CN117158971B - 一种基于ai对话的心理体检方法及系统 - Google Patents
一种基于ai对话的心理体检方法及系统 Download PDFInfo
- Publication number
- CN117158971B CN117158971B CN202311456856.5A CN202311456856A CN117158971B CN 117158971 B CN117158971 B CN 117158971B CN 202311456856 A CN202311456856 A CN 202311456856A CN 117158971 B CN117158971 B CN 117158971B
- Authority
- CN
- China
- Prior art keywords
- psychological
- user
- dialogue
- data
- initial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000010586 diagram Methods 0.000 claims abstract description 32
- 230000014509 gene expression Effects 0.000 claims abstract description 23
- 230000008451 emotion Effects 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000010606 normalization Methods 0.000 claims abstract description 3
- 230000003340 mental effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 230000006996 mental state Effects 0.000 claims description 6
- 230000008921 facial expression Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000012545 processing Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000006854 communication Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 208000024891 symptom Diseases 0.000 description 7
- 230000008449 language Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 206010020400 Hostility Diseases 0.000 description 1
- 206010071368 Psychological trauma Diseases 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000008448 thought Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及人工智能领域,更具体地,本发明涉及一种基于AI对话的心理体检方法及系统,方法包括:获取用户与预设AI虚拟人的对话数据,将对话数据进行关键词提取,获得用户初始心理类型,为用户匹配对应类型的心理状态量表进行评估,再次进行对话提问获得对话关键词,并生成心理结构初始关系图;将语音数据、表情数据和心率数据输入至预设的多模态情感分析模型中,获得对话关键词在心理结构初始关系图中的关系权重;将关系权重归一化处理获得心理结构显著关系图;基于心理结构显著关系图对用户的心理状态进行评估。本发明通过AI对话能够更加全面的对用户进行心理体检,从而提高检测的精确性。
Description
技术领域
本发明一般地涉及人工智能领域。更具体地,本发明涉及一种基于AI对话的心理体检方法及系统。
背景技术
心理健康是指认知,行为和情感上的幸福,心理健康会影响日常生活,人际关系和身体健康,伴随着现代化进程,越来越多的人群出现了焦虑、抑郁、恐惧等各种心理问题,严重影响了自身的正常生活,以使心理体检也越来越重要。
传统的心理体检方法大多是仅依据患者的自评状态量表以及医生的主观感受粗略的确定患者是否患有精神或者心理疾病,然而一些患者可能会不自觉对自评表产生心理抵触,以至于患者是否遵从内心正常填写不能确定,并且心理检测的效率比较低,因此通过患者填写自评表不能精准反应患者心理问题或者心理疾病,而无法对患者的病理情况进行精准判断,降低心理检测准确度,从而可能导致误判,甚至影响用户治疗的最佳时期。
发明内容
本发明提出一种基于AI对话的心理体检方法及系统,旨在通过患者填写自评表不能精准反应患者心理问题或者心理疾病,使得对用户的心理检测的不够全面,降低心理检测准确度,心理检测的效率比较低的问题。
为实现上述目的,本发明提供如下技术方案:一种基于AI对话的心理体检方法,包括:
