一种采集和处理认知信息的系统和方法技术方案

本发明专利技术提供一种采集和处理认知信息的系统，包括依次连接的信息收集模块、人工智能模块以及干预模块；信息收集模块设置为收集用户的表型信息，表型信息中的心理状态信息通过智能设备上的用户输入收集，生理感受参数通过可穿戴设备收集；人工智能模块在使用前，接收信息收集模块收集且经过人工标注的表型信息作为样本数据集，进行机器学习；并在使用时，根据表型信息进行信息处理以输出干预方案建议；干预模块设置为根据人工智能模块输出的干预方案建议，来输出任务清单，提醒用户实施干预方案。本发明专利技术还提供了相应的方法。本发明专利技术的采集和处理认知信息的系统和方法可以提高来访对于咨询参与的积极性，并为咨询师提供干预方案选择建议。选择建议。选择建议。

【技术实现步骤摘要】
一种采集和处理认知信息的系统和方法


[0001]本专利技术属于认知信息采集及处理领域，具体涉及采集和处理认知信息的系统和方法。

技术介绍

[0002]目前，心理咨询的一线方法为基于认知行为理论的CBT(认知行为疗法)及其衍生出来的CBTi(失眠认知行为疗法)、ACT(接纳承诺疗法)、DBT(辨证行为疗法)、BT(行为疗法)法。
[0003]常规的咨询周期为每周一次。如图1所示，每次心理咨询的过程可以分为：收集信息，处理信息，制定干预方案，实施干预方案几个部分。
[0004]步骤1：收集信息。利用认知信息收集模块来收集相对于来访(即来访者)的咨询的过去一周的心理状态。收集信息的过程主要依赖于来访在两次咨询的间隔内自行记录。认知信息收集模块的详细内容如图2所示，包括情绪模块、行为模块、感受模块、思维模块和情境模块等等。
[0005]步骤2：处理信息。根据上一步采集的信息进行评估，具体包括：
[0006]1.评估来访当前的心理状态；心理状态由情绪、思维、感受、行为几个方面组成。
[0007]2.评估来访上一次咨询干预方案的执行情况以及执行的效果；
[0008]步骤3：制定干预方案。
[0009]咨询师要依托个人经验根据上一步的评估结果制定干预方案。由于上一步的评估结果中所包含的心理状态由情绪、思维、感受、行为几个方面组成，因此，在步骤3具体包括：
[0010]1.咨询师首先要对以上4个方面进行排序，选择优先干预哪个方面；
[0011]2.针对具体的干预方向制定不同的干预方案。
[0012]步骤4：实施干预方案。来访在非咨询时间内自行实施干预方案，并对自身的心理状态进行记录。
[0013]现有技术的缺点在于：
[0014]在收集信息的步骤中：来访(即来访者)在咨询间隔期间内，现有方式以纸质表单填写为主，通过填写不同的表来手动记录自己的心理状态，有大量的信息需要收集，使用不便。不便利会导致参与度低，来访会因为没有完成记录，会减弱参与感，减弱对于咨询的信心。此外，对于收集到的数据，要等到下一次(一周以后)咨询咨询师对数据处理后，将结果反馈给来访，来访才能得到上一周个人状态的反馈。信息处理有明显的滞后性，同样影响来访参与咨询的积极性。
[0015]在处理信息/制定干预方案的步骤中：目前针对来访心理状态的信息处理具有滞后性，每周一次由咨询师处理，会影响来访参与咨询的积极性。此外，不同的咨询师由于经验的差异，对于相同的信息会有不同的处理结果，对于不同的咨询师，干预方案的选择方面会有明显的个人差异，已有的证据表明，这种差异会导致明显的咨询进度的差异，考虑到处于同一水平(受训背景以及咨询时长)的咨询师，对于信息的处理结果高度类似，建议采用
标准化的咨询框架替代个性化的框架。然而，资深咨询师的工作时间是有限的，没办法把制定干预方案的能力扩展到更多来访。

