论文部分内容阅读
摘 要：大學生心理健康问题频发，造成诸多不良后果，为能让学生更准确，更及时的发现自己的里健康问题，本文设计一套基于深度学习的大学生心理测量系统。该系统根据SCL90，UPI等量表，利用深度学习技术进行情感分析和作假判断，以提高心理测试的准确性。用户可通过网页或客户端，进行语音、文字、视频多维度心理测量。系统综合得出准确的心理测量结果并根据分析结果给出相应的治疗方案。同时，本系统拥有持续性心理监测模块，将持续跟踪检测用户心理状态，结合历史检测结果以期彻底解决用户心理问题，提高大学生心理健康水平。
关键词：心理测量;深度学习;多维度测量; 持续监测
1引言
解决大学生心理问题是21世纪高校重点建设方向之一。调研结果显示，高达18.5%的学生存在不同程度的心理健康问题。近两年来，大学生自杀事件屡屡发生，频登微博热搜榜。邻人不解的是近半数的当事学生并未在高校入学心理筛查中检测出任何问题，这使心理筛查的有效性备受公众质疑。
心理测量学（psychometrics）是心理治疗的第一步，也是心理健康教育的“第一粒扣子”。现有常见的心理测量手段包括量表法、投射测验法和仪器测量法。但是这些传统的测量方法均需要被测人主动配合，易于作假，并且被测者在作答时容易犹豫不决，影响测量结果。
本文在深度学习技术的基础上，结合大学生容易出现的各种心理问题，提出大学生心理测量系统，该系统通过chatbot对话、音频、视频等方式收集测量结果，应用科学有效的心理测量进行多维度智能诊断并得出测量结果，通过后期与用户聊天实时追踪改善测量结果。
2心理测量系统设计
2.1心理测量系统架构
2.2心理测量系统主要功能模块
本文研究产品主要实现以下几个功能：多维度心理测量模块，作假检测模块，持续性心理监测模块，快速心理测量模块，心理建议和心灵陪伴模块，
多维度心理测量模块，该模块从chatbot机器人对话、音频、视频等多个维度测量心理状态，智能分析处理用户的自然语言。
作假检测模块，该模块通过收集立体化数据计算测试作假概率，在与用户进行视频时，通过判断用户的语言与情绪是否符合正常一般性，得到测量结果的真实程度。
持续性心理监测模块，该模块随时间迁移，用户可以随时进行心理测量，与chatbot机器人进行聊天，并结合之前的心理测量结果，综合得到用户目前的心理测量结果。
快速心理测量模块，该模块通过用户选择心理测试大方向后，根据相似标签匹配算法得到适合被测者的题库。
心理建议和心灵陪伴模块，该模块通过测试结果，结合专业心理知识，在深度学习，人工智能的基础上给出心理建议和陪伴。
3心理测量系统实现
3.1系统架构和流程
基于深度学习的大学生心理测量系统，针对大学生心理健康工作的需求，本项目将软件开发技术与心理健康测试相结合。利用深度学习技术开发了大学生心理测试系统，采用前后端分离的思想，选择vue.js完成前端web开发，SSM框架完成后端开发，并利用VGG19进行人脸表情识别，word2vec进行自然语言文字处理，综合SCL90等量表进行大学生心理分析。
若用户为第一次使用该系统，则需进行注册操作，然后登录系统。选择是否查看历史分析，之后进入心理咨询阶段，该系统根据心理咨询采集用户表情信息，语音信息和文字信息经汇总后传入云端服务器。在后台系统将语音转换成文字信息，综合表情信息和文字信息系统生成情绪标签，于情绪库进行匹配，最终生成结果传回用户界面。
3.2多维度心理测量模块实现
从chatbot机器人对话、音频、图片等多个维度测量心理状态，智能分析处理用户的自然语言，生成合适的内容。
在自然语言处理中，我们首先利用Jieba算法分词，其次训练一个词向量生成模型（Word2Vec），为训练集建立ID矩阵，最后创建RNN（使用LSTM单元）。
3.3作假检测模块实现
通过收集立体化数据计算测试作假概率，在与用户进行视频时，通过判断用户的语言与情绪是否符合正常一般性，得到测量结果的真实程度。
