CN117116489A - 一种心理测评数据管理方法及系统 - Google Patents
一种心理测评数据管理方法及系统 Download PDFInfo
- Publication number
- CN117116489A CN117116489A CN202311387029.5A CN202311387029A CN117116489A CN 117116489 A CN117116489 A CN 117116489A CN 202311387029 A CN202311387029 A CN 202311387029A CN 117116489 A CN117116489 A CN 117116489A
- Authority
- CN
- China
- Prior art keywords
- data
- psychological
- tester
- bit
- psychological assessment
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000013523 data management Methods 0.000 title claims abstract description 24
- 230000003993 interaction Effects 0.000 claims abstract description 17
- 238000007906 compression Methods 0.000 claims abstract description 13
- 230000006835 compression Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000009323 psychological health Effects 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 claims abstract description 8
- 230000008451 emotion Effects 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007654 immersion Methods 0.000 claims description 5
- 230000004630 mental health Effects 0.000 claims description 5
- 229910002056 binary alloy Inorganic materials 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000002441 reversible effect Effects 0.000 claims description 4
- 230000003340 mental effect Effects 0.000 claims 1
- 238000013075 data extraction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006837 decompression Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008909 emotion recognition Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
-
- 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
- A61B5/7232—Signal processing specially adapted for physiological signals or for diagnostic purposes involving compression of the physiological signal, e.g. to extend the signal recording period
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- 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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Psychiatry (AREA)
- Surgery (AREA)
- Databases & Information Systems (AREA)
- Veterinary Medicine (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- Computational Linguistics (AREA)
