面向抑郁情绪的心理干预方案个性化推荐方法技术

本发明专利技术的名称为：面向抑郁情绪的心理干预方案个性化推荐方法。本发明专利技术所属领域为计算网络心理学，大数据科学与技术和变态心理学等领域。针对中国人口基数的规模大，人均心理工作者非常少的实际状况，本发明专利技术严格依据用户网络行为特征，发挥网络资源丰富多彩、互动性强、选择多样的优势，提供可用于大规模抑郁情绪目标群体的人工智能个性化干预新方法，同时兼顾人性化和可互动性等特征。本发明专利技术的既可以针对单个用户进行有效的心理干预，亦可对万人以上的网络用户群体进行有效的有针对性个性化心理干预，在解决民众所需的心理健康服务问题领域具有重要的实用价值。

【技术实现步骤摘要】
【专利摘要】本专利技术的名称为：。本专利技术所属领域为计算网络心理学，大数据科学与技术和变态心理学等领域。针对中国人口基数的规模大，人均心理工作者非常少的实际状况，本专利技术严格依据用户网络行为特征，发挥网络资源丰富多彩、互动性强、选择多样的优势，提供可用于大规模抑郁情绪目标群体的人工智能个性化干预新方法，同时兼顾人性化和可互动性等特征。本专利技术的既可以针对单个用户进行有效的心理干预，亦可对万人以上的网络用户群体进行有效的有针对性个性化心理干预，在解决民众所需的心理健康服务问题领域具有重要的实用价值。【专利说明】
本专利技术是一种基于计算机技术和大数据技术的心理健康问题智能化机器干预方 法，主要应用于计算机用户群体。本专利技术涉及计算网络心理学，涉及机器学习、计算机算法 学、应用心理学、个性化推荐、心理健康问题干预和计算机程序设计等学科和技术。
技术介绍
世界卫生组织对健康的定义是指："健康不只是没有疾病和虚弱，而是指身体、心 理、道德和社会适应能力的完美状态"。由此可见，心理健康已经成为衡量一个人是否健康 的重要因素之一。心理健康一般是指：个体的心理活动处于正常状态，即认知正常，情感协 调，意志健全，个性完整和适应良好，能够充分发挥自身的最大潜能，以适应生活、学习、工 作和社会环境的发展与变化的需要。心理健康问题的存在会对个体的发展与健康产生消极 影响，并且会削弱个体的主观幸福感，降低个体的社会适应性，甚至会威胁到个体的生理健 康状况。 目前在世界范围内，心理问题已经成为个体"失能"（disability)的首要原因，其 消极后果占全部疾病性危害的37%。以抑郁情绪障碍为例，目前它已经成为导致北美和其 它高收入国家社会疾病负担的最主要原因，在世界范围内则位列第四大原因。中国的实际 情况也不容乐观，调查研究结果表明，中国民众心理健康问题的整体发生率达到17. 5%。早 在2007年时，中华医学会精神科分会副主任委员赵靖平教授披露的数字指出中国内地抑 郁症发病率约为2. 4%，当时抑郁症患者已超过2600万人，而其中有10%到15%的患者面 临自杀的危险。世界卫生组织在世界范围内的调研表明，抑郁正在成为影响21世纪人类身 心健康的重要因素。 从心理学的角度看，抑郁是无效应对生活压力的后果，以情绪失调为核心、包括沮 丧、无价值感、无助与绝望感、躯体活动水平下降等一系列身心不适症状。抑郁是人类心理 失调的最主要和最经常出现的问题之一。联合国卫生组织预测，到2020年抑郁将成为全世 界导致死亡和残疾的第二大致病因素。因此，学者们对抑郁患者给予了较多的关注，抑郁病 因学的研究成为了当前心理学和精神病学的研究热点。 在经过心理评估的过程后，心理健康问题干预可以根据实施规模划分为个体咨询 和团体咨询。传统的心理健康问题干预方法是，针对目标人群主要采用门诊化的面对面 (face to face)咨询干预方法。该方法存在一些明显的不足：（1)该方法只允许心理健康服 务工作者采取被动的等待策略，无法主动出击采取有效措施去识别潜在的需求群体，导致 需求群体的主动参与比例很低；（2)对于来访者的心理评估主要依据其自我陈述或报告， 几乎无法即时、全面、客观、连续地反映出来访者的真实状态，结果是诊断识别率较低，通常 不到20%，最终导致心理健康干预出现各种偏差，也无法给予目标群体及时的矫正和治疗。 (3) "面对面"开展咨询服务的效率比较有限，无法有效满足规模庞大的目标群体需求。 