一种基于异质图的用户心理健康监测方法及系统技术方案

一种基于异质图的用户心理健康监测方法及系统，属于数据处理与分析技术领域，解决如何通过用户的社交网络文本信息和穿戴设备生理信息，采用异质图建立用户的人格画像，对用户的心理健康状态进行检测预警的问题；通过文本信息构建异质图，通过分析文本表达的情感以及从文本中提取出的用户行为来对用户进行人格分析，从而建立用户人格画像，结合人格画像对用户实时发布的文本内容进行分析，若异于常态，再结合用户穿戴设备提供的生理信息进行验证，对用户的心理健康状态进行预警，从而提高用户心理健康干预的准确率，强化用户心理健康监测的正向作用。监测的正向作用。监测的正向作用。

【技术实现步骤摘要】
一种基于异质图的用户心理健康监测方法及系统


[0001]本专利技术属于数据处理与分析
，涉及一种基于异质图的用户心理健康监测方法及系统。

技术介绍

[0002]心理健康是指心理的各个方面及活动过程处于一种良好或正常的状态。随着经济的发展、竞争的加剧，人们的生活与工作节奏越来越快。这对于处于经济转型期的中国人来说，无疑需要承受更大的心理压力。中国患心理问题的人数还会不断增加，尤其是社会巨变带来的人口流失、都市化、紧张的工作环境和独生子女家庭等问题，都会增加人们的心理压力。然而目前社会普遍对心理医生的接受度不足，对心理疾病的认识度不足，常常无法在心理疾病早期进行预防。随着社交网络的不断发展，年轻人们越来越倾向于在网络平台表达自己，许多学者也开始结合用户在网络平台上的行为分析用户心理状态，但很难及时帮助当用户。
[0003]现有技术中，公开日期为2010年6月30日的中国专利技术专利申请《监测用户健康状态方法和装置以及终端》通过手机监测用户的身体健康状态，采用传感器获得用户的运动信息和空气粉尘信息，并判断其是否异于正常值，从而对用户的身体健康进行预警；公开日期为2019年12月20日的中国专利技术专利申请《一种基于多域异质图引导的视觉问题常识推理模型及方法》采用异质图的推理模型，通过预训练模型、视觉信息和上下文信息构造的多域特征推理模型，用于打破语言领域和视觉领域的壁垒，完整融合并对齐任务中涉及到的多种模态信息。
[0004]但是，上述现有文献均未解决如何采用异质图建立了用户的人格画像，并结合用户的社交网络文本信息和穿戴设备生理信息，对用户的心理健康状态进行检测预警的问题。

