CN115206528B - 一种基于软件数据分析的心理健康测评系统及方法 - Google Patents
一种基于软件数据分析的心理健康测评系统及方法 Download PDFInfo
- Publication number
- CN115206528B CN115206528B CN202210810900.7A CN202210810900A CN115206528B CN 115206528 B CN115206528 B CN 115206528B CN 202210810900 A CN202210810900 A CN 202210810900A CN 115206528 B CN115206528 B CN 115206528B
- Authority
- CN
- China
- Prior art keywords
- data
- evaluation
- user
- evaluated
- evaluation data
- 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
Links
- 230000009323 psychological health Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 240
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000004630 mental health Effects 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 238000013210 evaluation model Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 201000009916 Postpartum depression Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于软件数据分析的心理健康测评系统及方法,涉及数据分析技术领域;数据筛选模块用于从网站上获取待测评用户的测评数据并筛选出无效数据,以提高待测评用户测评分数的准确度;评估数据特征拾取模块用于获取待测评用户在填写测评数据时的行为特征信息,根据行为特征信息对待测评用户进行分类,得到不同类型待测评用户;评估数据处理模块用于实时获取待测评用户在网站上填写测评数据时所对应的特征词倾向度,预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数;从测评数据中筛选出无效数据,进而提高分析待测评用户的心理健康问题,提高了验证待测评用户心理健康的准确性。
Description
技术领域
本发明涉及数据分析技术领域,具体为一种基于软件数据分析的心理健康测评系统及方法。
背景技术
随着社会的进步,现代青年的压力也逐步上升,当青年心中的压力无法正常调节时,将会导致青年产生心理压力或者心理抑郁,因此,需要青年与心理医生沟通来解决心理的健康问题;然而,现代青年对心理医生会有抵触心理,需要青年填写测评数据来了解青年的状况;但由于部分青年错答、漏答或者盲答测试数据,就无法帮助了解到青年的实际情况;同时,青年在填写测评数据时,往往会停留在多个测试数据之间,虽然最终青年选择了最终测试数据的答案,但是需要根据青年的行为来分析青年所属状态,从而能尽快得到青年心理健康数据;但并没有技术来分析青年的行为特征,仅仅有持续不断地测试数据对青年的心理健康进行测量;因此,需要解决上述问题。
发明内容
本发明的目的在于提供一种基于软件数据分析的心理健康测评系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于软件数据分析的心理健康测评系统,所述心理健康测评系统包括评估模型建立模块、数据筛选模块、评估数据特征拾取模块和评估数据处理模块;
所述评估模型建立模块用于根据待测评用户在心理健康测评网站上的测评数据,建立基于待测评用户的心理健康评估模型;
所述数据筛选模块用于从网站上获取待测评用户的测评数据中并筛选出无效数据,以提高待测评用户测评分数的准确度;所述无效数据是指在填写测评数据中盲答、错答的现象;
所述评估数据特征拾取模块用于获取待测评用户在填写测评数据时的行为特征信息,根据行为特征信息对待测评用户进行分类,得到不同类型待测评用户;
所述评估数据处理模块用于实时获取待测评用户在网站上填写测评数据时所对应的特征词倾向度,预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数。