现在已经开发出来的心理健康自助平台主要有E-Couch、Beating the Blues、 Good Days Ahead、MoodGYM等，这些平台的应用效果获得了一些实验研究的初步支持。但 是这些现存的心理健康自助平台的服务流程设置较为单一，还无法实现针对用户自身的实 际状态或者实际的心理特征进行个性化的干预和调整。 近些年，国内外相关的研究可以得出，网络行为与抑郁之间显著性相关，为利用网 络行为预测心理健康奠定了必要的基础；同时大数据处理技术的快速发展和云计算解决方 案的日趋成熟为用户网络行为学与应用心理学的研究提供了全新的思路、新颖的方法和必 要技术支撑。为此在这些研究工作的基础，本专利技术将严格依据用户网络行为特征，发挥网络 资源丰富多彩、互动性强、选择多样的优势，提供可用于大规模抑郁情绪目标群体的人工智 能个性化干预新方法，同时兼顾人性化和可互动性等特征。本专利技术在解决民众所需的心理 健康服务问题领域具有重要的实用价值。
技术实现思路
目前，中国人口基数的规模大，人均心理工作者非常少，而网络用户基数规模大， 互联网用户发展迅猛，已有的理论研究和实验研究都表明，如前文所述的一般心理健康问 题干预方法存在的问题已经突显。在心理学的基础理论和最新研究成果的基础上，探讨如 何利用巨大的网络资源和大数据技术进行有效的心理健康服务，进而解决民众所需的心理 健康服务问题势在必行。本专利技术的尚未得到 应用。 本专利技术的核心内容是，针对中国人口基数的规模大，人均心理工作者非常少的实 际状况，在不侵犯网络用户正当利益的情况下，通过分析计算用户的日常网络行为特征数 据来评估和预测用户的实际心理状态。然后针对抑郁情绪目标个体，由计算机自动地用用 网络浏览器向及时地向其推荐抑郁情绪调节建议或者方案，实现对网络用户及时有效的抑 郁情绪干预，使得用户在日常上网浏览的过程中就能够获得抑郁情绪调节服务。 实验表明，本专利技术的既可以针对单个用户进行有效的心理干预，亦可对万人以上 的网络用户群体进行有效的有针对性个性化心理干预，本专利技术在解决民众所需的心理健康 服务问题领域具有重要的实用价值。本专利技术的方法其整体召回率和准确率高于80%，受试 者工作特征曲线（receiver operating characteristic curve，简称R0C曲线）也接近于 1〇 【专利附图】【附图说明】 图1为面向抑郁的机器个性化自助干预核心方法原理图。 【具体实施方式】 下面结合附图详细说明本专利技术所提供的方法中涉及的各个细节问题。 本专利技术主要分为用户心理特征量化计算和针对抑郁情绪网络用户的个性化干预 两大核心部分。 第一部分用户心理特征量化计算。该部分中主要包括如下三个主要步骤： (1)将用户网络行为指标进行系统化抽象，针对用户的网络行为建立静态和动态 用户网络行为指标体系。 ⑵根据抑郁情绪网络行为指标，采集用户的网络行为数据，并对这些数据进行清 理，清除数据中的异常数据，纠正错误，去除冗余数据，将处理后的数据存入数据库。 (3)建立用户心理状态评估和预测计算模型，利用该模型解决从大量目标观测群 体中快速筛选有抑郁情绪问题的观测对象。在该步骤中核心的要点有如下三个方面： ①针对网络用户的浏览行为抑郁情绪特征训练数据本身稀疏、标注量小等特殊 性，本专利技术采用基于AdaBoost的级联式分类器结构训练抑郁情绪网络用户的数据集，建立 计算模型。因为网络行为特征对不同维度抑郁情绪因子的影响是不同性质的，所以本专利技术 将依据抑郁情况问卷测评的结果来指导级联的排列顺序。 ②本专利技术在获取用户网络行为模型的训练数据过程中，本文档来自技高网...

【技术保护点】
面向抑郁情绪的心理干预方案个性化推荐方法，其特征是：在不侵犯网络用户正当利益的情况下，通过分析计算用户的日常网络行为特征数据来评估和预测用户的实际心理状态。然后针对抑郁情绪目标个体，由计算机自动地用网络浏览器向及时地向其推荐抑郁情绪调节建议或者方案，实现对网络用户及时有效的抑郁情绪干预，使得用户在日常上网浏览的过程中就能够获得抑郁情绪调节服务。本专利技术的既可以针对单个用户进行有效的心理干预，亦可对万人以上的网络用户群体进行有效的有针对性个性化心理干预。

【技术特征摘要】

【专利技术属性】
技术研发人员：朱健鹏，田琼，朱廷劭，
申请(专利权)人：朱健鹏，田琼，朱廷劭，
类型：发明
国别省市：北京;11