基于LSTM网络的大学生心理健康特征提取方法.pdf

信息技术 年第 期基于 网络的大学生心理健康特征提取方法李 平(延安职业技术学院学生处心理中心 陕西 延安)摘 要:为了提高大学生心理健康特征提取精度提出了基于长短期记忆网络()的大学生心理健康特征提取方法 在建立大学生心理健康特征提取模型的基础上利用 词向量训练心理健康语料库数据并将其作为模型的原始特征向量采用 网络提取数据特征获取大学生心理健康特征分类模型完成大学生心理健康特征提取 仿真结果表明提出方法可以准确提取大学生心理健康特征的同时降低了大学生心理健康特征提取的时间关键词:长短期记忆网络 模型 心理健康语料库 心理健康特征 特征分类中图分类号:文献标识码:文章编号:():./.作者简介:李平()女硕士副教授研究方向为大学生心理健康教育与咨询 ():().:引 言信息高速发展及信息开放性增加了大学生心理压力学生无法解决心理压力时容易出现心理问题因此大学生心理健康问题受到了广泛关注 为了准确挖掘不同人群、不同心理健康特征 相关的方法引起了相关学者的重视龚焕燊通过/结构以及微信公共平台 接口构建心理健康管理系统完成心理健康测评 但是该方法当使用人数较多时容易出现系统加载缓慢等问题 等研究了人工智能在解决 爆发相关心理健康问题基于 网络的大学生心理健康特征提取方法 李平中的潜在作用并对爆发地区心理状况进行了测评但是该方法仅针对单一情况下的心理健康状态评测导致无法满足更多用户的需求考虑到大学生的心理健康状态在随时发生着变化需要准确提取心理健康文本关键词为此本文将长短期记忆网络()应用于心理健康特征提取中 中单个循环结构内部包含四个状态其可以保持一个持久的单元状态不断传递以用于决定哪些信息要遗忘或者继续传递下去因此其可以更准确地提取大学生心理健康特征进一步获取满意的大学生心理健康评测结果 大学生心理健康特征提取模型利用 网络构建大学生心理健康特征提取模型其优点是可以在很短的时间内完成对序列的处理并根据多个神经元的合力对隐含单位进行分析从而得出隐含的训练数据间的对应关系 网络模型根据长期的心理健康数据运用了循环机制将上一层神经元的输出与下一层的输入时间保持一致从而避免了由于时间的推移而造成的遗忘 各个层面的神经元之间通过链状结构进行了链接使得各个神经元之间的分析数据可以通过网络进行交互并通过特殊的“门结构”来提升各个神经元之间的数据传输的稳定性和完整性 网络的模型结构示意图如图 所示图 模型结构示意图 大学生心理健康特征提取方法利用 模型完成大学生心理健康特征提取该部分主要包括心理健康试题文本预处理、心理健康测试结果数据集以及特征分类模型三部分.预处理心理健康试题文本心理健康试题文本数据具有不确定性特征根据数据的此项特征本文的预处理操作不仅更新了数据处理的流程而且也扩展了数据采集的范围 在数据采集前需要采集心理健康试题文本数据答题前后或上次和当前两个不同时刻的数据 考虑到 模型对于时间尺度上数据具有较高的敏感性因此本文会将初次采集到的数据进行归一化处理保证采集数据的完整性降低数据输入输出量选择的难度以提高大学生心理健康特征提取的准确性 具体的归一化处理公式如式()所示:()()式中 表示初次采集到的心理健康试题文本数据表示采集到数据的最小值表示原始单个数据的最大值表示归一化处理后单个数据的中间值 表示归一化处理的尺度大小为了保证数据预处理操作的公平性和科学性使数据计算的收敛速度保持稳定本文设计的数据预处理操作频率为 分钟处理一个数据并且将 个数据作为一个单位矩阵 数据预处理操作的准备工作完成后具体的数据预处理流程如下所示:步骤一:将采集到的数据进行有效性检验检验公式如式()所示:()式中 