进一步的,所述数据筛选模块包括测评数据获取单元、测评数据关联单元、待测评数据提取单元;
所述测评数据获取单元用于获取在心理健康测评网站上的测评数据;
所述测评数据关联单元用于获取心理健康测评网站上的测评数据,建立所述测评数据之间的关联性;
所述待测评数据提取单元用于依据所述测评数据之间的关联性,从待测评数据中提取出盲答、错答的无效数据;
所述待测评数据提取单元的输出端与测评数据获取单元和测评数据关联单元的输入端相连接。
进一步的,所述评估数据特征拾取模块包括驻点识别单元、特征分类单元;
所述驻点识别单元用于通过软件数据,获取待测评用户填写数据时光标的移动轨迹,根据移动轨迹确定驻点信息,所述驻点在光标移动形成的轨迹上;
所述特征分类单元用于根据形成的驻点信息,对待测评用户进行分类;
所述驻点识别单元的输出端与特征聚类单元的输入端相连接。
进一步的,所述评估数据处理模块包括特征对比单元、特征词倾向度计算单元、次数预测单元和误差设置单元;
所述特征对比单元用于将待测评用户填写测评数据时所对应的移动轨迹特征和驻点信息与待测评用户填写测评数据时的历史特征和驻点信息对比,得到对比结果;
所述特征词倾向度计算单元用于根据待测评用户实时填写的测评数据,计算待测评用户在若干特征词下的倾向度;所述特征词的倾向度是指工作抑郁、产后抑郁、自闭等等;
所述次数预测单元用于预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数;
所述误差设置单元用于实时检测待测评用户在网站上的测评数据,根据测评数据确定测试数据的误差页数;
所述次数预测单元的输出端与特征对比单元、特征词倾向度计算单元的输入端相连接,所述误差设置单元的输出端与次数预测单元输入端相连接。
进一步的,所述心理健康测评方法执行如下步骤:
Z01:建立基于待测评用户的心理健康评估模型;
Z02:获取待测评用户在心理健康评估模型中填写的测评数据,从所述测评数据中筛选出无效数据;
Z03:获取待测评用户在填写测评数据时光标的移动位置信息,根据光标的移动位置信息确定形成的驻点信息,根据驻点对待测评用户进行分类;
Z04:根据待测评用户实时填写的测评数据,计算待测评用户在若干特征词下的倾向度,预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数。
在步骤Z02中,获取待测评用户在心理健康评估模型中填写的测评数据,无量纲化处理测评数据,得到待测评用户的测评数据中的问题集合W={1,2,3,...,m}和待测评用户的测评数据中的问题回答集合W'={w’1,w’2,w’3,...,w’m};w’m是指待测评用户的测评数据中第m个问题的回答信息;设定问题i中包含有n个数据,则建立所述测评数据中的关联系数;得到:
其中,miniminht(h)-t’(h)表示问题t和问题t’内数据的两级最小绝对值,maximaxht(h)-t’(h)表示问题t和问题t’内数据的两级最大绝对值;β表示为分辨系数,β的取值区间为(0,1);ξ(h)表示问题t和问题t’在第h个数据时的关联系数;n表示数据项数,r表示问题t和问题t’的关联度;
如若r大于预设关联度,则表示问题t和问题t’的关联度高,则查询待测评用户回答问题t和问题t’的数据,若核实到回答问题t和问题t’的数据相关联,表示待测评用户回答的非无效数据,若核实到回答问题t和问题t’的数据不关联,表示待测评用户回答的为无效数据;
如若r小于预设关联度,则表示问题t和问题t’的关联度低,继续遍历其他关联度高的问题。
获取待测评用户在填写测评数据时光标的移动位置信息,根据光标的移动位置建立坐标轴;根据待评测用户移动光标位置形成得到在坐标轴中形成的函数集合F={f1,f2,f3,...,fg},g表示函数项数;如若核实到在至少两个测试数据中形成的函数f(x,y)=0,则表示在所述函数中包括有驻点;根据驻点和光标在测试数据中的移动位置信息对待测评用户进行分类;
所述分类步骤包括:
Z031:从数据存储器中提取基于驻点和光标的移动位置信息的样本数据和待分类数据;
Z032:设定参数Q,从样本数据随机抽取Q个数据以初始化优先级队列,计算样本数据和待分类数据的距离;将样本数据与待分类数据中的距离集合与距离集合中的最大距离对比,若最大距离大于距离集合中的任意一个距离,则保存最大距离并为最大距离设置优先级;否则,在样本数据中遍历下一个数据;
Z033:汇集与待分类数据距离最近的Q个样本数据,得到Q个近邻中包含数据最多的类别,将待分类数据分类至数据最多的类别,得到待测评用户的分类结果。