技术实现思路

[0016]本专利技术的目的在于提供一种采集和处理认知信息的系统和方法，以提高来访对于咨询参与的积极性，并为咨询师提供干预方案选择建议。
[0017]为了实现上述目的，本专利技术提供一种采集和处理认知信息的系统，包括依次连接的信息收集模块、人工智能模块以及干预模块；所述信息收集模块设置为收集用户的表型信息，用户的表型信息包括用户的心理状态信息和与心理状态相关的生理感受参数，心理状态信息通过智能设备上的用户输入收集，用户的生理感受参数通过可穿戴设备收集；所述人工智能模块设置为在使用前，接收信息收集模块收集且经过人工标注的用户的表型信息作为样本数据集，进行机器学习；并在使用时，根据用户的表型信息进行信息处理以输出干预方案建议；所述干预模块设置为根据人工智能模块输出的干预方案建议，来输出任务清单，提醒用户实施干预方案。
[0018]所述信息收集模块设置为在智能设备上显示心理状态参数的信息以供用户选择，以此来通过智能设备上的用户输入收集心理状态参数。
[0019]所述信息收集模块包括情绪模块、行为模块、感受模块、思维模块以及情境模块；情绪模块设置在智能设备上显示情绪信息以供用户选择；行为模块设置为在智能设备上显示行为信息以供用户选择；思维模块设置为在智能设备上显示思维信息以供用户选择；情境模块设置为在智能设备上显示情境信息以供用户选择；感受模块包括主观感受模块和生理感受模块，主观感受模块设置为在智能设备上显示主观感受信息以供用户选择；生理感受模块设置为通过可穿戴设备实时收集用户的生理参数。
[0020]所述干预方案建议包括各个干预目标下的干预方案和干预目标优先级；人工智能模块包括分别用于输出各个干预目标下的干预方案的多个干预模块以及用于输出干预目标优先级的隐马尔可夫模型，每个干预目标分别对应于一个干预模块；所述机器学习对所述人工智能模块的干预模块和隐马尔可夫模型进行。
[0021]所述干预模块包括以行为作为干预目标的行为干预模块、以感受作为干预目标的感受干预模块、以情绪作为干预目标的情绪干预模块以及以思维作为干预目标的思维干预模块。
[0022]所述神经网络协同过滤框架的机器学习，包括：
[0023]A1：获取多个不同类型的用户的表型信息，并获取经过人工标注得到的各个类型的用户所推荐采用的干预手段，作为样本数据集；将用户和干预手段变换为矩阵形式，得到用户
‑
干预项矩阵；
[0024]A2：在神经网络协同过滤框架的嵌入层，将用户
‑
干预项矩阵的用户向量和干预项向量分别采用嵌入方法映射成k维向量，然后作为输入参数输入到神经网络协同过滤框架的协同过滤层；
[0025]A3：在协同过滤层，通过点积运算计算用户向量和干预项向量乘积的各维度值，Sigmoid函数作为神经网络的激活函数，最终在输出层得到各个用户u选择干预项i的预测评分y
’
ui
；
[0026]A4：利用损失函数来拟合用户
‑
干预项矩阵中用户的干预项，以对所述神经网络协同过滤框架进行训练；
[0027]且每个干预模块设置为执行如下步骤，来根据用户的表型信息输出经过排序的干预项，作为干预模块的干预目标下的干预方案：根据信息收集模块采集的用户的表型信息，确定样本数据集中的各个用户分别与待推荐用户的表型信息之间的相似度，从样本数据集中的各个用户中找出相似度最高的用户，利用所述神经网络协同过滤框架获取相似度最高的用户所对应的经过排序的干预项并输出。
[0028]所述损失函数为基于分类数据的二值交叉熵损失函数；所述任意两个用户的表型信息之间的相似度为jaccard系数。
[0029]所述隐马尔可夫模型的机器学习，包括：
[0030]B1：获取多个不同类型的用户的表型信息，并获取经过人工标注得到的各个类型的用户所推荐采用的干预目标优先级，作为样本数据集；