获取用户与预设AI虚拟人的对话数据,对所述对话数据进行关键词提取,获得用户初始心理类型,所述对话数据包括用户的语音数据、表情数据和心率数据;
基于所述用户初始心理类型为所述用户匹配对应类型的心理状态量表进行评估,以获取所述用户的心理问题意向类型;
基于所述用户的心理问题意向类型对用户进行对话提问获得对话关键词,并基于所述对话关键词生成心理结构初始关系图;
将所述语音数据、表情数据和心率数据输入至预设的多模态情感分析模型中,以计算所述对话关键词在所述心理结构初始关系图中的关系权重;
基于所述关系权重更新所述心理结构初始关系图获得心理结构显著关系图;
基于所述心理结构显著关系图对用户的心理状态进行评估。
在一个实施例中,所述获取用户与预设AI虚拟人的对话数据,对所述对话数据进行关键词提取,获得用户初始心理类型包括:
依据预设的语音识别模型将所述语音数据转换为文本,使用逐点互信息对所述文本进行分词获取词组;
依据预设的领域词权重方法计算所述词组在心理学领域信息中的词组权重,以提取关键词;
使用深度语义匹配模型计算所述关键词与预设类型的心理词汇相似度,获得用户初始心理类型。
在一个实施例中,所述表情数据和心率数据的获取方式包括:
依据卷积神经网络对用户面部表情进行采集以获取表情数据;
使用心率监测器获取用户在对话过程中的心率数据。
在一个实施例中,所述基于所述用户初始心理类型为所述用户匹配对应类型的心理状态量表进行评估,以获取所述用户的心理问题意向类型包括:
基于用户初始心理类型选择多个心理状态量表;
匹配用户基本信息和所述心理状态量表,并选择匹配度最高的心理状态量表对用户进行评估。
在一个实施例中,所述将所述语音数据、表情数据和心率数据输入至预设的多模态情感分析模型中,以计算所述对话关键词在所述心理结构初始关系图中的关系权重包括:
将所有的对话关键词划分为第一层级关键词和第二层级关键词,其中,每个第一层级关键词均包括多个第二层级关键词;
将所述语音数据、表情数据和心率数据输入至预设的多模态情感分析模型中,获得所述第二层级关键词在所述心理结构初始关系图中的关系权重;
基于所述第二层级关键词在所述心理结构初始关系图中的关系权重计算各所述第一层级关键词在所述心理结构初始关系图中的关系权重。
在一个实施例中,所述基于所述关系权重更新所述心理结构初始关系图获得心理结构显著关系图包括:
对所有对话关键词的关系权重进行归一化处理得到归一化权重;
基于所述归一化权重更新所述心理结构初始关系图获得心理结构显著关系图。
一种基于AI对话的心理体检系统,包括:处理器和存储器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序以实现如权利要求1-6任一项所述的一种基于AI对话的心理体检方法的步骤。
本发明的有益效果为:
1.首先通过AI虚拟人对用户进行对话,并且在对话的过程中对用户的表情数据和心率数据进行采集,并且获取用户的心理问题意向类型,得到用户的心理问题大致方向之后再次进行引导对话,从而缩小心理问题的范围,并构建心理结构初始关系图,随后将表情数据和心率数据输入至预设的多模态情感分析模型中计算,更新心理结构初始关系图,从而能够更加全面的对用户进行心理检测,提高检测的精确性。
2.并且通过AI虚拟人与用户进行有针对性的对话交流,AI虚拟人在对用户交流的同时将数据进行整理计算,从而能够引导用户的对话,还提高了心理检测的效率。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是示意性示出了该基于AI对话的心理体检方法的流程图。
图2是示意性示出了计算机部分结构图。
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。
下面结合附图来详细描述本发明的具体实施方式。
获取用户与预设AI虚拟人的对话数据,对对话数据进行关键词提取,获得用户初始心理类型,对话数据包括用户的语音数据、表情数据和心率数据。
用户开始使用设备时,AI虚拟人与用户进行基础对话获取对话内容,并对对话内容进行关键词提取,以获得用户心理状态方向,首先基础对话内容主要包括:性别、年龄、职业身份等,以此了解用户的基本信息,并通过基本信息进行对话引导,对用户进行提问,以了解用户可能存在的心理状态方向。
AI虚拟人是利用人工智能技术创建的虚拟角色,它可以模拟人类的语言、表情、行为和思维过程。AI虚拟人通常可以用于各种应用场景,例如虚拟助手、客服代理、教育培训等。它们可以与人进行实时对话,并提供有关特定主题的信息和帮助。AI虚拟人的目的是通过模拟人类思维和行为,与用户互动并提供有价值的服务。
首先,依据预设的语音识别模型将语音数据转换为文本,使用逐点互信息对文本进行分词,获取词组,语音识别模型是一种用于将语音信号转换为文本的算法模型,以下是一些常见的语音识别模型:隐马尔可夫模型(Hidden Markov Model,HMM),HMM是一种经典的语音识别模型,它基于声学模型和语言模型,通过计算声学特征和语言概率来进行识别;深度神经网络(Deep Neural Network,DNN),DNN是一种基于多层神经网络的语音识别模型,它可以通过训练大量的语音数据来自动学习声学特征和语言模型;循环神经网络(Recurrent Neural Network,RNN),RNN是一种适用于序列数据处理的神经网络模型,它在语音识别中常用于建模上下文信息和处理变长序列;递归神经网络(Recursive NeuralNetwork,RecNN),RecNN是一种能够处理树形结构数据的神经网络模型,它在语音识别中可以用于建模语言模型;这些模型通常会结合使用,并与其他技术如声学特征提取、语言模型等相结合,以提高语音识别的准确性和性能。