在步骤Z04中,获取待测评用户填写测评数据时的特征词,根据特征词出现的频率得到待测评用户对测评数据的倾向度;所述倾向度为W,W=Yj*rY;j属于心理健康特征词的一种,Yj表示心理健康特征词出现的频率;rY表示频率Y所在区间的倾向度系数;
建立坐标轴,横轴为填写测评数据的页数,纵轴为特征词的倾向度,得到填写测评数据的页数与特征词倾向度的曲线关系;获取曲线与横坐标形成的面积P,根据面积P和曲线的变化遍历与待测评用户相同倾向度的历史用户集,根据历史用户集曲线的变化,得到待测评用户填写测评数据的页数;
所述曲线与横坐标形成的面积P为:
将面积P与历史用户集中的曲线面积对比,如若面积P与历史用户集中的曲线面积相等,则依据历史用户集中的曲线得到待测评用户填写测评数据的页数;
如若待测评用户与历史用户集中的指定用户所填写数据不相同时,则根据待测评用户所填写的测评数据更新待测评用户填写测评数据的页数;
其中,a是指下限,b是指上限,x是指测评数据的页数。
与现有技术相比,本发明所达到的有益效果是:
本发明通过数据筛选模块,从测评数据出筛选出无效数据,进而提高分析待测评用户的心理健康问题,提高了验证待测评用户心理健康的准确性;通过评估数据特征拾取模块,在筛选出无效数据后,根据待测评用户填写数据时的行为特征信息,得到待测评用户的分类结果,从而能进一步精细化对待测评用户进行分类;通过评估数据处理模块,根据待测评用户在特征词的倾向度下,预测待测评用户需填写的测评数据的页数,从而能及时了解到在最终确定待测评用户的心理健康特征词倾向度前,待测评用户仍需填写的数据页数,从而防止待测评用户填写冗余的测评数据。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于软件数据分析的心理健康测评系统的模块组成示意图;
图2是本发明一种基于软件数据分析的心理健康测评方法的步骤示意图。
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。
请参阅图1-图2,本发明提供技术方案:
一种基于软件数据分析的心理健康测评系统,所述心理健康测评系统包括评估模型建立模块、数据筛选模块、评估数据特征拾取模块和评估数据处理模块;
所述评估模型建立模块用于根据待测评用户在心理健康测评网站上的测评数据,建立基于待测评用户的心理健康评估模型;所述心理健康评估模型是在网站上通过软件数据生成得到,进而验证测评用户的心理健康;
所述数据筛选模块用于从网站上获取待测评用户的测评数据中并筛选出无效数据,以提高待测评用户测评分数的准确度;所述无效数据是指在填写测评数据中盲答、错答的现象;
所述评估数据特征拾取模块用于获取待测评用户在填写测评数据时的行为特征信息,根据行为特征信息对待测评用户进行分类,得到不同类型待测评用户;
所述评估数据处理模块用于实时获取待测评用户在网站上填写测评数据时所对应的特征词倾向度,预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数。
进一步的,所述数据筛选模块包括测评数据获取单元、测评数据关联单元、待测评数据提取单元;
所述测评数据获取单元用于获取在心理健康测评网站上的测评数据;
所述测评数据关联单元用于获取心理健康测评网站上的测评数据,建立所述测评数据之间的关联性;
所述待测评数据提取单元用于依据所述测评数据之间的关联性,从待测评数据中提取出盲答、错答的无效数据;
所述待测评数据提取单元的输出端与测评数据获取单元和测评数据关联单元的输入端相连接。
进一步的,所述评估数据特征拾取模块包括驻点识别单元、特征分类单元;
所述驻点识别单元用于通过软件数据,获取待测评用户填写数据时光标的移动轨迹,根据移动轨迹确定驻点信息,所述驻点在光标移动形成的轨迹上;
所述特征分类单元用于根据形成的驻点信息,对待测评用户进行分类;
所述驻点识别单元的输出端与特征聚类单元的输入端相连接。
进一步的,所述评估数据处理模块包括特征对比单元、特征词倾向度计算单元、次数预测单元和误差设置单元;
所述特征对比单元用于将待测评用户填写测评数据时所对应的移动轨迹特征和驻点信息与待测评用户填写测评数据时的历史特征和驻点信息对比,得到对比结果;
所述特征词倾向度计算单元用于根据待测评用户实时填写的测评数据,计算待测评用户在若干特征词下的倾向度;
所述次数预测单元用于预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数;
所述误差设置单元用于实时检测待测评用户在网站上的测评数据,根据测评数据确定测试数据的误差页数;
