识图谱；所述第三心理沙盘知识图谱即为所述心理沙盘分析模型。
7.根据权利要求6所述的心理沙盘分析系统，其特征在于，所述三元组数据序列确定单元具体包括：
实体抽取子单元，用于对所述分析数据进行实体抽取得到实体数据；所述实体数据包括：沙具名称和主题；
关系抽取子单元，用于对所述实体数据进行关系抽取得到与所述实体数据相对应的关系；所述关系包括：空间关系、属性关系和主题关系；其中，对于所述实体数据中的每个实体都有相应的属性与之对应，且属性不唯一；
三元组数据序列确定子单元，用于根据所述实体数据和所述关系确定所述三元组数据序列。
8.根据权利要求6所述的心理沙盘分析系统，其特征在于，所述第二心理沙盘知识图谱确定单元具体包括：
训练样本对构建子单元，用于获取所述第一心理沙盘知识图谱中的三元组数据序列；
第二心理沙盘知识图谱确定子单元，用于采用神经网络模型和/或规则推理算法，以所述三元组数据序列为输入，以所述三元组数据序列中各沙具间的预测关系为输出对所述第一心理沙盘知识图谱进行知识推理，得到第二心理沙盘知识图谱。
9.一种心理沙盘分析系统，其特征在于，包括：
心理沙盘用户端，用于测试者进行沙盘制作；
沙盘平台，与所述心理沙盘用户端连接，用于传送制作完成的沙盘数据；
服务器，与所述沙盘平台连接，用于对所述沙盘数据进行解析得到查询语句，并采用如权利要求1-5任意一项所述的心理沙盘分析模型，根据所述查询语句查询得到测试者的心理分析结果；所述服务器还用于对所述沙盘数据和所述心理分析结果进行存储；
显示器，与所述服务器连接，用于显示所述心理分析结果。
10.根据权利要求9所述的心理沙盘分析系统，其特征在于，所述心理沙盘用户端为手机、平板电脑、笔记本电脑和定制终端机中的任意一种。
CN202010564299.9A 2020-06-19 2020-06-19 一种心理沙盘分析方法和系统 Active CN111724881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010564299.9A CN111724881B (zh) 2020-06-19 2020-06-19 一种心理沙盘分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010564299.9A CN111724881B (zh) 2020-06-19 2020-06-19 一种心理沙盘分析方法和系统

Publications (2)

Publication Number Publication Date
CN111724881A true CN111724881A (zh) 2020-09-29
CN111724881B CN111724881B (zh) 2024-02-23

Family

ID=72567685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010564299.9A Active CN111724881B (zh) 2020-06-19 2020-06-19 一种心理沙盘分析方法和系统

Country Status (1)