依据预设的领域词权重方法计算词组在心理学领域信息中的词组权重,以提取关键词,将得到的每个词组进行权重计算,同样设置有一个权重阈值,再将计算好的词组权重与阈值进行对比,以此通过计算每个词在心理学领域信息中的作用来衡量该词在领域中的重要性,当词组权重大于预设阈值时,即表明该词组为心理学领域中的关键词,例如表达与情绪相关的词汇有压抑,焦躁等,对该关键词进行提取,使用深度语义匹配模型计算关键词与预设类型的心理词汇相似度,得出用户最有可能有心理问题的方向,如抑郁,社交心理,自我意识等,从而获得用户初始心理类型。
其中,对话数据包括用户的语音数据、表情数据和心率数据,表情数据和心率数据的获取方式包括:依据卷积神经网络对用户面部表情进行采集以获取表情数据,将患者的表情数据与语音数据进行同步匹配,从而能够通过表情提高判断的效果,进一步提高用户心理检测的准确率,使得对用户的心理判断更加的全面,卷积神经网络(ConvolutionalNeural Network,CNN)是一种广泛应用于图像识别和处理任务的深度学习模型,它是受人类视觉系统启发而设计的一种神经网络结构,CNN的核心思想是通过卷积操作来提取图像中的特征,并以层次化的方式学习抽象级别更高的特征表示,它包含多个卷积层和池化层,最后通过全连接层实现分类或回归任务,卷积层使用一组可学习的滤波器(或卷积核)来进行卷积操作,从而获取图像不同位置的特征,这些特征表示将捕捉到不同的边缘、纹理等低级特征,池化层通过对特征图进行下采样,降低图像的空间尺寸,减少参数数量,并且提取出更加显著的特征,最终,通过全连接层将提取到的特征与标签进行关联,实现分类或回归任务,卷积神经网络在图像识别、目标检测、图像分割等领域取得了显著的成果,成为深度学习领域中不可或缺的重要模型。
使用心率监测器获取用户在对话过程中的心率数据,使得AI虚拟人在与用户进行对话交流的过程中同时对用户的心率数据进行监测并获取,心率监测器是一种设备,用于测量和记录人体的心率,它通常由一个传感器和一个显示屏组成,传感器可以直接接触皮肤,或者通过佩戴在手腕或胸部的装置来测量心率,一旦心率被测量并记录,用户可以通过显示屏或连接的应用程序查看他们的心率数据,这样在对用户进行心理检测时,能够基于所检测的心率数据进行分析,使得对用户的心理判断更加全面。
基于用户初始心理类型,为用户匹配对应类型的心理状态量表进行评估,以获取用户的心理问题意向类型,首先基于用户初始心理类型选择多个心理状态量表,心理状态量表是一种通过填写问题以了解个人心理状态的工具,可以帮助人们更好地了解自己的内心,发现存在的问题,并采取相应的措施来解决问题,心理状态量表填写是心理体检的重要环节,具有科学、规范、容易标准化和量化的特征,能够较为全面而系统地评估咨询者的心理健康状态,是心理体检过程中不可或缺的基础性心理技术,随后,匹配用户基本信息和心理状态量表,用户基本信息包括年龄、职业身份,其中,心理状态量表包括三类,分别为:第一心理状态量表、第二心理状态量表,第三心理状态量表。
第一心理状态量表主要问题方向为学习障碍,第二心理状态量表主要问题方向为情绪障碍,第三心理状态量表主要问题方向为品德缺陷,并且第一心理状态量表还根据年龄分为多个次级第一心理状态量表,第二心理状态量表还根据年龄分为多个次级第二心理状态量表,第三心理状态量表还根据年龄分为多个次级第三心理状态量表,同时第一心理状态量表、第二心理状态量表、第三心理状态量表、还根据职业身份再次进行划分等,从而使得在获得用户初始心理类型之后,可以快速确定多个心理状态量表,并根据用户的年龄和职业身份选择匹配度最高的心理状态量表对用户进行评估,让用户进行填写匹配度最高的心理状态量表。
依据评分系统会自动对用户填写的心理状态量表进行计分,并进行统计评分,从而获取用户的心理问题意向类型,对用户心理检测的范围再次进行缩小,以第二心理状态量表为例,该量表共包含10个维度的测试,即所有90个题目分为10大类,每一类反映受测者某一方面的情况,其中9个维度都与某种症状或症候群相关,这些维度分别是:焦虑、抑郁、人际关系敏感、强迫症状、敌对、恐怖症状、偏执狂、精神病性症状、显著心理创伤;最后一类为其它,主要反映睡眠及饮食情况,每个维度下都有5-10个具体的评估项,在评估时用户需要按照每个症状的出现频率和严重程度进行自评打分,最终得出的评分可以在一定程度上初步反映个体心理症状的严重程度,每个维度指数的常模为10分,若用户量表评分中任一维度因子分数超过2分,则可以表明用户在该方向可能存在问题,需要进一步进行确认,系统将读取用户每一项的评分,获取用户的心理问题意向类型。
由于心理状态量表的评分仅是基于用户自评的方式进行评分,其参考价值仍存在不够客观,准确的问题。因此还需要通过对话、聊天等方式得到更多信息以进一步确认用户情况,是否确实在该方向存在困扰,或在填写过程中有失偏颇。