所述次数预测单元的输出端与特征对比单元、特征词倾向度计算单元的输入端相连接,所述误差设置单元的输出端与次数预测单元输入端相连接。
进一步的,所述心理健康测评方法执行如下步骤:
Z01:建立基于待测评用户的心理健康评估模型;
Z02:获取待测评用户在心理健康评估模型中填写的测评数据,从所述测评数据中筛选出无效数据;
Z03:获取待测评用户在填写测评数据时光标的移动位置信息,根据光标的移动位置信息确定形成的驻点信息,根据驻点对待测评用户进行分类;
Z04:根据待测评用户实时填写的测评数据,计算待测评用户在若干特征词下的倾向度,预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数。
在步骤Z02中,获取待测评用户在心理健康评估模型中填写的测评数据,无量纲化处理测评数据,得到待测评用户的测评数据中的问题集合W={1,2,3,...,m}和待测评用户的测评数据中的问题回答集合W'={w’1,w’2,w’3,...,w’m};w’m是指待测评用户的测评数据中第m个问题的回答信息;设定问题i中包含有n个数据,则建立所述测评数据中的关联系数;得到:
其中,miniminh|t(h)-t’(h)|表示问题t和问题t’内数据的两级最小绝对值,maximaxh|t(h)-t’(h)|表示问题t和问题t’内数据的两级最大绝对值;β表示为分辨系数,β的取值区间为(0,1);ξ(h)表示问题t和问题t’在第h个数据时的关联系数;n表示数据项数,r表示问题t和问题t’的关联度;
如若r大于预设关联度,则表示问题t和问题t’的关联度高,则查询待测评用户回答问题t和问题t’的数据,若核实到回答问题t和问题t’的数据相关联,表示待测评用户回答的非无效数据,若核实到回答问题t和问题t’的数据不关联,表示待测评用户回答的为无效数据;
如若r小于预设关联度,则表示问题t和问题t’的关联度低,继续遍历其他关联度高的问题;
在本方法中,为了减少待测评用户漏填数据和盲填数据的现象发生,对测试数据内的问题进行关联度分析,能及时有效地分析出待测评用户是否认真填写数据,防止软件对每个待测评数据分析时导致的资源浪费;本方法通过灰色关联度方法确定数据之间的关联性,不需要采用较多样本数据即能确定数据之间的关联性,计算量小,准确率高。
获取待测评用户在填写测评数据时光标的移动位置信息,根据光标的移动位置建立坐标轴;根据待评测用户移动光标位置形成得到在坐标轴中形成的函数集合F={f1,f2,f3,...,fg},g表示函数项数;如若核实到在至少两个测试数据中形成的函数f(x,y)=0,则表示在所述函数中包括有驻点;根据驻点和光标在测试数据中的移动位置信息对待测评用户进行分类;
所述分类步骤包括:
Z031:从数据存储器中提取基于驻点和光标的移动位置信息的样本数据和待分类数据;
Z032:设定参数Q,从样本数据随机抽取Q个数据以初始化优先级队列,计算样本数据和待分类数据的距离;将样本数据与待分类数据中的距离集合与距离集合中的最大距离对比,若最大距离大于距离集合中的任意一个距离,则保存最大距离并为最大距离设置优先级;否则,在样本数据中遍历下一个数据;
Z033:汇集与待分类数据距离最近的Q个样本数据,得到Q个近邻中包含数据最多的类别,将待分类数据分类至数据最多的类别,得到待测评用户的分类结果;
在本方法中,通过驻点确定待测评用户是否在至少两个测评数据中产生疑问,例如:待测评用户使用的光标在至少两个选项之间移动时会产生移动轨迹,获取移动轨迹的驻点信息,确定移动轨迹信息中的驻点信息;通过确定驻点信息和光标在测试数据中的移动位置信息,能对待测评用户进行分类;如若只确定驻点信息,则不能得到待测评用户所选的是具体何种的至少两种的选项信息,结合确定驻点信息和光标在测试数据中的移动位置信息,提高了分类待测评用户的准确性。
在步骤Z04中,获取待测评用户填写测评数据时的特征词,根据特征词出现的频率得到待测评用户对测评数据的倾向度;所述倾向度为W,W=Yj*rY;j属于心理健康特征词的一种,Yj表示心理健康特征词出现的频率;rY表示频率Y所在区间的倾向度系数;
建立坐标轴,横轴为填写测评数据的页数,纵轴为特征词的倾向度,得到填写测评数据的页数与特征词倾向度的曲线关系;获取曲线与横坐标形成的面积P,根据面积P和曲线的变化遍历与待测评用户相同倾向度的历史用户集,根据历史用户集曲线的变化,得到待测评用户填写测评数据的页数;
所述曲线与横坐标形成的面积P为:
将面积P与历史用户集中的曲线面积对比,如若面积P与历史用户集中的曲线面积相等,则依据历史用户集中的曲线得到待测评用户填写测评数据的页数;
