CN114417165A - 一种心理矫治方法、装置及终端设备 - Google Patents

一种心理矫治方法、装置及终端设备 Download PDF

Info

Publication number
CN114417165A
CN114417165A CN202210081401.9A CN202210081401A CN114417165A CN 114417165 A CN114417165 A CN 114417165A CN 202210081401 A CN202210081401 A CN 202210081401A CN 114417165 A CN114417165 A CN 114417165A
Authority
CN
China
Prior art keywords
data
resculpting
risk assessment
psychological
encoding
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
Application number
CN202210081401.9A
Other languages
English (en)
Inventor
徐涛
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202210081401.9A priority Critical patent/CN114417165A/zh
Publication of CN114417165A publication Critical patent/CN114417165A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Fuzzy Systems (AREA)
  • Economics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明适用于计算机技术领域，提供了一种心理矫治方法、装置及终端设备，方法包括通过人机交互获得社区矫正对象的人物画像数据和再犯风险评估数据；将人物画像数据和再犯风险评估数据编码，并在编码后使用向量搜索计算再犯可能性数值；根据人物画像数据、再犯风险评估数据及再犯可能性数值推荐基于社区矫正对象的心理矫治内容。通过本发明可以提高评估结果可靠性，以及评估效率。

Description

一种心理矫治方法、装置及终端设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种心理矫治方法、装置及终端设备。
背景技术
社区矫正是指针对被判处管制、宣告缓刑、裁定假释、暂予监外执行这四类犯罪行为较轻的对象所实施的非监禁性矫正刑罚，而对再犯风险的预测是社区矫正司法实践中重要的评估环节。
目前在社区矫正领域中所使用的再犯风险评估方式，通常基于工作人员与社区矫正对象一对一进行的犯罪史评估来完成，缺少详细丰富的动态信息，对其他的心理指标多有缺失，难以形成可靠的评估结果。
发明内容
本发明的主要目的在于提出一种心理矫治方法、装置及终端设备，以解决现有对社区矫正对象的再犯风险进行评估时，考虑的信息不全面，评估结果可靠性低，评估方式效率低的问题。
为实现上述目的，本发明实施例第一方面提供一种心理矫治方法，包括：
通过人机交互获得社区矫正对象的人物画像数据和再犯风险评估数据；
将所述人物画像数据和再犯风险评估数据编码，并在编码后使用向量搜索计算再犯可能性数值；
根据所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值推荐基于所述社区矫正对象的心理矫治内容。
优选地，所述人物画像数据包括人口学信息、犯罪信息、人格评估信息中至少一种；
所述再犯风险评估数据包括所述社区矫正对象基于通用心理测评量表作答后获得再犯风险评估量表，所述再犯风险评估量表包括再犯风险评估的数值和结果。
优选地，将所述人物画像数据和再犯风险评估数据编码，包括：
将所述人物画像数据转换为离散字段信息，将所述再犯风险评估量表转换为离散作答信息；
将所述离散字段信息和所述离散作答信息编码为ont-hot编码。
优选地，使用向量搜索计算再犯可能性数值，包括：
将所述ont-hot编码投射至向量空间，并创建空间索引获取邻近样本的再犯可能性统计概率；
构造SVM浅层网络分类器，对所述再犯可能性的统计概率进行区分，获得再犯可能性数值。
优选地，根据所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值推荐基于所述社区矫正对象的心理矫治内容，包括：
构建推荐系统；
将所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值输入所述推荐系统，以使所述推荐系统输出基于所述社区矫正对象的心理矫治内容。
优选地，所述推荐系统包括数据层、特征处理层、召回层、排序层和应用层；
所述数据层，用于上报人物画像数据、所述再犯风险评估数据及所述再犯可能性数值；
所述特征处理层，用于将所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值进行归一化、离散化处理；
所述召回层，用于根据所述特征处理层处理获得的内容生成内容序列；
所述排序层，用于对所述内容序列进行crt预估，按用户点击的概率值进行排序；
所述应用层，用于将排序后获得的 最终序列结果展示给用户。
优选地，所述应用层还根据用户点击、浏览等反馈，形成数据进一步回馈到推荐系统。
本发明实施例第二方面提供一种心理矫治装置，包括：
数据获取模块，用于通过人机交互获得社区矫正对象的人物画像数据和再犯风险评估数据；
编码模块，用于将所述人物画像数据和再犯风险评估数据编码，并在编码后使用向量搜索计算再犯可能性数值；
心理矫治内容推荐模块，用于根据所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值推荐基于所述社区矫正对象的心理矫治内容。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上第一方面所提供的方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上第一方面所提供的方法的步骤。