基于用户的心理问题意向类型对用户进行对话提问,获得对话关键词,并基于对话关键词生成心理结构初始关系图。
AI虚拟人根据用户的心理问题意向类型再次对用户进行引导问话,并再次计算分析对话数据,并提取对话关键词,基于提取的对话关键词生成心理结构的初始关系图,以使对心理问题的范围再次缩小,其中,对话关键词划分为第一层级关键词和第二层级关键词,每个第一层级关键词均包括多个第二层级关键词,将语音数据、表情数据和心率数据输入至预设的多模态情感分析模型中,获得第二层级关键词在心理结构初始关系图中的关系权重。
多模态情感分析模型是一种能够从多种感知模态,例如文本、图像、语音等中提取信息、分析情感的模型,它可以同时捕捉不同感知模态之间的关联关系,从而对情感进行更全面和准确的分析,多模态情感分析模型的设计通常涉及以下几个关键步骤:数据预处理,多模态数据通常包括文本、图像、语音等多种模态信息,在预处理阶段,需要将不同模态的数据转换成可供模型使用的统一表示形式,例如将图像转换为特征向量,将文本转换为词嵌入向量等,模态融合,在多模态情感分析中,模态融合是一个重要的步骤,它可以通过串联、并联或注意力机制等方式将不同模态的信息融合在一起,例如,在本实施例中可以将语音数据、表情数据和心率数据串联起来输入到神经网络中,结合特征提取与表示学习,多模态情感分析模型需要学习每个感知模态中的特征表示,以便更好地表达情感信息,可以通过卷积神经网络、循环神经网络、自注意力机制等深度学习方法来实现。多模态情感分析模型在诸如情感识别、情感推理、情感生成等任务中具有广泛的应用,可以提供更全面、准确的情感分析结果。
基于第二层级关键词在心理结构初始关系图中的关系权重计算各第一层级关键词在心理结构初始关系图中的关系权重,从而获得第一层级关键词和第二层级关键词权重,并对所有对话关键词的关系权重进行归一化处理得到归一化权重,最后通过归一化权重更新心理结构初始关系图获得心理结构显著关系图。
AI虚拟人将根据心理结构显著关系图是否推荐用户尽快前往医院进行就医,并可以帮助用户主动联系专业医师或医院等操作,以协助医生尽快对用户进行治疗,从而通过AI对话的心理体检方法能够更加全面的对用户进行心理检测,提高检测的精确性,并且通过AI虚拟人与用户进行有针对性的对话交流,还提高了心理检测的效率。
本发明还提供了一种基于AI对话的心理体检系统,如图2所示,系统包括处理器和存储器,存储器存储有计算机程序指令,当计算机程序指令被处理器执行时实现根据本发明第一方面的一种基于AI对话的心理体检方法。
在一个实施例中,该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置,其中,该计算机设备的处理器用于提供计算和控制能力,可以选择CPU、单片机、DSP或者FPGA等各种品种。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。当计算机程序被执行时,可以完成上述方法实施例中所描述的步骤。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于AI对话的心理体检方法及系统。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图2中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件,其设置和功能为本领域中已知,因此在此不再赘述。
在本发明中,前述的存储器可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质,比如,阻变式存储器RRAM(Resistive RandomAccess Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等,或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
在本说明书的描述中,“多个”、“若干个”的含义是至少两个,例如两个,三个或更多个等,除非另有明确具体的限定。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种基于AI对话的心理体检方法,其特征在于,包括:
获取用户与预设AI虚拟人的对话数据,对所述对话数据进行关键词提取,获得用户初始心理类型,所述对话数据包括用户的语音数据、表情数据和心率数据;
基于所述用户初始心理类型为所述用户匹配对应类型的心理状态量表进行评估,以获取所述用户的心理问题意向类型;
基于所述用户的心理问题意向类型对用户进行对话提问获得对话关键词,并基于所述对话关键词生成心理结构初始关系图;
将所述语音数据、表情数据和心率数据输入至预设的多模态情感分析模型中,以计算所述对话关键词在所述心理结构初始关系图中的关系权重;
基于所述关系权重更新所述心理结构初始关系图获得心理结构显著关系图;
基于所述心理结构显著关系图对用户的心理状态进行评估;
所述将所述语音数据、表情数据和心率数据输入至预设的多模态情感分析模型中,以计算所述对话关键词在所述心理结构初始关系图中的关系权重包括:
将所有的对话关键词划分为第一层级关键词和第二层级关键词,其中,每个第一层级关键词均包括多个第二层级关键词;