如若待测评用户与历史用户集中的指定用户所填写数据不相同时,则根据待测评用户所填写的测评数据更新待测评用户填写测评数据的页数;
其中,a是指下限,b是指上限,x是指测评数据的页数。
本发明通过公式计算了曲线与横轴之间的面积,根据曲线的变化和面积分析待测评用户所需填写测评数据的页数,提高了对待测评用户的心理健康测评的准确性,识别出待测评用户可能存在的心理问题;在本文中所提及的曲线可根据最小二乘法拟合得到,曲线的确定方法并不仅仅限制最小二乘法;在本方法中,为了得到更精准测评数据的页数,需要实时分析待测评用户填写的测评数据的页数;从而提高待测评用户心理健康测评的准确性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于软件数据分析的心理健康测评系统,其特征在于:所述心理健康测评系统包括评估模型建立模块、数据筛选模块、评估数据特征拾取模块和评估数据处理模块;
所述评估模型建立模块用于根据待测评用户在心理健康测评网站上的测评数据,建立基于待测评用户的心理健康评估模型;
所述数据筛选模块用于从网站上获取待测评用户的测评数据中并筛选出无效数据;
所述评估数据特征拾取模块用于获取待测评用户在填写测评数据时的行为特征信息,根据行为特征信息对待测评用户进行分类,得到不同类型待测评用户;
获取待测评用户在填写测评数据时光标的移动位置信息,根据光标的移动位置信息确定形成的驻点信息,根据驻点对待测评用户进行分类;
获取待测评用户在填写测评数据时光标的移动位置信息,根据光标的移动位置建立坐标轴;根据待评测用户移动光标位置形成得到在坐标轴中形成的函数集合F={f1,f2,f3,...,fg},g表示函数项数;如若核实到在至少两个测试数据中形成的函数f(x,y)=0,则表示在所述函数中包括有驻点;根据驻点和光标在测试数据中的移动位置信息对待测评用户进行分类;
所述分类步骤包括:
Z031:从数据存储器中提取基于驻点和光标的移动位置信息的样本数据和待分类数据;
Z032:设定参数Q,从样本数据随机抽取Q个数据以初始化优先级队列,计算样本数据和待分类数据的距离;将样本数据与待分类数据中的距离集合与距离集合中的最大距离对比,若最大距离大于距离集合中的任意一个距离,则保存最大距离并为最大距离设置优先级;否则,在样本数据中遍历下一个数据;
Z033:汇集与待分类数据距离最近的Q个样本数据,得到Q个近邻中包含数据最多的类别,将待分类数据分类至数据最多的类别,得到待测评用户的分类结果;
所述评估数据处理模块用于实时获取待测评用户在网站上填写测评数据时所对应的特征词倾向度,预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数;获取待测评用户填写测评数据时的特征词,根据特征词出现的频率得到待测评用户对测评数据的倾向度;所述倾向度为W,W=Yj*rY;j属于心理健康特征词的一种,Yj表示心理健康特征词出现的频率;rY表示频率Y所在区间的倾向度系数。
2.根据权利要求1所述的一种基于软件数据分析的心理健康测评系统,其特征在于:所述数据筛选模块包括测评数据获取单元、测评数据关联单元、待测评数据提取单元;
所述测评数据获取单元用于获取在心理健康测评网站上的测评数据;
所述测评数据关联单元用于获取心理健康测评网站上的测评数据,建立所述测评数据之间的关联性;
所述待测评数据提取单元用于依据所述测评数据之间的关联性,从待测评数据中提取出盲答、错答的无效数据;
所述待测评数据提取单元的输出端与测评数据获取单元和测评数据关联单元的输入端相连接。
3.根据权利要求1所述的一种基于软件数据分析的心理健康测评系统,其特征在于:所述评估数据特征拾取模块包括驻点识别单元、特征分类单元;
所述驻点识别单元用于通过软件数据,获取待测评用户填写数据时光标的移动轨迹,根据移动轨迹确定驻点信息,所述驻点在光标移动形成的轨迹上;
所述特征分类单元用于根据形成的驻点信息,对待测评用户进行分类;
所述驻点识别单元的输出端与特征聚类单元的输入端相连接。
4.根据权利要求1所述的一种基于软件数据分析的心理健康测评系统,其特征在于:所述评估数据处理模块包括特征对比单元、特征词倾向度计算单元、次数预测单元和误差设置单元;
所述特征对比单元用于将待测评用户填写测评数据时所对应的移动轨迹特征和驻点信息与待测评用户填写测评数据时的历史特征和驻点信息对比,得到对比结果;
所述特征词倾向度计算单元用于根据待测评用户实时填写的测评数据,计算待测评用户在若干特征词下的倾向度;
所述次数预测单元用于预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数;