本发明实施例提出一种心理矫治方法，基于人机交互的方式收集社区矫正对象的各项信息，从而获取其的人物画像数据和再犯风险评估数据，然后将人物画像数据和再犯风险评估数据编码后使用向量搜索的方式计算再犯可能性数值，以获取社区矫正对象的多维度信息，用于推荐相应的心理矫治内容，因而提高了评估结果，即所推荐的心理矫治内容的可靠性，以及心理矫治中再犯风险评估的评估效率。
附图说明
图1为本发明实施例提供的心理矫治方法的实现流程示意图；
图2为本发明实施例提供的推荐系统的组成结构示意图；
图3为本发明实施例提供的心理矫治装置的组成结构示意图；
图4为本发明实施例提供的终端设备的组成结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本文中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。
如图1所示，本发明实施例提供一种心理矫治方法，用于对社区矫正对象进行再犯风险评估及推荐个性化的心理矫治内容。方法包括但不限于如下步骤：
S101、通过人机交互获得社区矫正对象的人物画像数据和再犯风险评估数据。
在具体应用中，人机交互可以为线上的基于用户与人工智能之间的心理咨询过程，也可以为线下的基于用户与人工智能之间的心理咨询过程，具体过程为：
对社区矫正对象进行人口学信息、犯罪信息的统计，以及人格评估和再犯风险评估，获得人物画像数据和再犯风险评估数据。
在本发明实施例中，所述人物画像数据包括人口学信息、犯罪信息、人格评估信息中至少一种；
所述再犯风险评估数据包括所述社区矫正对象基于通用心理测评量表作答后获得的再犯风险评估量表，所述再犯风险评估量表包括再犯风险评估的数值和结果。
其中，包括再犯风险评估的数值和结果的再犯风险评估量表，是一种通用心理测评量表，社区矫正对象基于其的作答内容为选项排序，构成作答选项序列，因此，社区矫正对象基于其的作答内容转换为数值和结果后，含有规律和模式。
需要说明的是，本发明实施例中，首先根据矫正对象对通用心理测评量表的作答，计算再犯可能性数值，即再犯风险评估的数值。然后依据参考文献、专家评审、与既往典型案例进行对比将再犯可能性数值进行风险等级划分，得到。示例性的，等级划分可为极高风险、高风险、中风险、低风险），即再犯风险评估的结果，并用红色、橙色、黄色、蓝色、绿色五种颜色分别代表极高再犯风险、高再犯风险、中再犯风险、低再犯风险、极低再犯风险。
S102、将所述人物画像数据和再犯风险评估数据编码，并在编码后使用向量搜索计算再犯可能性数值。
上述步骤S102通过编码将变量转换为计算机能够计算的向量表达，即ont-hot编码，详细为：
将所述人物画像数据转换为离散字段信息，将所述再犯风险评估量表转换为离散作答信息；
将所述离散字段信息和所述离散作答信息编码为ont-hot编码。
则上述步骤S102中的使用向量搜索计算再犯可能性数值，包括：
将所述ont-hot编码投射至向量空间，并创建空间索引获取邻近样本的再犯可能性统计概率；
构造SVM（Support Vector Machine，支持向量机）浅层网络分类器，对所述再犯可能性的统计概率进行区分，获得再犯可能性数值。
在上述步骤中，ont-hot编码完成后，将人物画像数据和再犯风险评估数据转换为统一的向量形式表达，然后投射至向量空间，并基于向量空间的输出创建空间索引，用于进行向量搜索，以获得与社区矫正对象相似的样本，即邻近样本；从而，可以构造邻近样本的向量空间分布，其中，向量空间分布反应再犯可能性统计概率。此时，再基于社区矫正对象的向量空间分布，即ont-hot编码，在其邻近样本的向量空间分布中采用抽样的方式评估，即使用SVM浅层网络分类器，完成社区矫治对象的再犯可能性数值的计算。
例如，基于某社区矫治对象的1000个近邻的样本中，有20个过往再犯人存在，则再犯可能性为2%。
S103、根据所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值推荐基于所述社区矫正对象的心理矫治内容。
在上述步骤S103中，人物画像数据反应了社区矫正对象的个性化特征，再犯风险评估数据反应了社区矫正对象的犯罪诱因，再犯可能性数值反应了社区矫正对象的风险等级。
本发明实施例使用推荐系统，从上述的人物画像数据、再犯风险评估数据及再犯可能性数值三个方面进行心理矫治内容的推荐，其实现方式可以为：
构建推荐系统；
将所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值输入所述推荐系统，以使所述推荐系统输出基于所述社区矫正对象的心理矫治内容。
如图2所示，本发明实施例中，所述推荐系统20包括数据层21、特征处理层22、召回层23、排序层24和应用层25；
所述数据层21，用于上报人物画像数据、所述再犯风险评估数据及所述再犯可能性数值；
所述特征处理层22，用于将所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值进行归一化、离散化处理；
所述召回层23，用于根据所述特征处理层处理获得的内容生成内容序列；
所述排序层24，用于对所述内容序列进行crt预估，按用户点击的概率值进行排序；
所述应用层25，用于将排序后获得的 最终序列结果展示给用户。
在一个实施例中，所述应用层还根据用户点击、浏览等反馈，形成数据进一步回馈到推荐系统。
如图3所示，本发明实施例还提供一种心理矫治装置30，包括：
数据获取模块31，用于通过人机交互获得社区矫正对象的人物画像数据和再犯风险评估数据；
编码模块32，用于将所述人物画像数据和再犯风险评估数据编码，并在编码后使用向量搜索计算再犯可能性数值；
心理矫治内容推荐模块33，用于根据所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值推荐基于所述社区矫正对象的心理矫治内容。
