System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于情绪事件知识图谱的心理健康辅助评价方法技术_技高网
当前位置: 首页 > 专利查询>四川大学专利>正文

一种基于情绪事件知识图谱的心理健康辅助评价方法技术

技术编号:40737349 阅读:4 留言:0更新日期:2024-03-25 19:58
本发明专利技术公开了一种基于情绪事件知识图谱的心理健康辅助评价方法,属于智能心理健康评价技术领域。步骤S1、构建情感知识图谱;S2、首先构建概念层;然后按照定义的事件表示与事件关系对咨询者自述文本进行信息抽取,获取知识元组完成实例层构建;将抽取出的信息组建为知识形式,形成情绪事件知识图谱;S3、基于情绪事件知识图谱开发可视化系统;S4、将待检测者自述文本输入系统,系统对自述文本进行处理获取情绪事件知识图谱,并通过前端显示知识图谱,用于辅助评价心理健康。本发明专利技术的方法挖掘咨询者自述文本中的事件与情绪构建知识图谱并进行可视化,利用情绪事件发展的动态性推断情绪诱因与情绪变化状态,从而评价心理健康。

【技术实现步骤摘要】

本专利技术涉及智能心理健康评价,尤其是一种基于情绪事件知识图谱的心理健康辅助评价方法


技术介绍

1、随着社会发展速度加快,人们的工作压力加大,越来越多的人存在不同程度的情绪状态不佳。如果听之任之,会出现一系列负面影响,产生心理健康问题,甚至严重影响了人的身体成长、学习生活以及与他人的交流等。如果及时发现问题,准确判断和进行提早干预,不仅可以提升人们的心理健康指数,还可以提升学习工作效率,改善生活状态。知识图谱对于数据的归纳与整理,使测评人员方便准确快速地找到所需要的信息,确保科学的判断和评定。因此,应用现代化科技方法,尤其是基于知识图谱系统进行心理健康风险管理有重要的意义。

2、知识图谱是包含的实体与关系的结构化语义网络,其中实体指现实中的物体或者具体概念,关系指实体之间的关系。知识图谱的提出打破了传统的信息检索方式,一方面,知识图谱描述了概念间的语义属性关系,实体间的推理变得便利,另一方面,知识图谱解决了需要人工过滤无用信息的问题,对智能社会具有现实意义。随着世界范围内人们心理健康问题的日益严重,将智能医疗技术应用于心理领域已成为当下研究的重点。将知识图谱应用于心理领域,不仅可以辅助心理健康的评价与治疗,缓解线下医疗资源紧缺的压力,还能为线上平台提供知识支持,有助于提升线上诊疗效果。

3、第一类心理知识图谱是通过整合心理或精神疾病等知识构建实现的。第一类心理知识图谱关注心理疾病与疾病症状等,仅仅静态的展示心理知识,而在实际的心理诊疗中,需要时刻把握咨询者的情绪变化并分析相应的症状,因此,难以将此类知识图谱应用于动态分析病患心理情况的场景。第二类心理知识图谱是利用社交信息构建与用户心理信息相关的知识图谱,从而将其应用于心理健康检测、推理等任务中。由于心理咨询中被测试者总是实时述说由生活中具体事件引发各类情绪感受,且咨询内容往往是生活日常、咨询方向也涉及多个领域,而第二类方法仅仅关注单一场景如抑郁症、压力源等,缺少对一般场景下的通用心理状态刻画,不能全面覆盖心理咨询中的所有场景。

4、总之,现有的心理健康领域的知识图谱的研究大多关注疾病本身与心理知识等静态知识,在实际的心理健康检测中难以将其应用于动态分析被测试人情况的情境中。心理健康状况的测试评价主要是通过谈话的方式进行,被测试者的情绪与引起情绪的事件是评价心理健康的重要依据。