- Social Psychology (AREA)
- Mathematical Physics (AREA)
- Epidemiology (AREA)
- Bioethics (AREA)
- Primary Health Care (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Acoustics & Sound (AREA)
- Educational Technology (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Nursing (AREA)
Abstract
本发明涉及心理数据处理领域，具体涉及一种心理测评数据管理方法及系统，该方法包括：通过空间立体房间虚拟智能机器人与测试者的智能语音交互采集心理测评数据；构建测试者的心理健康程度；计算字节编码所需最低比特位数；结合字节编码所需最低比特位数对编码数据集进行重新编码；获取重新编码数据集中各数据的比特系数，基于此计算最优排列维度，对数据集进行最优排列并进行再编码，对再编码的数据集中各组进行差分处理得到差分处理数据集；结合夫曼编码压缩得到压缩后的心理测评数据集；结合压缩的逆过程对数据进行解压。从而结合空间立体房间对测试者心理数据进行采集分析，保证心理测评数据真实性，实现心理测评数据的高效管理。
Description
技术领域
本发明涉及心理数据处理领域，具体涉及一种心理测评数据管理方法及系统。
背景技术
随着中国教育的改革和发展，越来越多的人开始关注个人心理健康问题。相信未来，特别是中小学生心理健康检测仪有望成为中小学教育的重要组成部分。
随着互联网的快速发展和电子设备的普及，心理测评也日益倾向于数字化转型。传统的心理测评工具往往基于纸笔形式，数据的收集、整理和分析相对困难。然而，通过电子问卷、在线测试平台等数字化方式，可以方便地收集心理测评数据，并将其存储在计算机系统中，便于进行后续的数据分析和管理。数据管理在这一过程中起着重要的作用。它可以提高计算机运行效率，确保数据的完整性和可靠性，保护数据的安全性和隐私性。合理的数据管理方案可以使心理测评数据更好地被利用和应用，为心理健康工作提供更准确、可靠的支持。
综上所述，本发明提出一种心理测评数据管理方法及系统，结合空间立体房间虚拟智能机器人与测试者进行智能语音交互，对测试者的相关心理测评数据进行提取，量化心理状态并根据数据的重复性特点，在字节层面对数据重新编码；根据比特位的使用率，将数据映射到多维空间，使用一维序列表示多维空间中的特征，对一维序列差分后使用哈夫曼编码压缩数据，最后对数据进行解压处理。本发明结合人工智能技术可更加准确的检测测试者心理，提高数据提取精度，测试过程简单快速；数据安全性较高，测试者数据加密存储以保护用户隐私安全；本发明打造5D空间，提供虚拟空间真实体验，从视觉、听觉嗅觉以及触觉各方面感受测试者的真实情绪及心理状况，提高心理测评数据管理效率。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种心理测评数据管理方法及系统，所采用的技术方案具体如下：
第一方面，本发明实施例提供了一种心理测评数据管理方法，该方法包括以下步骤：
采集测试者的基本信息作为各心理测评数据；
对测试者情绪进行量化定义测试者的心理情绪程度，根据测试者心理情绪程度得到测试者的心理健康程度；将心理健康程度及其他心理测评数据均转化为二进制，记为D1，根据D1中各字节的数值构建字节编码所需最低比特位数对D1进行重新编码，作为D2；将D2中的比特流数据排列成多维矩阵，获取D2中各数据的比特系数及最优排列维度，最优排列维度记为；将D2中的数据排列成/>维所得到的数据记为D3；根据D3中比特为1的数据进行编码得到各组，将各组组成的序列记为D4，对D4中各组进行差分处理得到的数据记为D5；对D5进行哈夫曼编码压缩得到的数据记为D6；
结合压缩的逆过程对数据进行解压，完成心理测评数据的高效管理。
进一步地，所述采集测试者的基本信息，具体包括：构建空间立体房间，内含虚拟智能机器人，所述虚拟智能机器人与测试者进行多维度交互，以提取测试者的相关基本信息。
进一步地，所述多维度交互包括：沉浸式心理测评，伙伴式心理测评，陪伴式心理检测，专家式检测结果分析，情感倾诉式心理检测；其中，沉浸式心理测评及伙伴式心理测评中虚拟智能机器人与测试者之间通过智能语音交互。
进一步地，所述对测试者情绪进行量化定义测试者的心理情绪程度，包括：
将所有情绪分为正向情绪和负向情绪，分别统计测试者测试时各种正向情绪、负向情绪所占百分比，计算测试者所有正向情绪百分比的和值与所有负向情绪百分比的和值的比值，将所述比值作为测试者的心理情绪程度。
进一步地，所述根据测试者心理情绪程度得到测试者的心理健康程度包括：