本发明实施例还提供一种终端设备40，内部逻辑结构示意图如图4所示，改终端设备40包括存储器41、处理器42及存储在存储器41上并可在处理器42上运行的计算机程序43，例如静态无功电源配置程序。所述处理器42执行所述计算机程序43时实现上述各个心理矫治方法实施例中的步骤，例如图1所示的步骤S101至步骤S103。或者，所述处理器42执行所述计算机程序43时实现上述各装置实施例中各模块/单元的功能，例如图3所示的数据获取模块31、编码模块32和心理矫治内容推荐模块33的功能。
所述计算机程序43可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器42执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序43在所述终端设备40中的执行过程。例如，所述计算机程序43可以被分割成数据获取模块、编码模块和心理矫治内容推荐模块。
所述终端设备40可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器42、存储器41。本领域技术人员可以理解，图3仅仅是终端设备40的示例，并不构成对终端设备40的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器42可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备40的内部存储单元，例如终端设备40的硬盘或内存。所述存储器41也可以是所述终端设备40的外部存储设备，例如所述终端设备40上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端设备40的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例还提供一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述实施例中所述的心理矫治方法中的各个步骤。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种心理矫治方法，其特征在于，包括：
通过人机交互获得社区矫正对象的人物画像数据和再犯风险评估数据；
将所述人物画像数据和再犯风险评估数据编码，并在编码后使用向量搜索计算再犯可能性数值；
根据所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值推荐基于所述社区矫正对象的心理矫治内容。
2.如权利要求1所述的心理矫治方法，其特征在于，所述人物画像数据包括人口学信息、犯罪信息、人格评估信息中至少一种；
所述再犯风险评估数据包括所述社区矫正对象基于通用心理测评量表作答后获得的再犯风险评估量表，所述再犯风险评估量表包括再犯风险评估的数值和结果。
3.如权利要求2所述的心理矫治方法，其特征在于，将所述人物画像数据和再犯风险评估数据编码，包括：
将所述人物画像数据转换为离散字段信息，将所述再犯风险评估量表转换为离散作答信息；
将所述离散字段信息和所述离散作答信息编码为ont-hot编码。
4.如权利要求3所述的心理矫治方法，其特征在于，使用向量搜索计算再犯可能性数值，包括：
将所述ont-hot编码投射至向量空间，并创建空间索引获取邻近样本的再犯可能性统计概率；
构造SVM浅层网络分类器，对所述再犯可能性的统计概率进行区分，获得再犯可能性数值。
5.如权利要求1所述的心理矫治方法，其特征在于，根据所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值推荐基于所述社区矫正对象的心理矫治内容，包括：
构建推荐系统；
将所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值输入所述推荐系统，以使所述推荐系统输出基于所述社区矫正对象的心理矫治内容。
6.如权利要求5所述的心理矫治方法，其特征在于，所述推荐系统包括数据层、特征处理层、召回层、排序层和应用层；
所述数据层，用于上报人物画像数据、所述再犯风险评估数据及所述再犯可能性数值；
所述特征处理层，用于将所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值进行归一化、离散化处理；
所述召回层，用于根据所述特征处理层处理获得的内容生成内容序列；
所述排序层，用于对所述内容序列进行crt预估，按用户点击的概率值进行排序；
所述应用层，用于将排序后获得的 最终序列结果展示给用户。
7.如权利要求6所述的心理矫治方法，其特征在于，所述应用层还根据用户点击、浏览等反馈，形成数据进一步回馈到推荐系统。
8.一种心理矫治装置，其特征在于，包括：
数据获取模块，用于通过人机交互获得社区矫正对象的人物画像数据和再犯风险评估数据；
编码模块，用于将所述人物画像数据和再犯风险评估数据编码，并在编码后使用向量搜索计算再犯可能性数值；
心理矫治内容推荐模块，用于根据所述人物画像数据、所述再犯风险评估数据及所述再犯可能性数值推荐基于所述社区矫正对象的心理矫治内容。
9.一种终端设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1至7任一项所述的心理矫治方法中的各个步骤。
10.一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至7任一项所述的心理矫治方法中的各个步骤。
CN202210081401.9A 2022-01-24 2022-01-24 一种心理矫治方法、装置及终端设备 Pending CN114417165A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210081401.9A CN114417165A (zh) 2022-01-24 2022-01-24 一种心理矫治方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210081401.9A CN114417165A (zh) 2022-01-24 2022-01-24 一种心理矫治方法、装置及终端设备