技术实现思路

[0005]本专利技术所要解决的技术问题在于如何通过用户的社交网络文本信息和穿戴设备生理信息，采用异质图建立用户的人格画像，对用户的心理健康状态进行检测预警。
[0006]本专利技术是通过以下技术方案解决上述技术问题的：
[0007]一种基于异质图的用户心理健康监测方法，包括以下步骤：
[0008]S1、从各平台收集文本数据，依托众包技术和众包平台，建立情感训练集，学习并优化情绪分类器BERT模型及行为词识别BERT+CRF模型；
[0009]S2、根据心理学大五人格理论体系描述大五人格、情绪和行为之间作用关系的人格网络模式，建立时序人格元结构；
[0010]S3、通过用户的历史社交网络文本数据，构建用户的异质图，采用情绪分类器BERT模型及行为词识别BERT+CRF模型发现用户情绪和行为，结合时序人格元结构，建立用户人格画像，
[0011]S4、获取用户当前时刻社交网络文本数据以及穿戴设备反馈的生理信息，采用情绪分类器BERT模型和行为词识别BERT+CRF模型分别学习当前用户的情绪及行为，发现用户异常情绪和行为，
[0012]S5、根据用户大五人格画像，通过时序人格元结构分析用户情绪倾向，检测用户心理状态，实现用户心理健康的准确干预。
[0013]本专利技术的输入为用户社交平台发布的文本数据，穿戴设备输入的生理数据；输出为用户的大五人格画像和实时的情绪状态，推荐消除负面情绪的方法。
[0014]通过文本信息构建异质图，通过分析文本表达的情感以及从文本中提取出的用户行为来对用户进行人格分析，从而建立用户人格画像，结合人格画像对用户实时发布的文本内容进行分析，若异于常态，再结合用户穿戴设备提供的生理信息进行验证，从而对用户的心理健康状态进行预警。
[0015]在用户历史社交网络数据的基础上，依托异质图技术体系，建立用户人格画像，结合用户当前时刻的社交网络数据以及穿戴设备返馈的生理信息，采用深度学习技术，学习用户心理波动模式与行为模式，发现用户异常心理波动和异常行为，分析用户情绪倾向，检测用户心理状态，从而提高用户心理健康干预的准确率，强化用户心理健康监测的正向作用。
[0016]作为本专利技术技术方案的进一步改进，步骤S1中所述的从各平台收集文本数据，依托众包技术和众包平台，建立情感训练集，学习并优化情绪分类器BERT模型及行为词识别BERT+CRF模型的方法具体为：
[0017]从表达情绪的平台中爬取文本数据；
[0018]将爬取的文本分割成短语级别，通过众包方式对短语进行情绪类别标注，再进行真值推理，将得到的数据按比例分成训练数据和测试数据，用来训练情绪分类器BERT模型；
[0019]将数据输入情绪分类器BERT模型，通过调整模型参数学习并优化情绪分类器BERT模型；
[0020]通过众包方式对爬取的文本数据进行行为词标注，再进行真值推理，将得到的数据按比例分为训练数据和测试数据；
[0021]将数据输入行为词识别模型BERT+CRF模型，通过调整模型参数学习并优化行为词识别BERT+CRF模型。
[0022]作为本专利技术技术方案的进一步改进，步骤S2中所述的根据心理学大五人格理论体系描述大五人格、情绪和行为之间作用关系的人格网络模式，建立时序人格元结构的方法具体为：
[0023]将每类人格所表现出来的特点表达到情绪和行为上，从而将人格与情绪和行为链接起来，构建人格网络模式，所述的人格网络模式包含人格、情绪和行为三个对象类型，以及感染、表达、干预和体现三个关系类型；构造一系列元结构用于计算用户的各人格类型子维度得分，进而得到用户人格类型倾向得分，所述的各人格类型子维度得分计算公式为：
[0024][0025]其中，n
m
为情绪类型个数，n
b
为行为类型个数。
是情绪类型与行为类型的关系矩阵，有链接关系则为1，否则为0；人格类型的特点子维度与人格类型的链接是固定的，将其当做是人格类型的属性，从而直接构造由情绪、行为类型到人格类型的带有时序信息的元结构。
[0026]作为本专利技术技术方案的进一步改进，步骤S3中所述的通过用户的历史社交网络文本数据，构建用户的异质图，采用情绪分类器BERT模型及行为词识别BERT+CRF模型发现用户情绪和行为，结合时序人格元结构，建立用户人格画像的方法具体为：
[0027]S31、爬取用户在社交网络上发布的历史社交网络文本数据；
[0028]S32、将爬取到的文本数据分割成短语级别；
[0029]S33、利用训练好的情绪分类器BERT模型对短语进行情绪识别，并建立短语与情绪类别之间的联系，从而通过异质图技术构建用户大五人格画像；
[0030]S34、同时利用训练好的行为词识别BERT+CRF模型对短语进行行为词识别，若识别到行为词，则将其补全输入到用户大五人格画像；同时将行为与情绪进行链接，从而建立情绪类别与行为类别的关系；
[0031]S35、当建立的用户大五人格画像趋近于相对稳定时，则说明用户的历史社交网络文本数据量达到要求，从而体现出用户的大五人格倾向。
