基于卷积神经网络的智能心理状态评价与预警方法研究

• 作者: 解仲秋
• 来源期刊: 电子设计工程
• 关键词: 文本分析 心理健康 深度学习 循环神经网络 CNN FastText
• 年，卷（期）: 2021,（15）
• 所属期刊栏目: 计算机技术与应用|Computer Technology Application
• 页码范围: 54-58
• 页数: 5页
• 分类号: TP311
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.15.012

摘要

针对高校学生心理状态评估的智能化需求,文中对基于文本信息的心理问题识别方法进行了研究.该方法以高校内部学生论坛的文本为数据基础,引入深度学习中的卷积神经网络(CNN)模型,该网络包含卷积层、池化层和全连接层.在卷积完成后,通过激活函数对卷积结果进行去线性化,然后再进行池化,提升网络对于非线性的拟合能力.在数据处理上,从文本信息中提取行为特征、属性特征、内容特征和社会关系特征作为CNN的输入;在进行文本内容提取时,采用心理学的专业知识词典(LIWC)提升文本词频统计的效率.为了评估所提方法的性能,在CLPsyh2017 ReachOut论坛的开放数据集中进行仿真,并以FastText方法作为对比.结果表明,在全样本域的精度上,CNN模型的精度达到了0.71,显著高于FastText模型的0.64.在心理状态的预警评价上,CNN较FastText的性能更优.