获取以自然常数为底数、测试者心理情绪程度为负指数的指数函数的计算结果，将所述计算结果与百分百乘积的四舍五入取整结果作为测试者的心理健康程度。
进一步地，所述根据D1中各字节的数值构建字节编码所需最低比特位数对D1进行重新编码，包括：
获取D1中各字节的数值，获取以自然常数为底的字节数值的对数，将所述对数向上取整的结果作为字节编码所需最低比特位数；
将各字节按照在D1中的出现频率从高到低进行排序，频率最高对应字节重新编码为x个0组成的二进制数值，其中x为字节编码所需最低比特位数，频率第二高对应字节重新编码为频率最高对应字节重新编码的二进制数值加1，以此类推，依次对D1中各字节进行重新编码。
进一步地，所述获取D2中各数据的比特系数及最优排列维度，包括：
获取表示数据所需最低比特位数，将矩阵维度与所需最低比特位数乘积的向上取整结果作为数据的比特系数；
获取比特系数最小时对应的各维度，将维度为整数且不等于比特系数的维度作为最优排列维度。
进一步地，所述根据D3中比特为1的数据进行编码得到各组，具体包括：对于D3中比特为1的数据，以个数字为一组作为比特为1的数据的编码，其中，/>为最优排列维度。
进一步地，所述对D4中各组进行差分处理得到的数据记为D5，包括：将D4中的第一组作为D5中的第一组，D5中其他各组为D4中各组与对应上一组数字的差值。
第二方面，本发明实施例还提供了一种心理测评数据管理系统，包括存储器、处理器以及存储在所述存储器中并在所述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上述任意一项所述方法的步骤。
本发明至少具有如下有益效果：
本发明首先结合空间立体房间对测试者的相关心理测评数据进行提取，定义心理健康程度评价测试者的状态，通过统计数据在字节层面的频率，替换重复出现的字节信息，减少编码的冗余信息，提高数据的信息质量。本发明通过对维度和比特关系的分析，确定数据的最优排列维度，并对空缺位置进行补齐，保证数据完整度。使用多维的坐标系，表示出二进制数据中的特征数据1的位置，此时数据成一维线性排列，再根据多维差分，使数据的分布更加集中，最后通过哈夫曼编码压缩数据。相较于传统的哈夫曼编码，本发明通过分析数据中的相关性和冗余信息等信息，结合数据的特点，有效缩短了压缩长度，提高数据管理效率；
进一步，本发明通过空间内虚拟智能机器人与测试者进行一对一AI智能语音互动，可获取较为准确的心理测评相关数据，结合人工智能技术可更加准确的检测测试者心理，提高数据提取精度，测试过程简单快速，同时，结合空间立体房间数据提取安全性较高，测试者数据加密存储，可保护用户隐私安全；本发明打造5D空间，从视觉、听觉嗅觉以及触觉各方面感受测试者的真实情绪及心理状况，提高心理测评数据提取的精度，保证数据的可靠性。
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和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种心理测评数据管理方法的步骤流程图；
图2为维度比特最优排列维度示意图；
图3为维度比特函数图像示意图；
图4为D3编码为各组的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种心理测评数据管理方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种心理测评数据管理方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种心理测评数据管理方法的步骤流程图，该方法包括以下步骤：
步骤S001，数据采集并将数据存储于计算机中。
具体的，本实施例旨在通过对测试者心理测评数据的采集分析，对心理测评数据进行压缩以及解压处理，实现数据的高效管理。因此，本实施例将首先收集将测试者的基本信息，并将该数字和字符信息存储在计算机中。
对于测试者的心理测评数据采集，本实施例中构建空间立体房间，测试者可进入所述空间立体房间内，可通过AI智能语音与测试者进行交互，对测试者进行相关数据的采集；同时空间立体方面可针对分析结果对测试者提供相应的参考信息，为测试者提供情绪管理相关参考信息。空间立体房间的多种虚拟智能机器人与测试者进行多维度交互，采用智能语音且语音声音可定制化与测试者进行沟通互动。空间立体房间的包括五种交互过程：（1）沉浸式心理测评，与测试者一对一进行语言交流，空间立体房间中包含虚拟智能机器人，虚拟智能机器人语言环境一对一交流可保证测试者更快更容易的进入深度交流状态；（2）伙伴式心理测评，虚拟人工智能机器人以测试者容易记住和亲近的自我介绍方式，与每个测试者先成为伙伴，每个虚拟机器人都有自己独立的名字；（3）陪伴式心理检测，虚拟智能机器人可以调取海量具有权威性心理检测专业题库，可精准、快速的检测出测试者的心理状况，并作为测试者心理测评的基础数据；（4）专家式检测结果分析，通过测试测试者的行为和思考方式，了解了其心理特点和状况，给出具有参考性的相关信息；（5）情感倾诉式心理检测，通过情感识别技术，可以以共鸣共情的方式帮助测试者管理情绪。需要说明的是，空间立体房间内的陪伴方式实施者也可根据实际情况自行设定，海量具有权威性心理检测专业题库的调取以及情感识别技术等均可通过现有技术实现，在此不做相关赘述。