[0032]作为本专利技术技术方案的进一步改进，步骤S4中所述的获取用户当前时刻社交网络文本数据以及穿戴设备反馈的生理信息，采用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异质图的用户心理健康监测方法，其特征在于，包括以下步骤：S1、从各平台收集文本数据，依托众包技术和众包平台，建立情感训练集，学习并优化情绪分类器BERT模型及行为词识别BERT+CRF模型；S2、根据心理学大五人格理论体系描述大五人格、情绪和行为之间作用关系的人格网络模式，建立时序人格元结构；S3、通过用户的历史社交网络文本数据，构建用户的异质图，采用情绪分类器BERT模型及行为词识别BERT+CRF模型发现用户情绪和行为，结合时序人格元结构，建立用户人格画像，S4、获取用户当前时刻社交网络文本数据以及穿戴设备反馈的生理信息，采用情绪分类器BERT模型和行为词识别BERT+CRF模型分别学习当前用户的情绪及行为，发现用户异常情绪和行为，S5、根据用户大五人格画像，通过时序人格元结构分析用户情绪倾向，检测用户心理状态，实现用户心理健康的准确干预。2.根据权利要求1所述的一种基于异质图的用户心理健康监测方法，其特征在于，步骤S1中所述的从各平台收集文本数据，依托众包技术和众包平台，建立情感训练集，学习并优化情绪分类器BERT模型及行为词识别BERT+CRF模型的方法具体为：从表达情绪的平台中爬取文本数据；将爬取的文本分割成短语级别，通过众包方式对短语进行情绪类别标注，再进行真值推理，将得到的数据按比例分成训练数据和测试数据，用来训练情绪分类器BERT模型；将数据输入情绪分类器BERT模型，通过调整模型参数学习并优化情绪分类器BERT模型；通过众包方式对爬取的文本数据进行行为词标注，再进行真值推理，将得到的数据按比例分为训练数据和测试数据；将数据输入行为词识别模型BERT+CRF模型，通过调整模型参数学习并优化行为词识别BERT+CRF模型。3.根据权利要求2所述的一种基于异质图的用户心理健康监测方法，其特征在于，步骤S2中所述的根据心理学大五人格理论体系描述大五人格、情绪和行为之间作用关系的人格网络模式，建立时序人格元结构的方法具体为：将每类人格所表现出来的特点表达到情绪和行为上，从而将人格与情绪和行为链接起来，构建人格网络模式，所述的人格网络模式包含人格、情绪和行为三个对象类型，以及感染、表达、干预和体现三个关系类型；构造一系列元结构用于计算用户的各人格类型子维度得分，进而得到用户人格类型倾向得分，所述的各人格类型子维度得分计算公式为：其中，n
m
为情绪类型个数，n
b
为行为类型个数。为行为类型个数。为行为类型个数。是情绪类型与行为类型的关系矩阵，有链接关系则为1，否则为0；人格类型的特点子维度与人格类型的链接是固定的，将其当做是人格类型的属性，从而直接构造由情绪、行为
类型到人格类型的带有时序信息的元结构。4.根据权利要求3所述的一种基于异质图的用户心理健康监测方法，其特征在于，步骤S3中所述的通过用户的历史社交网络文本数据，构建用户的异质图，采用情绪分类器BERT模型及行为词识别BERT+CRF模型发现用户情绪和行为，结合时序人格元结构，建立用户人格画像的方法具体为：S31、爬取用户在社交网络上发布的历史社交网络文本数据；S32、将爬取到的文本数据分割成短语级别；S33、利用训练好的情绪分类器BERT模型对短语进行情绪识别，并建立短语与情绪类别之间的联系，从而通过异质图技术构建用户大五人格画像；S34、同时利用训练好的行为词识别BERT+CRF模型对短语进行行为词识别，若识别到行为词，则将其补全输入到用户大五人格画像；同时将行为与情绪进行链接，从而建立情绪类别与行为类别的关系；S35、当建立的用户大五人格画像趋近于相对稳定时，则说明用户的历史社交网络文本数据量达到要求，从而体现出用户的大五人格倾向。5.根据权利要求4所述的一种基于异质图的用户心理健康监测方法，其特征在于，步骤S4中所述的获取用户当前时刻社交网络文本数据以及穿戴设备反馈的生理信息，采用情绪分类器BERT模型和行为词识别BERT+CRF模型分别学习当前用户的情绪及行为，发现用户异常情绪和行为的方法具体为：S41、获取用户当前时刻社交网络文本数据和用户穿戴设备反馈的生理信息，并将文本数据分割为短语级别；S42、利用情绪分类器BERT模型对短语进行情绪识别，将识别到的情绪在用户大五人格画像的异质图中进行搜索，若能搜索到且在历史数据中出现频次超过阈值，则初步认为用户的心理状态处于稳定状态；若不能搜索到或在历史数据中出现次数少于阈值，则初步认为用户的心理状态处于波动状态；S43、进一步利用行为词识别BERT+CRF模型对短语进行行为词识别，若识别到行为词，通过步骤S3中建立的情绪类别与行为类别的关系预测该短语表达的情绪类别，并返回到步骤S42进行比对验证；S44、若用户大五人格画像中不存在该行为类别与情绪类别的关系，则建立新的关系补全输入到用户大五人格画像；S45、若经过上述步骤判断出用户心理处于波动状态，则结合用户当天的生理信息分析用户的反常心理状态属于积极反常还是消极反常。6.根据权利要求5所述的一种基于异质图的用户心理健康监测方法，其特征在于，步骤S5中所述的根据用户大五人格画像，通过时序人格元结构分析用户情绪倾向，检测用户心理状态，实现用户心理健康的准确干预的方法具体为：S51、将对每个短语的分析结果可视化呈现给用户，让用户对分析结果进行评价，将用户评价反馈到情绪分类器BERT模型和行为词识别BERT+CRF模型，进一步改进情绪分类器BERT模型和行为词识别BERT+CRF模型，更新用户大五人格画像；S52、若用户对分析结果满意，对用户当天整体心理状态做出评价；若用户当天处于消极的反常心理状态，则提供相应的建议，帮助用户消除负面的心理状态；
S53、根...

【专利技术属性】
技术研发人员：王庆人，严康，李炜，张以文，颜登程，许正，
申请(专利权)人：安徽大学，
类型：发明
国别省市：