Country Link
CN (1) CN111724881B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113555119A (zh) * 2021-07-26 2021-10-26 中国科学院自动化研究所 基于定向任务的场景化智能心理测评系统、方法及设备
CN114068030A (zh) * 2022-01-14 2022-02-18 中国科学院自动化研究所 基于视觉分析的沙盘分裂主题识别系统、方法、设备
CN114288518A (zh) * 2021-12-28 2022-04-08 哈尔滨学院 一种具有智能心理评估功能的沙盘游戏治疗设备
CN116269388A (zh) * 2023-03-23 2023-06-23 王曦 智能屏幕交互心理评估系统、方法、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682329A (zh) * 2016-12-30 2017-05-17 中南大学 虚拟沙盘系统及其数据处理方法
CN107280693A (zh) * 2017-06-20 2017-10-24 国网技术学院 基于vr交互电子沙盘的心理分析系统及方法
CN109243605A (zh) * 2018-09-20 2019-01-18 段新 一种基于人工智能的精神障碍诊断治疗系统
WO2019119314A1 (zh) * 2017-12-20 2019-06-27 王子南 一种仿真沙盘系统
CN110279425A (zh) * 2019-05-09 2019-09-27 中国科学院自动化研究所 基于智能分析的心理评估方法及系统
CN110597999A (zh) * 2019-08-01 2019-12-20 湖北工业大学 一种依存句法分析关系抽取模型的司法案件知识图谱构建方法
CN110916687A (zh) * 2019-11-07 2020-03-27 苏志强 一种虚拟沙盘心理分析处理方法及储存介质、系统
CN111161846A (zh) * 2019-12-06 2020-05-15 中国科学院自动化研究所 基于电子心理沙盘的知识库构建及分析方法、装置、设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682329A (zh) * 2016-12-30 2017-05-17 中南大学 虚拟沙盘系统及其数据处理方法
CN107280693A (zh) * 2017-06-20 2017-10-24 国网技术学院 基于vr交互电子沙盘的心理分析系统及方法
WO2019119314A1 (zh) * 2017-12-20 2019-06-27 王子南 一种仿真沙盘系统
CN109243605A (zh) * 2018-09-20 2019-01-18 段新 一种基于人工智能的精神障碍诊断治疗系统
CN110279425A (zh) * 2019-05-09 2019-09-27 中国科学院自动化研究所 基于智能分析的心理评估方法及系统
CN110597999A (zh) * 2019-08-01 2019-12-20 湖北工业大学 一种依存句法分析关系抽取模型的司法案件知识图谱构建方法
CN110916687A (zh) * 2019-11-07 2020-03-27 苏志强 一种虚拟沙盘心理分析处理方法及储存介质、系统
CN111161846A (zh) * 2019-12-06 2020-05-15 中国科学院自动化研究所 基于电子心理沙盘的知识库构建及分析方法、装置、设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
FENG XK 等: "Split Semantic Detection in Sandplay Image", 《ARXIV》 *
吴素景;邹增丽;汪依桃;陈雪斌;: "心理沙盘对大学生心理健康水平的影响观察", 广西中医药大学学报, no. 04 *
孙晓颖;荆建蕾;刘亚梅;常淑敏;: "同伴拒绝儿童的初始沙盘特征分析", 中国学校卫生, no. 06 *
李静;郝坚;方平;: "国内心理卫生领域2007-2016年研究热点――基于《中国心理卫生杂志》的文献计量和词频分析", 中国心理卫生杂志, no. 12 *
肖春红;: "沙盘游戏疗法的应用及研究进展", 中国疗养医学, no. 07 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113555119A (zh) * 2021-07-26 2021-10-26 中国科学院自动化研究所 基于定向任务的场景化智能心理测评系统、方法及设备
CN114288518A (zh) * 2021-12-28 2022-04-08 哈尔滨学院 一种具有智能心理评估功能的沙盘游戏治疗设备
CN114068030A (zh) * 2022-01-14 2022-02-18 中国科学院自动化研究所 基于视觉分析的沙盘分裂主题识别系统、方法、设备
CN114068030B (zh) * 2022-01-14 2022-04-26 中国科学院自动化研究所 基于视觉分析的沙盘分裂主题识别系统、方法、设备
CN116269388A (zh) * 2023-03-23 2023-06-23 王曦 智能屏幕交互心理评估系统、方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN111724881B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
CN111724881A (zh) 一种心理沙盘分析方法和系统
Brooks et al. FeatureInsight: Visual support for error-driven feature ideation in text classification
CN106991284B (zh) 智能育儿知识服务方法及系统
Guttman et al. Facet theory: Its development and current status
CN111753098A (zh) 一种基于跨媒体动态知识图谱的教学方法及系统
CN111708873A (zh) 智能问答方法、装置、计算机设备和存储介质
CN112184500A (zh) 基于深度学习和知识图谱的课外学习辅导系统及实现方法
CN113704428B (zh) 智能问诊方法、装置、电子设备及存储介质
CN107609651A (zh) 一种基于学习者模型的设计项评估方法
CN112948710A (zh) 基于图神经网络的朋辈教育推荐方法、系统和存储介质
CN114360715A (zh) 体质辨识方法、装置、电子设备及存储介质
Abdan Syakuran et al. Implementation of Gamification in Mathematics m-Learning Application to Creating Student Engagement
Abdelrazek et al. Fairup: A framework for fairness analysis of graph neural network-based user profiling models
Jin et al. Textual content prediction via fuzzy attention neural network model without predefined knowledge
Zylich et al. Linguistic skill modeling for second language acquisition
Falkenjack Towards a model of general text complexity for swedish
Cuéllar-Rojas et al. Bibliometric analysis and systematic literature review of the intelligent tutoring systems
CN111930908A (zh) 基于人工智能的答案识别方法及装置、介质、电子设备
Shaukat et al. Semantic similarity–based descriptive answer evaluation
Branco et al. Comparative probing of lexical semantics theories for cognitive plausibility and technological usefulness
Jin [Retracted] Sentiment Analysis in British and American Literature Teaching under Formative Assessment and Machine Learning
Tao et al. Validation and optimization framework for indoor navigation systems using user comments in spatial-temporal context
Lemoisson et al. ViewpointS: capturing formal data and informal contributions into an adaptive knowledge graph
CN106446198A (zh) 基于人工智能的新闻推荐方法及装置
CN113468311A (zh) 一种基于知识图谱的复杂问句问答方法、装置及存储介质

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