所述误差设置单元用于实时检测待测评用户在网站上的测评数据,根据测评数据确定测试数据的误差页数;
所述次数预测单元的输出端与特征对比单元、特征词倾向度计算单元的输入端相连接,所述误差设置单元的输出端与次数预测单元输入端相连接。
5.一种实现权利要求1所述系统的基于软件数据分析的心理健康测评方法,其特征在于:所述心理健康测评方法执行如下步骤:
Z01:建立基于待测评用户的心理健康评估模型;
Z02:获取待测评用户在心理健康评估模型中填写的测评数据,从所述测评数据中筛选出无效数据;
Z03:获取待测评用户在填写测评数据时光标的移动位置信息,根据光标的移动位置信息确定形成的驻点信息,根据驻点对待测评用户进行分类;
获取待测评用户在填写测评数据时光标的移动位置信息,根据光标的移动位置建立坐标轴;根据待评测用户移动光标位置形成得到在坐标轴中形成的函数集合F={f1,f2,f3,...,fg},g表示函数项数;如若核实到在至少两个测试数据中形成的函数f(x,y)=0,则表示在所述函数中包括有驻点;根据驻点和光标在测试数据中的移动位置信息对待测评用户进行分类;
所述分类步骤包括:
Z031:从数据存储器中提取基于驻点和光标的移动位置信息的样本数据和待分类数据;
Z032:设定参数Q,从样本数据随机抽取Q个数据以初始化优先级队列,计算样本数据和待分类数据的距离;将样本数据与待分类数据中的距离集合与距离集合中的最大距离对比,若最大距离大于距离集合中的任意一个距离,则保存最大距离并为最大距离设置优先级;否则,在样本数据中遍历下一个数据;
Z033:汇集与待分类数据距离最近的Q个样本数据,得到Q个近邻中包含数据最多的类别,将待分类数据分类至数据最多的类别,得到待测评用户的分类结果;
Z04:根据待测评用户实时填写的测评数据,计算待测评用户在若干特征词下的倾向度,预测待测评用户在达到预设倾向度时,待测评用户填写测评数据的页数;获取待测评用户填写测评数据时的特征词,根据特征词出现的频率得到待测评用户对测评数据的倾向度;所述倾向度为W,W=Yj*rY;j属于心理健康特征词的一种,Yj表示心理健康特征词出现的频率;rY表示频率Y所在区间的倾向度系数。
6.根据权利要求5所述的一种基于软件数据分析的心理健康测评方法,其特征在于:在步骤Z02中,获取待测评用户在心理健康评估模型中填写的测评数据,无量纲化处理测评数据,得到待测评用户的测评数据中的问题集合W={1,2,3,...,m}和待测评用户的测评数据中的问题回答集合W'={w’1,w’2,w’3,...,w’m};w’m是指待测评用户的测评数据中第m个问题的回答信息;设定问题i中包含有n个数据,则建立所述测评数据中的关联系数;得到:
其中,miniminh|t(h)-t’(h)|表示问题t和问题t’内数据的两级最小绝对值,maximaxh|t(h)-t’(h)|表示问题t和问题t’内数据的两级最大绝对值;β表示为分辨系数,β的取值区间为(0,1);ξ(h)表示问题t和问题t’在第h个数据时的关联系数;n表示数据项数,r表示问题t和问题t’的关联度;
如若r大于预设关联度,则表示问题t和问题t’的关联度高,则查询待测评用户回答问题t和问题t’的数据,若核实到回答问题t和问题t’的数据相关联,表示待测评用户回答的非无效数据,若核实到回答问题t和问题t’的数据不关联,表示待测评用户回答的为无效数据;
如若r小于预设关联度,则表示问题t和问题t’的关联度低,继续遍历其他关联度高的问题。
7.根据权利要求6所述的一种基于软件数据分析的心理健康测评方法,其特征在于:在步骤Z04中,
建立坐标轴,横轴为填写测评数据的页数,纵轴为特征词的倾向度,得到填写测评数据的页数与特征词倾向度的曲线关系;获取曲线与横坐标形成的面积P,根据面积P和曲线的变化遍历与待测评用户相同倾向度的历史用户集,根据历史用户集曲线的变化,得到待测评用户填写测评数据的页数;
所述曲线与横坐标形成的面积P为:
将面积P与历史用户集中的曲线面积对比,如若面积P与历史用户集中的曲线面积相等,则依据历史用户集中的曲线得到待测评用户填写测评数据的页数;
如若待测评用户与历史用户集中的指定用户所填写数据不相同时,则根据待测评用户所填写的测评数据更新待测评用户填写测评数据的页数;
其中,a是指下限,b是指上限,x是指测评数据的页数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210810900.7A CN115206528B (zh) | 2022-07-11 | 2022-07-11 | 一种基于软件数据分析的心理健康测评系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210810900.7A CN115206528B (zh) | 2022-07-11 | 2022-07-11 | 一种基于软件数据分析的心理健康测评系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115206528A CN115206528A (zh) | 2022-10-18 |