结合空间立体房间对测试者的基本信息进行提取，空间立体房间内包含问卷调查、语言交互等多种数据采集方式，所采集的心理测评相关数据包括但不限于：年龄，性别，身高，体重、近阶段情绪以及其他心理状态相关数据等。根据空间立体房间内虚拟智能机器人与测试者的一对一互动，虚拟智能机器人可通过语言、肢体动作以及微表情等多方面与测试者进行互动，可对测试者的心理状况进行准确检测，提高心理测评相关数据的准确性；结合人工智能技术可更加准确的检测测试者心理，提高数据提取精度，测试过程简单快速，同时，结合空间立体房间数据提取安全性较高，测试者数据加密存储，可保护用户隐私安全。
至此，即可根据本实施例上述方法结合空间立体房间获取测试者所需要的数据，并存储与空间立体房间的计算机中，作为心理测评数据分析的基础。
步骤S002，量化心理状态，根据数据的重复性特点，在字节层面对数据重新编码，根据比特位的使用率，将数据映射到多维空间，使用一维序列表示多维空间中的特征，对一维序列差分后使用哈夫曼编码压缩数据。
心理测评数据分析以及压缩处理过程大致包括：
a.量化心理状态，根据数据的重复性，获得最低编码比特位数，重新编码。
b.根据比特位特点，进行多维重组，充分利用空间。
c.根据统计概率使用哈夫曼编码。
具体展开如下：
a.量化心理状态，根据数据的重复性，获得最低编码比特位数，重新编码。
首先考虑量化心理数据，（例如：若是情绪问卷，则存在恐惧，开心，难过等心理状态）人的心理状态，往往由一种状态主导，多种状态相互结合的，比如开心60%，平静10%，焦虑3%，抑郁1%等。假设人体心理状态共有U种情绪，以情绪问卷为例，将所有情绪分为正向情绪和负向情绪，分别为正向情绪、负向情绪的种类数，则有/>，U为情绪种类总数。定义心理情绪程度t：
式中，为测试者在测试时第i种正向情绪的百分比，/>为测试者在测试时第j种负向情绪的百分比，t为测试者的心理情绪程度。当正面情绪与负面情绪相当时，心理情绪程度t约等于1。当负面情绪占主导时心理情绪程度t小于1，正面情绪占主导时，心理情绪程度t大于1。为方便数据的管理，本实施例将对心理情绪程度进行数据处理，构建心理健康程度：
上式中，round表示四舍五入取整数（方便用二进制表示），t表示心理情绪程度，当负面情绪占主导时，其心理情绪程度t小于1，为方便理解，取极限状态t=0，此时等于0，此时负面情绪较多，/>较小；反之同理，正面情绪越占主导，心理健康程度/>越大。将所有的心理状态量化为心理健康程度/>。
重复本实施例上述方法，将所有数据转为二进制数据，将转化后的二进制数据记为数据D1。
二进制数据D1中，存在很多重复性信息，比如身份证号，手机号中的数字，测试题中的选项等。在计算机中，一个字节等于8个bit位，一共能表示种信息。在心理测评数据这种含有大量重复性信息的数据中，8bit的编码存在冗余。因此，首先以字节为单位，遍历整个数据，统计字节出现频率和字节对应的数值，设字节n对应数值为N。根据/>，本实施例将计算编码所需的最低比特位数：
上式中，ceil表示向上取整，N为字节对应数值。依据最低比特位数和字节统计频率对原始二进制数据重新编码，本实施例中假设x=6，出现频率最高的字节为0101 1011，经过重新编码为0000 00，出现频率第二高的字节重新编码为0000 01。重新编码根据二进制中1的个数，例如：出现频率第四高的字不是重构为0000 11而是0001 00，以保证重编码后的二进制比特流有较强的统一性，0的数量远大于1。字节出现的频率由高到低用表示，x=6时，其替换表如表1所示。本实施例将重新编码后的数据记为D2。
表1
表1中，字节出现的频率由高到低记为，n为字节数，表1中的第一行代表各字节的频率，第二行为重构替换后的各数据。
b.根据比特位特点，进行多维重组，充分利用空间。
进一步，本实施例考虑到根据频率对所有字节进行重新编码，出现频率较高的字节其重新编码后的字均含有大量的比特0，少量的比特1；且原信息中出现频率越高的字，被重新编码后的字数值越小，比特0个数越多。因此，更加关注重数据D2中的比特1。
设数据的总长度是L，比特0的个数是，比特1的个数是/>，则有/>。可将D2中的比特流数据按照Zigzag扫描、光栅扫描等方法排列成矩阵，扫描方法本实施例不做限制，实施者自行选取，扫描过程为现有公知技术，不在本实施例保护范围内，在此不做相关阐述。按照该思路将数据排列成三维比特数据块也是可以的。进一步，将扫描后所得矩阵的维度记为j，定义/>为表示/>所需最低比特位数，也即表示一个数据所需最低比特位数，L为D2中数据总长度，计算表示某个比特所需的比特位数称为比特系数r，所述比特系数公式如下：