表示检验介质量表示采集数据时数据的修正数据 表示数据关联的两个横向负荷点 表示与数据相关联的两个负荷点表示数据整体的规范平均值步骤二:数据元素的计算结果不满足公式()则此数据不具有计算意义则去除并重新训练直至全部输出满足公式()的计算结果进行步骤三步骤三:将完成所有检验的有效数据以数据基于 网络的大学生心理健康特征提取方法 李平量为单位随机分成若干组然后进行数据量的排序 步骤四:排序后按照序列将所有数据变换处理为矩阵的形式为获取心理健康测试结果数据集和确定 结构奠定计算基础.获取心理健康测试结果数据集以上述计算结果为基础获取排序后的有效心理健康试题文本数据将大学生心理健康数据分为三个不同等级而大学生的心理健康大多维持在三级即潜在心理困扰或无心理困扰该等级对应的数据关键词为:躯体化、强迫症状、人际关系敏感、抑郁、焦虑 以此为依据利用 训练心理健康测试结果数据集设定心理健康试题的中心词为()训练窗口大小为 则第 个关键词()的大学生心理健康预测概率 能够表示为以下的形式:()()()()()()针对于 模型而言第 个关键词()的上下文词的预测概率 的表达式为:()()()()()模型的关键词词向量表达形式为:()()式中代表 模型中的关键词向量代表心理健康结果输出速度 在输出层中包含多个分支将各个分支看作是二分类在每次分支时各个树的节点均被表示为取值为 或者 的 树编码 其中节点被分为正类的概率为:()()式中 代表参数向量代表心理健康试题输入向量 代表 函数代表 的转置根据上述计算结果形成包含正确分类心理健康测试结果数据集.大学生心理健康特征提取以获取的心理健康数据为基础利用 提取大学生心理健康数据特征具体步骤如下:通过 计算各个单元的大学生心理健康数据特征设定、以及 分别代表不同的遗忘门、输入门和输出门 其中遗忘门主要用于控制 时刻的心理健康结果存储单元状态需要遗忘多少信息 具体的表达式为:()()式中 代表关键词汇点 代表心理健康结果存储单元数量 代表心理健康结果存储单元状态 代表区块记忆输出值 代表长短期记忆网络模块 代表关键词特征存储模块 输入门控制 时刻的输入信息具体的计算公式为:()()输出门输出的外部状态表示为:()()将 优先导入到心理健康结果数据集中依次进入不同的层次中 为了防止过拟合利用训练集测试模型的有效性 达到标准后组建特征分类模型结合相关测试文本提取大学生心理健康特征:()()式中 代表测试文本对大学生心理健康的测试输出 至此完成基于 网络的大学生心理健康特征提取 仿真测试为了验证所设计基于 网络的大学生心理健康特征提取方法的有效性并选取引言中提到的文献新媒体技术应用下设计的系统、文献人工智能技术支持下设计系统作为对比方法进行仿真测试.仿真准备仿真测试数据集来源为某校大学生在一段时间内发表的 文本 条词汇数量 个选取由美国学者 所构建的公开情感词典采集 文本信息在该情感词典中的占比为 具体的数据集如表 所示基于 网络的大学生心理健康特征提取方法 李平表 数据集数据以及分布正面负面测试数据训练数据集总和.仿真结果分析实际数据训练过程中采用损失值表示两种预测方法的预测精度 数据训练损失值表示为提取值与真实值之间的均方差 测试中将设置的训练数据集输入模型中进行 次数据迭代训练随着数据迭代训练次数的增加分析模型提取过程损失数据测试结果如图 所示图 数据迭代训练预测结果图 数据迭代训练损失值统计结果分析图 可知在前 次数据迭代训练中三种方法的损失值处于快速下降状态当数据迭代训练达到 次后三种方法的损失值趋于稳定状态 对比三种方法的损失值差异对比方法的损失值稳定值分别为.