[0031]B2：将用户的表型信息按照类别预先分类成与干预目标对应的多个部分，每个部分根据有与该部分对应的表型信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采集和处理认知信息的系统，其特征在于，包括依次连接的信息收集模块(100)、人工智能模块(200)以及干预模块(300)；所述信息收集模块(100)设置为收集用户的表型信息，用户的表型信息包括用户的心理状态信息和与心理状态相关的生理感受参数，心理状态信息通过智能设备(400)上的用户输入收集，用户的生理感受参数通过可穿戴设备(500)收集；所述人工智能模块(200)设置为在使用前，接收信息收集模块(100)收集且经过人工标注的用户的表型信息作为样本数据集，进行机器学习；并在使用时，根据用户的表型信息进行信息处理以输出干预方案建议；所述干预模块(300)设置为根据人工智能模块(200)输出的干预方案建议，来输出任务清单，提醒用户实施干预方案。2.根据权利要求1所述的采集和处理认知信息的系统，其特征在于，所述信息收集模块(100)设置为在智能设备(400)上显示心理状态参数的信息以供用户选择，以此来通过智能设备(400)上的用户输入收集心理状态参数。3.根据权利要求2所述的采集和处理认知信息的系统，其特征在于，所述信息收集模块(100)包括情绪模块(110)、行为模块(120)、感受模块(130)、思维模块(140)以及情境模块(150)；情绪模块(110)设置在智能设备(400)上显示情绪信息以供用户选择；行为模块(120)设置为在智能设备(400)上显示行为信息以供用户选择；思维模块(140)设置为在智能设备(400)上显示思维信息以供用户选择；情境模块(150)设置为在智能设备(400)上显示情境信息以供用户选择；感受模块(130)包括主观感受模块(131)和生理感受模块(132)，主观感受模块(131)设置为在智能设备(400)上显示主观感受信息以供用户选择；生理感受模块(132)设置为通过可穿戴设备(500)实时收集用户的生理参数。4.根据权利要求1所述的采集和处理认知信息的系统，其特征在于，所述干预方案建议包括各个干预目标下的干预方案和干预目标优先级；人工智能模块(200)包括分别用于输出各个干预目标下的干预方案的多个干预模块(210)以及用于输出干预目标优先级的隐马尔可夫模型(220)，每个干预目标分别对应于一个干预模块；所述机器学习对所述人工智能模块(200)的干预模块(210)和隐马尔可夫模型(220)进行。5.根据权利要求4所述的采集和处理认知信息的系统，其特征在于，所述干预模块(210)包括以行为作为干预目标的行为干预模块、以感受作为干预目标的感受干预模块、以情绪作为干预目标的情绪干预模块以及以思维作为干预目标的思维干预模块。6.根据权利要求4所述的采集和处理认知信息的系统，其特征在于，所述神经网络协同过滤框架的机器学习，包括：步骤A1：获取多个不同类型的用户的表型信息，并获取经过人工标注得到的各个类型的用户所推荐采用的干预手段，作为样本数据集；将用户和干预手段变换为矩阵形式，得到用户
‑
干预项矩阵；步骤A2：在神经网络协同过滤框架的嵌入层，将用户
‑
干预项矩阵的用户向量和干预项向量分别采用嵌入方法映射成k维向量，然后作为输入参数输入到神经网络协同过滤框架的协同过滤层；步骤A3：在协同过滤层，通过点积运算计算用户向量和干预项向量乘积的各维度值，Sigmoid函数作为神经网络的激活函数，最终在输出层得到各个用户u选择干预项i的预测
评分y
’
ui
；步骤A4：利用损失函数来拟合用户
‑
干预项矩阵中用户的干预项，以对所述神经网络协同过滤框架进行训练；且每个干预模块(210)设置为执行如下步骤，来根据用户的表型信息输出经过排序的干预项，作为干预模块(210)的干预目标下的干预方案：根据信息收集模块(100)采集的用户的表型信息，确定样本数据集中的各个用户分别与待推荐用户的表型信息之间的相似度，从样本数据集中的各个用户中找出相似度最高的用户，利用所述神经网络协同过滤框架获取相似度最高的用户所对应的经过排序的干预项并输出；其中，所述损失函数为基于分类数据的二值交叉熵损失函数；所述任意两个用户的表型信息之间的相似度为jaccard系数。7.根据权利要求4所述的采集和处理认知信息的系统，其特征在于，所述隐马尔可夫模型(220)的机器学习，包括：步骤B1：获取多个不同类型的用户的表型信息，并获取经过人工标注得到的各个类型的用户所推荐采用的干预目标优先级，作为样本数据集；步骤B2：将用户的表型信息按照类别预先分类成与干预目标对应的多个部分，每个部分根据有与该部分对应的表型信息的数量来计算总得分，按照每个...

【专利技术属性】
技术研发人员：何熲，
申请(专利权)人：上海暖禾临床心理诊所有限公司，
类型：发明
国别省市：