Publications (1)

Publication Number Publication Date
CN114417165A true CN114417165A (zh) 2022-04-29

Family

ID=81278160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210081401.9A Pending CN114417165A (zh) 2022-01-24 2022-01-24 一种心理矫治方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN114417165A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Similar Documents

Publication Publication Date Title
CN111506723B (zh) 问答响应方法、装置、设备及存储介质
CN109284371B (zh) 反欺诈方法、电子装置及计算机可读存储介质
CN104714931A (zh) 用于选择用以代表表格式信息的方法和系统
US20120215791A1 (en) Entity fingerprints
CN113836131B (zh) 一种大数据清洗方法、装置、计算机设备及存储介质
US20190163500A1 (en) Method and apparatus for providing personalized self-help experience
CN110020002A (zh) 事件处理方案的查询方法、装置、设备和计算机存储介质
CN116541883B (zh) 基于信任的差分隐私保护方法、装置、设备及存储介质
CN113821602B (zh) 基于图文聊天记录的自动答疑方法、装置、设备及介质
CN115577701B (zh) 针对大数据安全的风险行为识别方法、装置、设备及介质
CN113656690B (zh) 产品推荐方法、装置、电子设备及可读存储介质
WO2012115965A1 (en) Entity fingerprints
CN111696656A (zh) 一种互联网医疗平台的医生评价方法、装置
CN114417165A (zh) 一种心理矫治方法、装置及终端设备
de Jesus et al. An introduction to data mining applied to health-oriented databases
CN116522944A (zh) 基于多头注意力的图片生成方法、装置、设备及介质
CN116705301A (zh) 一种应用于家庭护理下的健康管理方法及系统
Muir et al. Using Machine Learning to Improve Public Reporting on US Government Contracts
Mathew et al. Distributed privacy-preserving decision support system for highly imbalanced clinical data
CN116303922A (zh) 咨询消息应答方法、装置、计算机设备、存储介质和产品
CN114420307A (zh) 基于人工智能的公共卫生事件登记方法、装置及电子设备
CN114862006A (zh) 一种基于人工智能的社会工作服务方案自动化生成方法和装置
CN113888265A (zh) 产品推荐方法、装置、设备及计算机可读存储介质
CN118521124B (zh) 基于云平台的智慧医疗全流程信息管理方法及系统
Khurshudov On Defining Smart Cities using Transformer Neural Networks

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