CN115206528B true CN115206528B (zh) | 2023-11-07 |
Family
ID=83580554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210810900.7A Active CN115206528B (zh) | 2022-07-11 | 2022-07-11 | 一种基于软件数据分析的心理健康测评系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115206528B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117084683B (zh) * | 2023-08-07 | 2024-04-19 | 中国人民解放军32302部队 | 一种技术人员心理状态监测评估方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU77149U1 (ru) * | 2008-06-16 | 2008-10-20 | ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ НАУЧНО-ПРОИЗВОДСТВЕННО-КОНСТРУКТОРСКАЯ ФИРМА "Медиком МТД" | Устройство для психологического и психофизиологического анализа |
WO2016093789A1 (ru) * | 2014-12-08 | 2016-06-16 | Ирина Александровна КУЗЬМИЧЕВА | Способ автоматизированного построения семантической сферы человека |
CN112951433A (zh) * | 2021-04-06 | 2021-06-11 | 重庆邮电大学 | 一种基于隐私计算的心理健康评估方法 |
CN113571158A (zh) * | 2021-07-29 | 2021-10-29 | 江苏智慧智能软件科技有限公司 | 一种智慧智能ai智能心理健康检测与分析测评系统 |
CN113723530A (zh) * | 2021-09-02 | 2021-11-30 | 中国科学院自动化研究所 | 基于视频分析和电子心理沙盘的智能心理评估系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190239791A1 (en) * | 2018-02-05 | 2019-08-08 | Panasonic Intellectual Property Management Co., Ltd. | System and method to evaluate and predict mental condition |
-
2022
- 2022-07-11 CN CN202210810900.7A patent/CN115206528B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU77149U1 (ru) * | 2008-06-16 | 2008-10-20 | ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ НАУЧНО-ПРОИЗВОДСТВЕННО-КОНСТРУКТОРСКАЯ ФИРМА "Медиком МТД" | Устройство для психологического и психофизиологического анализа |
WO2016093789A1 (ru) * | 2014-12-08 | 2016-06-16 | Ирина Александровна КУЗЬМИЧЕВА | Способ автоматизированного построения семантической сферы человека |