技术实现思路

1、为了充分关注被测试者自述中的情绪与事件,本专利技术提出了一种基于情绪事件知识图谱的心理健康辅助评价方法,挖掘被测试者自述文本中的事件与情绪构建知识图谱并进行可视化,利用情绪事件发展的动态性推断被测试者情绪诱因与情绪变化状态,从而助力心理健康的诊疗。

2、情绪是情绪事件知识图谱中的重要组成部分,为了充分理解情绪的含义,首先构建情感知识图谱作为情绪事件知识图谱的外部知识库。构建情绪事件知识图谱从被测试者自述出发,分析自述的特点从而设计情绪事件知识图谱的概念层,接着依据概念层的定义获取自述中提及的事件、隐含的事件关系与情绪构建实例层。最后,实现情绪事件知识图谱的可视化,从而达成更清晰地分析病患信息、更直观地把握心理状况、更便捷地检索相关数据的目标。

3、本专利技术提供的基于情绪事件知识图谱的心理健康辅助评价方法,具体步骤如下:

4、s1、构建情感知识图谱;

5、对已有的情感词典进行整合并组建为情感知识图谱,将其作为情绪事件知识图谱的外部知识库。优选的是,选取hownet情感词典、台湾大学情感词典、中文褒贬义词典、bosonnlp情感词典、emoevent情感词典这五个情感词典用来构建情感知识图谱。

6、优选的是,将情感词典转换为三元组格式,将三元组导入neo4j图数据库中,通过neo4j browser可视化工具展示知识图谱;整个图谱分成两个大部分,分别围绕着“negative”节点和“positive”节点;每一部分分为三层,由内到外分别是极性节点、普通词语节点与节点情感分数。

7、s2、构建情绪事件知识图谱,情绪事件知识图谱以情绪事件为基本单位,将情绪事件之间的关系作为节点间的联系;包括以下三个子步骤:

8、s21、构建概念层:所述情绪事件指由特定的人、物相互作用的客观事实以及基于事件引发的情绪组成的整体,情绪事件之间具有特定的逻辑关系。情绪事件知识图谱的结构包含五种基本实体与四种实体关系:五种实体包括情绪、事件id、事件触发词、事件主体与事件客体。四种实体关系包括事件情绪、事件关系、事件的主体与事件的客体。事件情绪指情绪与事件之间的连接,事件关系指情绪事件之间的联系,包括时序关系与因果关系,事件的主体将事件与事件主体连接,事件的客体将事件与事件客体连接。将情绪事件建模为<主体,事件触发词,客体,情绪>的四元组形式,以利于分析情绪的产生者与引发情绪的因素;情绪事件关系考虑事件的发展顺序,重点关注事件间的因果关系。

9、s22、构建实例层,通过信息抽取技术按照定义的事件表示与事件关系对咨询者自述文本进行信息抽取,获取知识元组完成实例层构建;其中,所述信息抽取包括三个子任务,分别为:基于语义角色标注与依存分析的开放域事件抽取、基于occ模型的细粒度情绪识别、基于roberta的中文事件因果关系检测。

10、基于语义角色标注与依存分析的开放域事件抽取,方法如下:

11、首先以标点符号作为分隔符,将自述文本划分为短句并以短句作为事件抽取的基本单位;抽取短句中的事件时,首先利用ltp模型对短句进行语义角色标注,若语义角色标注失效,则使用依存分析方法;基于依存分析的事件抽取流程如下:

12、(1)获取动词:根据输出的tag集合,获取核心动词,同时判断是否存在含有否定意味的状中结构,若存在则保留该状语,从而保证动词的完整,如“不知道”中“知道”为核心动词,“不”属于“知道”的状语;

13、(2)获取主体:利用主谓关系分析出句子的主体,若主谓关系不存在,则使用介宾关系中的宾语作为主体;

14、(3)获取客体:利用动宾关系获取句子的直接宾语作为客体,当句子中不存在这类关系时,考虑前置宾语为客体,如果前置宾语在句中也不存在,最后使用介宾关系的宾语作为客体;

15、根据上述流程获取文本的事件三元组。

16、基于occ模型的细粒度情绪识别,方法如下:

17、(1)明确occ模型中的所有情绪定义,根据occ模型的情绪逻辑,首先将人对特定情境的反应分为积极与消极两种,再依据事件、行为、事物三个方向的评价标准共同确定最后的情绪,不同评价结果形成了不同的22种情绪;

18、(2)识别自述文本的情绪要从文本中的事件、行为、事物出发,分别判断出三方面情况,然后根据上述情绪定义推断出符合的情绪类型。推断情绪类型时,定义了情绪主体、主体极性、事物极性、事件极性、行为极性、事件状态这7个变量,并对7个变量进行赋值,依据occ模型的定义制定的情绪识别规则,利用获得的变量与规则本文档来自技高网...

【技术保护点】

1.一种基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤如下:

2.如权利要求1所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤S1中,选取HowNet情感词典、台湾大学情感词典、中文褒贬义词典、BosonNLP情感词典、EmoEvent情感词典这五个情感词典用来构建情感知识图谱。

3.如权利要求2所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤S1中,将情感词典转换为三元组格式,将三元组导入neo4j图数据库中,通过Neo4jBrowser可视化工具展示知识图谱;整个图谱分成两个大部分,分别围绕着“negative”节点和“positive”节点;每一部分分为三层,由内到外分别是极性节点、普通词语节点与节点情感分数。

4.如权利要求1所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤S21中,构建概念层时,情绪事件知识图谱的结构包含五种基本实体与四种实体关系:五种实体包括情绪、事件ID、事件触发词、事件主体与事件客体;四种实体关系包括事件情绪、事件关系、事件的主体与事件的客体;事件情绪指情绪与事件之间的连接,事件关系指情绪事件之间的联系,包括时序关系与因果关系,事件的主体将事件与事件主体连接,事件的客体将事件与事件客体连接。

5.如权利要求4所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤S22中,基于语义角色标注与依存分析的开放域事件抽取,方法如下:

6.如权利要求5所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤S22中,基于OCC模型的细粒度情绪识别,方法如下:

7.如权利要求6所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,基于OCC模型的细粒度情绪识别方法中,步骤(2),推断情绪类型时,定义了情绪主体、主体极性、事物极性、事件极性、行为极性、事件状态这7个变量,并对7个变量进行赋值,依据OCC模型的定义制定的情绪识别规则,利用获得的变量与规则对比,最终可获得识别的情绪类别。

8.如权利要求1所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤S22中,基于中文Roberta的事件因果关系检测,方法如下:

9.如权利要求1所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,所述可视化系统的整体架构分为前端展示层、业务模型层、图数据库;业务模型层接收前端输入传递的数据,将文本数据输送至模型中运行并获取情绪事件知识图谱。

...

【技术特征摘要】

1.一种基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤如下:

2.如权利要求1所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤s1中,选取hownet情感词典、台湾大学情感词典、中文褒贬义词典、bosonnlp情感词典、emoevent情感词典这五个情感词典用来构建情感知识图谱。

3.如权利要求2所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤s1中,将情感词典转换为三元组格式,将三元组导入neo4j图数据库中,通过neo4jbrowser可视化工具展示知识图谱;整个图谱分成两个大部分,分别围绕着“negative”节点和“positive”节点;每一部分分为三层,由内到外分别是极性节点、普通词语节点与节点情感分数。

4.如权利要求1所述的基于情绪事件知识图谱的心理健康辅助评价方法,其特征在于,步骤s21中,构建概念层时,情绪事件知识图谱的结构包含五种基本实体与四种实体关系:五种实体包括情绪、事件id、事件触发词、事件主体与事件客体;四种实体关系包括事件情绪、事件关系、事件的主体与事件的客体;事件情绪指情绪与事件之间的连接,事件关系指情绪事件之间的联系,包括时序关系与因果关系,事件的主体将事件与事...

【专利技术属性】
技术研发人员:梁红茹雷文强肖永洁
申请(专利权)人:四川大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1