基于互联网+机器学习的心理健康预警技术
来源:用户上传
作者:
摘要：本文利用基于机器学习进行批量处理数据，对心理患者的情感表达文本数据进行大量的训练，并利用训练好的机器学习模型对心理疾病的数据进行心理情感分析，最后得出了用户的心理健康变化情况并对用户进行实时预警。本文实现了一对多跟踪患者的病情发展，实时分析患者心理健康状态，解决心理医生数量匮乏的问题。
[關键词]机器学习语义分析心理健康情感分析
1引言
随着互联网的发展，终端设备越来越越受到人们的喜欢，每一个人都通过输入法进行文本的输出，越来越多的人在通过万维网进行检索自己对世界的未知，通过了解万维网知道我们需要的信息，Web3.0的来临数据信息量的大幅度增长，信息存在着人们的情感，人对实物具有情感表达，输入法和网页浏览承载着人们的情感表达。在国内，心理健康医疗资源匮乏，心理医生人数较少，难以面向海量的患者，而传统的心里咨询问诊的方式下，心理医生能够接待的患者人数非常有限，很难实现大规模的病人管理。
由于无法实时监控和分析患者的心理情况，使很多心理患者存在不知道自身的心理情况。因此，亟需一款能够及时进行心理状态的实时跟踪、评级及预警的心理健康系统。
本文研究的是如何提高心理医生的工作效率和实时跟踪预警患者的心理情况。改变传统的问诊咨询模式转为一对多的实时跟踪预警问诊模式。
2机器学习处理情感分析
朴素贝斯算法为文本研究实验的算法，是因为它具有非常高的稳定性、易于实现、出错率很低、逻辑比较简单、对资源占用开销小、很强的理论性。机器学习依赖于语料，本文所研究的语料分为两类，即积极文本语料和消极文本语料，用机器学习方法进行处理和训练这两类数据。通过机器学习的情感分析对文本分析出[0，1]区间的概率，[0-0.5]的概率视为消极文本数据，[0.5-1]的概率视为积极文本数据。
本文使用Python进行自然语言处理，包括英文文本情感分析NaturalLanguageToolkit（NLTK），和中文文本情感分析SnowNLP。SnowNLP是用于处理中文文本情感分析的python类库，是自然语言处理基于机器学习对文本数据分析的一种高效率、准确的情感分析。
3系统设计
系统主要包括：客户端、服务端、医生端、家属端。
客户端主要作用采集用户文本数据和基本客户端技术，经过数据采集、网页记录爬虫、API映射。
服务端为客户端、医生端及家属端提供Web后端、数据库及心理健康评级预警的业务逻辑。服务端的主要实现的业务逻辑主要包括情感分析和健康评级，情感分析通过语义分析的手段，文本分类主要是由机器学习进行监督学习，构建具有人工标注的语料库实现。
医生端主要显示与该医生绑定的用户的状态，在用户心理健康水平较差时发出预警，以由医生及时心理干预。
家属端针对患者当前心理健康状况，推送相关的辅助治疗信息，使得患者家属具备科学的心理干预知识，以便进行家庭治疗。
4实验结果与分析
本实验研究的是心理健康预警系统，预警的目的主要是实现医生的快速干预和辅助意思是治疗，实验数据主要通过分析心理疾病病人的日常表现和文字表述。系统的服务端主要采用python语言开发，实验数据的形式基于分割成句子的形式来做测试数据和基于文本的形式来做测试数据。在实验之前需要进行机器学习模型训练，实验的语料库主要有两种数据，积极文本数据和消极文本数据。
实验评估指标：本实验采用文本统计的平均值来评估一个用户在心理健康评级的等级，等级分为差，中，好。在系统测试用户的数据中，依据上述所说的概率值大于0.5的视为积极语句，概率小于0.5的视为消极语句。本实验采用多次数据测试减少误差。
采用评估函数进行评定用户的心理健康评级，例如一个用户的测试数据采用公式进行统计。一个用户测试数据有10个语句，分别
统计积极语句文本的数量和消极数据的数量。计算消极率公式：
m表示消极文本的数量，M表示文本的总数量。
K表示积极文本的数量，M表示文本的总数量。
p表示消极率，Mp表示文本数量率的总数
（1）平均健康率在1%-30%被评为心理健康差的等级
（2）平均健康率在31%-80%被评为心理建康中的等级
（3）平均健康率在81%-100%被评为心理健康好的等级
在预警周期内，预警阈值设置为30%，即如果平均健康率低于30%，将发出预警报告，通知医生端进行心理健康干预和治疗。
5结束语
本文研究了互联网+机器学习的心理健康预警系统，该系统包括客户端、服务端、医生端、家属端。通过客户端进行数据采集，由服务端进行语义分析与健康评级，并将数据反馈给心理医生和家属端。本文为医生监测心理疾病患者心理健康状况提供了一种新的思路。
参考文献
[1]杨佳能。基于语义分析的中文微博情感分类研究[D].广东外语外贸大学，2014.
[2]郭勋诚。朴素贝叶斯分类算法应用研究[J].通讯世界，2019，26（01）：241-242.
转载注明来源:https://www.xzbu.com/1/view-14925718.htm