CN112951433A (zh) * | 2021-04-06 | 2021-06-11 | 重庆邮电大学 | 一种基于隐私计算的心理健康评估方法 |
CN113571158A (zh) * | 2021-07-29 | 2021-10-29 | 江苏智慧智能软件科技有限公司 | 一种智慧智能ai智能心理健康检测与分析测评系统 |
CN113723530A (zh) * | 2021-09-02 | 2021-11-30 | 中国科学院自动化研究所 | 基于视频分析和电子心理沙盘的智能心理评估系统 |
Non-Patent Citations (1)
Title |
---|
情绪监测系统在人机交互设计中的应用.《现代信息科技》.2021,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115206528A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6256647B1 (en) | Method of searching database of three-dimensional protein structures | |
US7599926B2 (en) | Reputation information processing program, method, and apparatus | |
CN107730131B (zh) | 一种众包软件开发者的能力预测及推荐方法、装置 | |
CN115206528B (zh) | 一种基于软件数据分析的心理健康测评系统及方法 | |
CN113571158B (zh) | 一种智慧智能ai智能心理健康检测与分析测评方法 | |
JP5986687B2 (ja) | データ分別システム、データ分別方法、データ分別のためのプログラム、及び、このプログラムの記録媒体 | |
CN113378905B (zh) | 一种基于分布距离的小目标检测方法 | |
JP2002202984A (ja) | ルールベースモデルに基づくテキスト情報自動分類装置 | |
CN112131354A (zh) | 答案筛选方法、装置、终端设备和计算机可读存储介质 | |
JP2005115569A (ja) | 信号識別装置および信号識別方法 | |
CN116912911A (zh) | 一种满意度数据筛选方法、装置、电子设备及存储介质 | |
CN110020686A (zh) | 一种基于群智感知传感数据的路面异常检测方法 | |
KR100795951B1 (ko) | 채점 시스템 및 그 제어방법 | |
CN113177603B (zh) | 分类模型的训练方法、视频分类方法及相关设备 | |
CN112069621B (zh) | 基于线性可靠度指标的滚动轴承剩余使用寿命的预测方法 | |
JP3648199B2 (ja) | カット検出装置およびそのプログラム | |
CN114550918A (zh) | 一种基于绘画特征数据的心理障碍测评方法及系统 | |
Giovanini et al. | Discriminating postural control behaviors from posturography with statistical tests and machine learning models: Does time series length matter? | |
JPH08320296A (ja) | 電子部品の余寿命推定方法及び装置 | |
CN111090989A (zh) | 一种基于文字识别的提示方法及电子设备 | |
KR102362582B1 (ko) | 통계 데이터 전처리 방법, 서버 및 컴퓨터 판독가능매체 | |
Olsen et al. | Predicting dactyloscopic examiner fingerprint image quality assessments | |
Khoussi et al. | A neural networks-based methodology for fitting data to probability distributions | |
WO2021245850A1 (ja) | 診断支援プログラム、装置、及び方法 | |
CN113703923B (zh) | 一种业务问题的识别方法、装置、设备和介质 |
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 |