注：上式在计算机中，由于比特已经是存储的最小单位，计算机中不能使用半个比特，因此，使用向上取整后上式保持成立。
上式由，化简得到最小的/>为：/>，j表示矩阵维度，/>为表示/>所需要的最低比特位数。举例说明上式含义：若j=2，将比特数据转为的二维矩阵，若存在空缺位置，先补一个比特1再补位比特0使得每一位置均存在比特0或1。需要说明的是：使用全0补位容易造成补位和原数据混淆的情况。假设原数据的末尾的最后6比特是0000 00。后续若缺位全补0，容易将最后的全零比特数据当作补位填充的数据0，解压时容易误删除原数据中的比特0，但若先补一个比特1，后续再补0可避免该现象。
现在数据是一个巨大的二维比特数据矩阵，表示某位比特1的位置需要行和列两种信息。为方便上述比特系数的理解，本实施例再次进行举例说明，本实施例假设L=250000，j=2，则=500，即长宽为500×500的矩阵，而/>能表示512个数字且大于，因此/>，用9个比特位来表示一个500以内的任意整数，行和列各需要9比特，因此表示一个整数需要用到2×9=18个比特。对于特定长度的L，/>的计算结果存在一个最小值。
对于比特系数r，其用于表征表示一个比特1所需要的比特位数，求最优排列维度j时，在最小r中选取，如图2所示，L=400，现将j=r的函数点舍弃掉，点①由于对应的横轴维度j为4.5，不能使用半个维度，因此选择点②，其对应的维度j等于3。当L=400时，最优排列维度是三维排列。需要说明的是，j不能等于r，考虑到j=r时，维度j和比特系数r相等，每个维度用一个比特表示，则数据回到了二进制不利于后续编码，因此，需要将j=r的维度舍弃。同时，对于三维排列以下更小维度，本实施例考虑到维度越大，相应的每个维度对应的数就越小，出现重复数字的概率越大，编码越容易且比特位的浪费越少，因此，本实施例中设定最优排列维度大于等于3。
对于数据总长度L，当比特系数r为，最大的维度j为/>时称为最优排列维度。如图3所示，图3为横轴为维度j，纵轴为比特系数r的函数图像（其中，L=160 0000），/>，=21。维度越大，相应的每个维度对应的数就越小，出现重复数字的概率越大，则对应编码越容易且比特位的浪费越少。
本实施例中，对D2排列成维所得到的数据记为D3。然后，对于比特为1的数据，本实施例以/>个数为一组，如图4所示，这样编码后，数据变成一个组，共有比特长，每(/>+1)个比特表示一个数字，多一个比特位用来表示数字的正负。对于D3中比特为1的数据以/>个数字为一组，用于表征比特为1的位置的编码数据，将各组作为一个序列：/>，记为D4，考虑到数字之间存在重复性，因此，采用多维差分以消除重复数据之间的影响，D4中除了/>中的数据外，其余组中的数字替换为该组与上一组数字的差，以D4中的第m个组为例，m>1，差分处理具体为：
式中，为第m个组，/>为第m-1个组，/>为差分处理后的组，/>为比特1的个数，差分处理后数字更小，分布更集中，此时使用编码能取得更好的效果。将D 4差分处理后的数据记为D5。
c.根据统计概率使用哈夫曼编码。
统计所有数字出现的概率，构建哈夫曼树，使用哈夫曼编码实现数据的压缩，将D5编码后的数据记为D6，实现心理测评数据的压缩。其中哈夫曼编码为公知技术，不在本实施例保护范围内，在此不再赘述。
步骤S003，对编码后的数据进行解压过程，完成心理测评数据的高效管理。
数据压缩过程中的每一步均可逆，解压即压缩的逆过程。首先对数据D6，使用相同的哈夫曼树，根据编码恢复到数据D5。根据差分的计算过程，使用公式：还原序列数据D4，根据压缩时记录的维度数/>，还原为多维数据D3。去除填补的数据，排列成一维数据D2，再根据频率替换表，替换回原来的数据D1。需要说明的是，解压过程为压缩的逆过程，具体过程为现有公知技术，不在本实施例保护范围内，在此不做相关详细阐述。
至此，根据本实施例上述方法可实现对心理测评数据的自适应压缩及解压处理，完成心理测评数据的高效管理。
本发明实施例通过空间内虚拟智能机器人与测试者的一对一互动，可获取较为准确的心理测评相关数据，结合人工智能技术可更加准确的检测测试者心理，提高数据提取精度，测试过程简单快速，同时，结合空间立体房间数据提取安全性较高，测试者数据加密存储，解决了用户隐私泄漏的问题；本发明实施例打造5D空间，从视觉、听觉嗅觉以及触觉各方面感受测试者的真实情绪及心理状况，提供虚拟空间的真实体验，提高心理测评数据提取的精度，保证数据的可靠性。
基于与上述方法相同的发明构思，本发明实施例还提供了一种心理测评数据管理系统，包括存储器、处理器以及存储在所述存储器中并在所述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上述一种心理测评数据管理方法中任意一项所述方法的步骤。
综上所述，本发明实施例结合空间立体房间对测试者的相关心理测评数据进行提取，对心理状态进行量化，定义心理健康程度以评价测试者的状态，通过统计数据在字节层面的频率，确定频率统计表，替换重复出现的字节信息，减少编码的冗余信息。提高数据的信息质量；