在图像识别模型中，该系统拟采用深度卷积神经网络来将人脸表情特征提取与表情分类融合到一个End-to-End的网络中。采用了VGG19来完成表情的识别与分类。
3.4快速心理测量模块实现
通过用户选择的关键字标签，使用相似标签匹配算法匹配题库，Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。进行测试。
3.5持续性心里检测模块实现
随时间迁移，用户可以随时进行心力测量，与chatbot机器人进行聊天，并结合之前测量结果，综合得到用户目前心力测量结果
3.6心里建议和心灵陪伴模块实现
通过测试结果，结合专业心理知识，在深度学习，人工智能的基础上给出心里建议和陪伴
4成果展示
该系统可以通过语音、文字或视频多维心力测量方法让测试者与机器人互动，视频时对测试者的表情进行采集从而得到更加准确的结果，在聊天过程中，系统会对用户的聊天内容和表情进行分析，如果用户表现积极则会得到高分，用户表现消极则会得到低分而且回给出相应的建议。
在测试中我们发现测试员表现的很压抑，不仅头特别疼的身体反应而且情绪低落都反应了测试员最近心理出现了问题，系统打出了49.23的低分与实际相符，并给出了及时送医的红色警告的建议
5结语
本文抓住目前大学生最需要解决最值得关注的心理问题，结合大学生所处生活环境，进行案例分析整理、情绪数据收集，应用VGG19、LSTM等前沿技术、通过有效的chatbot对话、音频、视频形式进行智能测量，并根据心理治疗方案给出建议和陪伴，有效处理大学生目前普遍存在的各类心理问题，保证心理健康发展，校园生活安全稳定，社会和谐，国家的栋梁健康成长。
参考文献：
[1]吴连海，王萍，王磊，等。心理健康症状对大学生自杀倾向预测模型的构建[j] 中国健康心理学杂志，2010，18（1）：99-100 。
[2]蒋怀滨，张斌，李强，等。消极完美主义对自杀态度预测机制的内隐实验研究[j] 现代预防医学2015，42（6）：1038-1041.
作者简介：
王若岩，生于1999年2月，男，汉族，山东东营人，天津工业大学本科在读，软件工程方向
基金项目：本文系天津工业大学2019年度大学生实践创新训练计划项目，项目编号：201910058064
关键词：心理测量;深度学习;多维度测量; 持续监测
1引言
解决大学生心理问题是21世纪高校重点建设方向之一。调研结果显示，高达18.5%的学生存在不同程度的心理健康问题。近两年来，大学生自杀事件屡屡发生，频登微博热搜榜。邻人不解的是近半数的当事学生并未在高校入学心理筛查中检测出任何问题，这使心理筛查的有效性备受公众质疑。
心理测量学（psychometrics）是心理治疗的第一步，也是心理健康教育的“第一粒扣子”。现有常见的心理测量手段包括量表法、投射测验法和仪器测量法。但是这些传统的测量方法均需要被测人主动配合，易于作假，并且被测者在作答时容易犹豫不决，影响测量结果。
本文在深度学习技术的基础上，结合大学生容易出现的各种心理问题，提出大学生心理测量系统，该系统通过chatbot对话、音频、视频等方式收集测量结果，应用科学有效的心理测量进行多维度智能诊断并得出测量结果，通过后期与用户聊天实时追踪改善测量结果。
2心理测量系统设计
2.1心理测量系统架构
2.2心理测量系统主要功能模块
本文研究产品主要实现以下几个功能：多维度心理测量模块，作假检测模块，持续性心理监测模块，快速心理测量模块，心理建议和心灵陪伴模块，
多维度心理测量模块，该模块从chatbot机器人对话、音频、视频等多个维度测量心理状态，智能分析处理用户的自然语言。
作假检测模块，该模块通过收集立体化数据计算测试作假概率，在与用户进行视频时，通过判断用户的语言与情绪是否符合正常一般性，得到测量结果的真实程度。
持续性心理监测模块，该模块随时间迁移，用户可以随时进行心理测量，与chatbot机器人进行聊天，并结合之前的心理测量结果，综合得到用户目前的心理测量结果。
