论文部分内容阅读
随着生活质量的提高,人们越来越关注心理健康问题。本文对现有心理疾病诊断相关工作进行归纳分析发现,目前心理疾病诊断主要有以下问题:一是在测量形式方面,传统的心理疾病诊断通常是在线下面对面的进行,心理医生同时只能面对一个患者,效率低下,而在线心理测评系统主要以在线问卷的形式提供受测者进行作答,选项固定、测量形式单一;二是在算法方面,国内外研究人员在不同领域不断提出新的解决方案的同时,对抑郁症的研究工作相对较少,目前对抑郁症的研究主要使用E-DAIC数据集,而研究人员通常仅使用受测者的回答单方面地判断抑郁情况,并未考虑所提问题对受测者的影响,此外,许多算法中使用了人为设定的情感特征以提高算法的精度,却同时增加了维护成本。针对以上问题,本文设计了一套结合文本情感分析的智能心理测评系统,并通过对需求进行分析,了解到文本情感分析算法在心理测评中扮演的重要角色。本文主要研究抑郁症分类算法,因此设计并实现了一种利用文本情感分析进行抑郁症分类的算法,在提高抑郁症诊断准确度的同时丰富心理测评形式。在系统方面,本系统采用了B/S架构,后端采用Spring Cloud框架对系统功能模块微服务化;前端采用Umi JS作为基础框架;数据库采用开源管理系统Maria DB;同时采用了Kafka、Redis以降低模块间的耦合、提升程序效率。通过对该系统的功能性与非功能性需求展开分析,进而讨论了系统从功能设计到实现再到测试与部署的细节,最终实现了用户子系统与管理员子系统。在抑郁症分类算法方面,考虑到同样的回答对于不同的提问往往含义不同,甚至完全相反,因此所提的问题将影响受测者应答所表达的信息。本文设计的方法在处理输入时同时考虑了“提问”与“回答”,使用了心理学量表PHQ-8作为输入的一部分,通过标准量表提供的信息,使算法的预测更为准确,其F1-score达到了0.73,相较于正式发表的算法提高了0.03。