通过对维度和比特关系的分析，确定数据的最优排列维度，并对空缺位置进行补齐，保证数据完整度。使用多维的坐标系，表示出二进制数据中的特征数据1的位置，此时数据成一维线性排列，再根据多维差分，使数据的分布更加集中，最后通过哈夫曼编码压缩数据。相较于传统的哈夫曼编码，本发明实施例通过分析数据中的相关性和冗余信息等信息，结合数据的特点，有效缩短了压缩长度，提高数据管理效率。
本发明实施例可通过空间立体房间内的虚拟智能机器人与测试者进行互动，可采用语言、肢体动作以及微表情等多角度与测试者进行交互，以测试者更加容易接受的方式进行互动，通过问卷调查、语言交互等提取测试者的心理测评相关数据，提高心理测评相关数据的可靠度，保证数据真实性。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，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 (10)
1.一种心理测评数据管理方法，其特征在于，该方法包括以下步骤：
采集测试者的基本信息作为各心理测评数据；
对测试者情绪进行量化定义测试者的心理情绪程度，根据测试者心理情绪程度得到测试者的心理健康程度；将心理健康程度及其他心理测评数据均转化为二进制，记为D1，根据D1中各字节的数值构建字节编码所需最低比特位数对D1进行重新编码，作为D2；将D2中的比特流数据排列成多维矩阵，获取D2中各数据的比特系数及最优排列维度，最优排列维度记为；将D2中的数据排列成/>维所得到的数据记为D3；根据D3中比特为1的数据进行编码得到各组，将各组组成的序列记为D4，对D4中各组进行差分处理得到的数据记为D5；对D5进行哈夫曼编码压缩得到的数据记为D6；
结合压缩的逆过程对数据进行解压，完成心理测评数据的高效管理。
2.如权利要求1所述的一种心理测评数据管理方法，其特征在于，所述采集测试者的基本信息，具体包括：构建空间立体房间，内含虚拟智能机器人，所述虚拟智能机器人与测试者进行多维度交互，以提取测试者的相关基本信息。
3.如权利要求2所述的一种心理测评数据管理方法，其特征在于，所述多维度交互包括：沉浸式心理测评，伙伴式心理测评，陪伴式心理检测，专家式检测结果分析，情感倾诉式心理检测；其中，沉浸式心理测评及伙伴式心理测评中虚拟智能机器人与测试者之间通过智能语音交互。
4.如权利要求1所述的一种心理测评数据管理方法，其特征在于，所述对测试者情绪进行量化定义测试者的心理情绪程度，包括：
将所有情绪分为正向情绪和负向情绪，分别统计测试者测试时各种正向情绪、负向情绪所占百分比，计算测试者所有正向情绪百分比的和值与所有负向情绪百分比的和值的比值，将所述比值作为测试者的心理情绪程度。
5.如权利要求1所述的一种心理测评数据管理方法，其特征在于，所述根据测试者心理情绪程度得到测试者的心理健康程度包括：
获取以自然常数为底数、测试者心理情绪程度为负指数的指数函数的计算结果，将所述计算结果与百分百乘积的四舍五入取整结果作为测试者的心理健康程度。
6.如权利要求1所述的一种心理测评数据管理方法，其特征在于，所述根据D1中各字节的数值构建字节编码所需最低比特位数对D1进行重新编码，包括：
获取D1中各字节的数值，获取以自然常数为底的字节数值的对数，将所述对数向上取整的结果作为字节编码所需最低比特位数；
将各字节按照在D1中的出现频率从高到低进行排序，频率最高对应字节重新编码为x个0组成的二进制数值，其中x为字节编码所需最低比特位数，频率第二高对应字节重新编码为频率最高对应字节重新编码的二进制数值加1，以此类推，依次对D1中各字节进行重新编码。
7.如权利要求1所述的一种心理测评数据管理方法，其特征在于，所述获取D2中各数据的比特系数及最优排列维度，包括：
获取表示数据所需最低比特位数，将矩阵维度与所需最低比特位数乘积的向上取整结果作为数据的比特系数；
获取比特系数最小时对应的各维度，将维度为整数且不等于比特系数的维度作为最优排列维度。
8.如权利要求1所述的一种心理测评数据管理方法，其特征在于，所述根据D3中比特为1的数据进行编码得到各组，具体包括：对于D3中比特为1的数据，以个数字为一组作为比特为1的数据的编码，其中，/>为最优排列维度。
9.如权利要求1所述的一种心理测评数据管理方法，其特征在于，所述对D4中各组进行差分处理得到的数据记为D5，包括：将D4中的第一组作为D5中的第一组，D5中其他各组为D4中各组与对应上一组数字的差值。
10.一种心理测评数据管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311387029.5A CN117116489A (zh) | 2023-10-25 | 2023-10-25 | 一种心理测评数据管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311387029.5A CN117116489A (zh) | 2023-10-25 | 2023-10-25 | 一种心理测评数据管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117116489A true CN117116489A (zh) | 2023-11-24 |