将所述语音数据、表情数据和心率数据输入至预设的多模态情感分析模型中,获得所述第二层级关键词在所述心理结构初始关系图中的关系权重;
基于所述第二层级关键词在所述心理结构初始关系图中的关系权重计算各所述第一层级关键词在所述心理结构初始关系图中的关系权重;
所述基于所述关系权重更新所述心理结构初始关系图获得心理结构显著关系图包括:
对所有对话关键词的关系权重进行归一化处理得到归一化权重;
基于所述归一化权重更新所述心理结构初始关系图获得心理结构显著关系图。
2.根据权利要求1所述的一种基于AI对话的心理体检方法,其特征在于,所述获取用户与预设AI虚拟人的对话数据,对所述对话数据进行关键词提取,获得用户初始心理类型包括:
依据预设的语音识别模型将所述语音数据转换为文本,使用逐点互信息对所述文本进行分词获取词组;
依据预设的领域词权重方法计算所述词组在心理学领域信息中的词组权重,以提取关键词;
使用深度语义匹配模型计算所述关键词与预设类型的心理词汇相似度,获得用户初始心理类型。
3.根据权利要求1所述的一种基于AI对话的心理体检方法,其特征在于,所述表情数据和心率数据的获取方式包括:
依据卷积神经网络对用户面部表情进行采集以获取表情数据;
使用心率监测器获取用户在对话过程中的心率数据。
4.根据权利要求1所述的一种基于AI对话的心理体检方法,其特征在于,所述基于所述用户初始心理类型为所述用户匹配对应类型的心理状态量表进行评估,以获取所述用户的心理问题意向类型包括:
基于用户初始心理类型选择多个心理状态量表;
匹配用户基本信息和所述心理状态量表,并选择匹配度最高的心理状态量表对用户进行评估。
5.一种基于AI对话的心理体检系统,其特征在于,包括:处理器和存储器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序以实现权利要求1-4任一项所述的一种基于AI对话的心理体检方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311456856.5A CN117158971B (zh) | 2023-11-03 | 2023-11-03 | 一种基于ai对话的心理体检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311456856.5A CN117158971B (zh) | 2023-11-03 | 2023-11-03 | 一种基于ai对话的心理体检方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117158971A CN117158971A (zh) | 2023-12-05 |
CN117158971B true CN117158971B (zh) | 2024-01-26 |
Family
ID=88930357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311456856.5A Active CN117158971B (zh) | 2023-11-03 | 2023-11-03 | 一种基于ai对话的心理体检方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117158971B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114944219A (zh) * | 2022-05-17 | 2022-08-26 | 平安科技(深圳)有限公司 | 基于人工智能的心理量表推荐方法及装置、存储介质 |
KR102507811B1 (ko) * | 2022-10-28 | 2023-03-10 | 주식회사 닥터송 | 공감 심리학 기반의 챗봇 서비스를 통한 유저 심리 관리 시스템 |
CN116616770A (zh) * | 2023-04-18 | 2023-08-22 | 厦门诸格量科技有限公司 | 基于语音语义分析的多模态抑郁症筛查评测方法及其系统 |
CN116807476A (zh) * | 2023-08-25 | 2023-09-29 | 北京智精灵科技有限公司 | 基于界面式情感交互的多模态心理健康评估系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210098110A1 (en) * | 2019-09-29 | 2021-04-01 | Periyasamy Periyasamy | Digital Health Wellbeing |
KR102442425B1 (ko) * | 2022-01-20 | 2022-09-15 | 주식회사 하이 | 심리 상태 분류 방법, 심리 상태 분류 서버 및 컴퓨팅 장치 |
-
2023
- 2023-11-03 CN CN202311456856.5A patent/CN117158971B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114944219A (zh) * | 2022-05-17 | 2022-08-26 | 平安科技(深圳)有限公司 | 基于人工智能的心理量表推荐方法及装置、存储介质 |