和.而本文提出方法的损失值的稳定值为.且在特征提取过程中本文提出方法的特征提取结果与训练数据的吻合度较高由此可以得出结论本文提出方法的预测精度更高 原因在于本文提出方法针对采集数据进行了一系列的数据预处理除去重复数据保证训练数据的完整性控制神经元的输入输出量结合相应的 神经网络结构选择合适的特征提取方法提升特征提取精度以下测试主要对比三种不同系统的数据库吞吐率变化情况测试完成一次大学生心理健康特征提取的数据库吞吐率变化情况具体测试结果如图 所示图 不同运行时间数据库吞吐率对比结果分析图 中的测试数据可知所设计系统的数据库吞吐率均在/以上相较于对比方法更高由此可见所设计系统利用 模型将心理健康测试数据进行分类、存储和特征提取提高了大学生心理健康系统使用性能能够满足大学生心理健康智能评测的需求.特征提取时间测试为进一步验证本文方法的有效性测试三种方法对 个大学生心理健康数据(正负样本数据各 个)特征的提取时间具体测试结果如表 所示分析表 的测试数据可知三种方法对不同数据量进行特征提取时提取时间随数据量的增基于 网络的大学生心理健康特征提取方法 李平表 特征提取时间测试数据量/个特征提取时间/所提方法文献系统文献系统加呈现上升趋势在提取完毕 个数据后所提方法的特征提取用时为 文献系统特征提取用时为 文献系统特征提取用时为验证了基于 的心理健康评测特征提取效果较好 结束语为了使人们对自身的心理健康状况有一个准确的了解同时促进心理健康指导工作的科学化与信息化设计了一种基于 网络的大学生心理健康特征提取方法将 模型用于大学生心理健康数据分类和提取中提高了大学生心理健康特征提取准确度 测试结果表明所提方法能够满足心理健康评测的基本需求同时还能够提升数据库吞吐率 后续将进一步优化和完善数据信息的共享以及整合参 考 文 献:李彬.基于 的大学生心理测评系统的研究与设计.信息技术():.黄文倩宋崇升万松等.抑郁症患者防御方式在早期适应不良图式与心理健康状况间的中介作用.中华行为医学与脑科学杂志():.龚焕燊.基于新媒体技术的大学生心理健康管理平台构建.图书馆工作与研究():.:.梁丰李盼盼彭虎军.感知数据的大学生心理可承受风险评估系统.信息技术():.郭勇赵康潘力.结合改进 和 的文本情感分析.信息技术():.黄彬陈恩仁彭育辉.考虑决策者心理行为的虚拟企业伙伴选择方法.机械制造与自动化():.牛怀岗林关成.基于 框架的新闻发布管理系统设计与实现.现代电子技术():.吴志军王航.基于订阅/发布服务的广域信息管理系统应急响应机制.计算机应用():.王萌何星星.一种基于加权决策变量决策层的分支策略.计算机科学():.张桐郑恩让沈钧戈等.基于深度多分支特征融合网络的光学遥感场景分类.光子学报():.阮宜杰李晓智高亮.心理健康常用评价指标对老年人健康主观评价结果的影响.西安体育学院学报():.杨磊申鲁军胡媛艳.社区心理健康服务对老年人生活满意度的影响机制研究.中国卫生事业管理():.(责任编辑:杨静)(上接第 页)姚刚赵翔宇张耀等.考虑新能源波动性的调峰辅助服务成本定价研究.电力大数据():.高洪洋.考虑新能源接入的电力系统优化调度.郑州:中原工学院.阮世庭张济民曹建光等.微重力下相变储能单元融化过程数值模拟.北京航空航天大学学报():.刘敦楠汤洪海杨沫等.促进新能源消纳的电力交易偏差结算补偿机制.电力系统自动化():.杨帆罗振军牛文铁等.新型重力储能的技术瓶颈和解决方案探讨.英国伯明翰大学储能中心中国储能网:北京中储信文化传媒有限公司:.(责任编辑:丁玥)