Family
ID=88809652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311387029.5A Withdrawn CN117116489A (zh) | 2023-10-25 | 2023-10-25 | 一种心理测评数据管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117116489A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117954037A (zh) * | 2024-03-26 | 2024-04-30 | 光大宏远(天津)技术有限公司 | 一种心理测评数据存储方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380265A (zh) * | 2020-10-16 | 2021-02-19 | 华南理工大学 | 一种心理测评数据处理方法、装置、系统及服务器 |
| CN112818740A (zh) * | 2020-12-29 | 2021-05-18 | 南京智能情资创新科技研究院有限公司 | 一种用于智能面试的心理素质维度评价方法及装置 |
| CN114283941A (zh) * | 2021-12-23 | 2022-04-05 | 中国科学院心理研究所 | 一种基于自适应算法的多维度心理测试评估方法及系统 |
| CN114869299A (zh) * | 2022-06-21 | 2022-08-09 | 济南瑞特安防设备有限公司 | 基于脑电波数据的心理健康测试装置及测试方法 |
| US20220328064A1 (en) * | 2019-10-25 | 2022-10-13 | Ellipsis Health, Inc. | Acoustic and natural language processing models for speech-based screening and monitoring of behavioral health conditions |
| CN115910345A (zh) * | 2022-12-22 | 2023-04-04 | 广东数业智能科技有限公司 | 一种心理健康测评智能预警方法及存储介质 |
| CN116230234A (zh) * | 2023-03-20 | 2023-06-06 | 河北工业大学 | 多模态特征一致性心理健康异常识别方法及系统 |
| CN116313087A (zh) * | 2023-03-15 | 2023-06-23 | 广东数业智能科技有限公司 | 一种孤独症患者心理状态识别方法与装置 |
| WO2023139559A1 (en) * | 2022-01-24 | 2023-07-27 | Wonder Technology (Beijing) Ltd | Multi-modal systems and methods for voice-based mental health assessment with emotion stimulation |
-
2023
- 2023-10-25 CN CN202311387029.5A patent/CN117116489A/zh not_active Withdrawn
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220328064A1 (en) * | 2019-10-25 | 2022-10-13 | Ellipsis Health, Inc. | Acoustic and natural language processing models for speech-based screening and monitoring of behavioral health conditions |
| CN112380265A (zh) * | 2020-10-16 | 2021-02-19 | 华南理工大学 | 一种心理测评数据处理方法、装置、系统及服务器 |
| CN112818740A (zh) * | 2020-12-29 | 2021-05-18 | 南京智能情资创新科技研究院有限公司 | 一种用于智能面试的心理素质维度评价方法及装置 |
| CN114283941A (zh) * | 2021-12-23 | 2022-04-05 | 中国科学院心理研究所 | 一种基于自适应算法的多维度心理测试评估方法及系统 |