KR102507811B1 (ko) * | 2022-10-28 | 2023-03-10 | 주식회사 닥터송 | 공감 심리학 기반의 챗봇 서비스를 통한 유저 심리 관리 시스템 |
CN116616770A (zh) * | 2023-04-18 | 2023-08-22 | 厦门诸格量科技有限公司 | 基于语音语义分析的多模态抑郁症筛查评测方法及其系统 |
CN116807476A (zh) * | 2023-08-25 | 2023-09-29 | 北京智精灵科技有限公司 | 基于界面式情感交互的多模态心理健康评估系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117158971A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461176B (zh) | 基于归一化互信息的多模态融合方法、装置、介质及设备 | |
US11488718B2 (en) | Computer aided medical method and medical system for medical prediction | |
CN110570941B (zh) | 一种基于文本语义向量模型评估心理状态的系统和装置 | |
CN112185493A (zh) | 人格偏好诊断装置及基于该装置的项目推荐系统 | |
WO2023160264A1 (zh) | 医疗数据处理方法、装置及存储介质 | |
Lu et al. | Speech depression recognition based on attentional residual network | |
Gillespie et al. | Identification of affective state change in adults with aphasia using speech acoustics | |
CN114191665A (zh) | 机械通气过程中人机异步现象的分类方法和分类装置 | |
CN113658690A (zh) | 一种智能导医方法、装置、存储介质以及电子设备 | |
CN112349367B (zh) | 一种生成仿真病历的方法、装置、电子设备及存储介质 | |
CN117158971B (zh) | 一种基于ai对话的心理体检方法及系统 | |
CN110377698B (zh) | 基于阅读理解的任务处理方法及装置、设备及可读介质 | |
Amini et al. | Word associations contribute to machine learning in automatic scoring of degree of emotional tones in dream reports | |
Rashid et al. | CoughNet-V2: A scalable multimodal DNN framework for point-of-care edge devices to detect symptomatic COVID-19 cough | |
CN115862897A (zh) | 一种基于临床数据的症候群监测方法及系统 | |
CN115497621A (zh) | 一种老年人认知状况测评系统 | |
CN116110578A (zh) | 一种计算机辅助抑郁症状诊断的筛查装置 | |
US20190374150A1 (en) | Diagnosing system for consciousness level measurement and method thereof | |
CN114496231A (zh) | 基于知识图谱的体质识别方法、装置、设备和存储介质 | |
Rosdiana et al. | APPLICATION AND ATTRIBUTE ANALYSIS IN THE MODEL OF CLASSIFYING HEART DISEASE | |
CN113855022A (zh) | 基于眼动生理信号的情绪评估方法及装置 | |
Yang et al. | Detecting Signs of Depression for Using Chatbots–Extraction of the First Person from Japanese | |
Cheng et al. | Mining discriminative patterns to predict health status for cardiopulmonary patients | |
KR20130026845A (ko) | 설문 정보를 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
Md et al. | A Radical Approach To Depression Detection |
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 |