快速心理测量模块，该模块通过用户选择心理测试大方向后，根据相似标签匹配算法得到适合被测者的题库。
心理建议和心灵陪伴模块，该模块通过测试结果，结合专业心理知识，在深度学习，人工智能的基础上给出心理建议和陪伴。
3心理测量系统实现
3.1系统架构和流程
基于深度学习的大学生心理测量系统，针对大学生心理健康工作的需求，本项目将软件开发技术与心理健康测试相结合。利用深度学习技术开发了大学生心理测试系统，采用前后端分离的思想，选择vue.js完成前端web开发，SSM框架完成后端开发，并利用VGG19进行人脸表情识别，word2vec进行自然语言文字处理，综合SCL90等量表进行大学生心理分析。
若用户为第一次使用该系统，则需进行注册操作，然后登录系统。选择是否查看历史分析，之后进入心理咨询阶段，该系统根据心理咨询采集用户表情信息，语音信息和文字信息经汇总后传入云端服务器。在后台系统将语音转换成文字信息，综合表情信息和文字信息系统生成情绪标签，于情绪库进行匹配，最终生成结果传回用户界面。
3.2多维度心理测量模块实现
从chatbot机器人对话、音频、图片等多个维度测量心理状态，智能分析处理用户的自然语言，生成合适的内容。
在自然语言处理中，我们首先利用Jieba算法分词，其次训练一个词向量生成模型（Word2Vec），为训练集建立ID矩阵，最后创建RNN（使用LSTM单元）。
3.3作假检测模块实现
通过收集立体化数据计算测试作假概率，在与用户进行视频时，通过判断用户的语言与情绪是否符合正常一般性，得到测量结果的真实程度。
在图像识别模型中，该系统拟采用深度卷积神经网络来将人脸表情特征提取与表情分类融合到一个End-to-End的网络中。采用了VGG19来完成表情的识别与分类。
3.4快速心理测量模块实现
通过用户选择的关键字标签，使用相似标签匹配算法匹配题库，Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。进行测试。
3.5持续性心里检测模块实现
随时间迁移，用户可以随时进行心力测量，与chatbot机器人进行聊天，并结合之前测量结果，综合得到用户目前心力测量结果
3.6心里建议和心灵陪伴模块实现
通过测试结果，结合专业心理知识，在深度学习，人工智能的基础上给出心里建议和陪伴
4成果展示
该系统可以通过语音、文字或视频多维心力测量方法让测试者与机器人互动，视频时对测试者的表情进行采集从而得到更加准确的结果，在聊天过程中，系统会对用户的聊天内容和表情进行分析，如果用户表现积极则会得到高分，用户表现消极则会得到低分而且回给出相应的建议。
在测试中我们发现测试员表现的很压抑，不仅头特别疼的身体反应而且情绪低落都反应了测试员最近心理出现了问题，系统打出了49.23的低分与实际相符，并给出了及时送医的红色警告的建议
5结语
本文抓住目前大学生最需要解决最值得关注的心理问题，结合大学生所处生活环境，进行案例分析整理、情绪数据收集，应用VGG19、LSTM等前沿技术、通过有效的chatbot对话、音频、视频形式进行智能测量，并根据心理治疗方案给出建议和陪伴，有效处理大学生目前普遍存在的各类心理问题，保证心理健康发展，校园生活安全稳定，社会和谐，国家的栋梁健康成长。
参考文献：
[1]吴连海，王萍，王磊，等。心理健康症状对大学生自杀倾向预测模型的构建[j] 中国健康心理学杂志，2010，18（1）：99-100 。
[2]蒋怀滨，张斌，李强，等。消极完美主义对自杀态度预测机制的内隐实验研究[j] 现代预防医学2015，42（6）：1038-1041.
作者简介：
王若岩，生于1999年2月，男，汉族，山东东营人，天津工业大学本科在读，软件工程方向
基金项目：本文系天津工业大学2019年度大学生实践创新训练计划项目，项目编号：201910058064