| WO2023139559A1 (en) * | 2022-01-24 | 2023-07-27 | Wonder Technology (Beijing) Ltd | Multi-modal systems and methods for voice-based mental health assessment with emotion stimulation |
| CN114869299A (zh) * | 2022-06-21 | 2022-08-09 | 济南瑞特安防设备有限公司 | 基于脑电波数据的心理健康测试装置及测试方法 |
| CN115910345A (zh) * | 2022-12-22 | 2023-04-04 | 广东数业智能科技有限公司 | 一种心理健康测评智能预警方法及存储介质 |
| CN116313087A (zh) * | 2023-03-15 | 2023-06-23 | 广东数业智能科技有限公司 | 一种孤独症患者心理状态识别方法与装置 |
| CN116230234A (zh) * | 2023-03-20 | 2023-06-06 | 河北工业大学 | 多模态特征一致性心理健康异常识别方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117954037A (zh) * | 2024-03-26 | 2024-04-30 | 光大宏远(天津)技术有限公司 | 一种心理测评数据存储方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112131383B (zh) | 特定目标的情感极性分类方法 | |
| CN107742061B (zh) | 一种蛋白质相互作用预测方法、系统和装置 | |
| US20180232599A1 (en) | Learning Contour Identification System Using Portable Contour Metrics Derived From Contour Mappings | |
| CN110659665B (zh) | 一种异维特征的模型构建方法及图像识别方法、装置 | |
| CN109036553A (zh) | 一种基于自动抽取医疗专家知识的疾病预测方法 | |
| CN109993227B (zh) | 自动添加国际疾病分类编码的方法、系统、装置和介质 | |
| CN117116489A (zh) | 一种心理测评数据管理方法及系统 | |
| US20200402618A1 (en) | Gene sequencing quality line data compression pre-processing and decompression and restoration methods, and system | |
| CN118098482B (zh) | 基于5g技术的智慧医疗管理系统及方法 | |
| CN116631550A (zh) | 一种临床试验的数据管理及逻辑核查方法及其医疗系统 | |
| CN108776818A (zh) | 轴承特征提取方法、轴承剩余寿命预测方法和装置 | |
| CN113536067B (zh) | 一种基于语义融合的跨模态信息检索方法 | |
| CN114528944A (zh) | 一种医疗文本编码方法、装置、设备及可读存储介质 | |
| CN108122028A (zh) | 深度非线性主成分分析网络的训练方法、装置及计算机可读存储介质 | |
| CN112084944A (zh) | 一种动态演化表情的识别方法与系统 | |
| CN113922823B (zh) | 基于约束稀疏表征的社交媒体信息传播图数据压缩方法 | |
| CN109192245A (zh) | 基因变异数据的GDS-Huffman压缩方法 | |
| CN110717539A (zh) | 基于人工智能的降维模型训练方法、检索方法及装置 | |
| CN105988980A (zh) | 信息处理设备和数据管理方法 | |
| CN113298827B (zh) | 一种基于DP-Net网络的图像分割方法 | |
| CN113468874B (zh) | 一种基于图卷积自编码的生物医学关系抽取方法 | |
| CN118376591B (zh) | 基于多维光谱的药物分析方法及装置 | |
| CN118193855B (zh) | 一种在线应答方法、装置及计算机设备 | |
| CN115062607B (zh) | 对比学习的样本构造方法、装置、计算机设备及存储介质 | |
| CN118535740A (zh) | 评论分类方法、装置、设备、介质和程序产品 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231124 |