【技术实现步骤摘要】
本专利技术涉及模型评估，具体为一种基于大模型的学生自传风险评估的方法。
技术介绍
1、学生的主要生活环境是校园，面临的主要任务是学习，另外他们又置身于社会迅猛发展并充满着变革、竞争的时代，他们经受更多的是与学习、校园生活及社会变革等相关的心理矛盾与精神挫折。了解和把握学生的特殊心理生活背景，有助于科学考察学生心理问题的层次性。根据我国学校现状和学生心理生活实际，学生的心理问题一般可分为心理偏差、心理障碍和心理疾病三个层次。
2、人的心理状态会不自觉的流入平时的言行举止中，学生也不例外，在学生平时的记录、感悟、文章等文字性个人撰写的文件，都会不由自主的流露出学生的心理状态，为了更好的把控学生的心理健康水平，提出一种基于大模型的学生自传风险评估的方法。
技术实现思路
1、本专利技术的目的在于提供一种基于大模型的学生自传风险评估的方法，以学生自传为切入点，通过大模型针对这些文字语言进行分析，得出学生的心理健康水平，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于大模型的学生自传风险评估的方法，具体包括步骤：
4、s1、建立评估模型：建立一个基于大模型的心理安全评估模型；
5、s2、大数据训练：检索并获取大数据中的文本与对应心理健康相关的数据，并进行特征工程处理，然后导入至模型中进行训练；
6、s3、限定参数设置：在建立的模型中设定安全措施；
7、s4、标准数
8、s5、获取文本数据：获取待评测学生的自传文本数据；
9、s6、文本内容导入：对文本内容进行初步分析，筛出明显敏感词汇，并将完整的自传文本数据导入至确定的模型中；
10、s7、评估报告导出：导出模型生成的评估报告并进行反馈和优化。
11、作为本专利技术的一种优选方案：所述s1的建立评估模型具体包括以下步骤：
12、s1.1、选取标准的心理评估报告模板作为评测目标，同时选择bleu评测指标；
13、s1.2、通过模块化结构搭建心理安全评估模型的系统架构；
14、s1.3、编订模型的接口函数和评测函数；
15、s1.4、进行模型评估并进行对应优化。
16、作为本专利技术的一种优选方案：所述s2的训练过程中需要保证文本数据与心理评估报告的对应性，同时需要对收集到的数据进行清洗和整理，并同时进行分词和标记化处理。
17、作为本专利技术的一种优选方案：所述s3中的限定参数包括文本扫描次数、同义词设定、特殊词汇模糊类比。
18、作为本专利技术的一种优选方案：所述s4的标准数据评测具体包括以下步骤：
19、s4.1、选择文本数据及其对应的标准评估结果3-5项，作为测试数据；
20、s4.2、将选定的测试数据的文本数据导入至模型进行评测；
21、s4.3、记录模型评估的响应时间、资源消耗并导出评估报告；
22、s4.4、将模型导出的评估报告与标准评估结果进行类比，并给出类比结果；
23、s4.5、根据类比结果对模型进行优化。
24、作为本专利技术的一种优选方案：所述s5中的学生自传文本数据需要保证内容完整且未被篡改，所述自传文本数据的获取可以分为学生自主上交、教员辅助提交和学生文本系统导出。
25、作为本专利技术的一种优选方案：所述s6中对文本内容的分析包括不当言论筛查、敏感信息筛查、抄袭信息筛查和隐晦信息提取，所述分析结果需导出对应报告，同时进行人工评估分析，得到人工评估分析报告。
26、作为本专利技术的一种优选方案：所述s7导出的模型分析报告设定报告主结果、分支结果、结果溯源和改进措施，所述主结果包括正常心理健康状态、轻度心理困扰、中毒心理障碍和严重心理危机，所述分支结果包括不当言论计数、敏感词汇计数和抄袭信息计数。
27、作为本专利技术的一种优选方案：所述模型分析报告需要与人工评估分析报告进行对比，并在住结果、分支结果、结果溯源和改进措施上进行类比，同时给出类比结果，对比类比相似度小于90％的模型分析报告，需要将人工分析报告导入至模型中进行重新学习。
28、与现有技术相比，本专利技术的有益效果是：在大数据中选取数据作为模型训练集，从而提高模型的准确性，同时设定文本扫描次数、同义词设定、特殊词汇模糊类比的限定参数，在提高模型工作效率的同时，进一步提高模型的学习能力，并提高模型的评估准确性，最后设定模型评估报告的多维度结果，可以更高的展现评估结果，并与人工评估结果进行类比，在类比不通过时，导入人工评估结果作为学习指标进行再次学习，提高模型的学习能力。
本文档来自技高网...【技术保护点】
1.一种基于大模型的学生自传风险评估的方法，其特征在于，具体包括步骤：
2.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述S1的建立评估模型具体包括以下步骤：
3.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述S2的训练过程中需要保证文本数据与心理评估报告的对应性，同时需要对收集到的数据进行清洗和整理，并同时进行分词和标记化处理。
4.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述S3中的限定参数包括文本扫描次数、同义词设定、特殊词汇模糊类比。
5.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述S4的标准数据评测具体包括以下步骤：
6.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述S5中的学生自传文本数据需要保证内容完整且未被篡改，所述自传文本数据的获取可以分为学生自主上交、教员辅助提交和学生文本系统导出。
7.根据权利要求1所述的一种基于大模型的学生自传风险评
8.根据权利要求7所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述S7导出的模型分析报告设定报告主结果、分支结果、结果溯源和改进措施，所述主结果包括正常心理健康状态、轻度心理困扰、中毒心理障碍和严重心理危机，所述分支结果包括不当言论计数、敏感词汇计数和抄袭信息计数。
9.根据权利要求8所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述模型分析报告需要与人工评估分析报告进行对比，并在住结果、分支结果、结果溯源和改进措施上进行类比，同时给出类比结果，对比类比相似度小于90％的模型分析报告，需要将人工分析报告导入至模型中进行重新学习。
...【技术特征摘要】
1.一种基于大模型的学生自传风险评估的方法，其特征在于，具体包括步骤：
2.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述s1的建立评估模型具体包括以下步骤：
3.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述s2的训练过程中需要保证文本数据与心理评估报告的对应性，同时需要对收集到的数据进行清洗和整理，并同时进行分词和标记化处理。
4.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述s3中的限定参数包括文本扫描次数、同义词设定、特殊词汇模糊类比。
5.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述s4的标准数据评测具体包括以下步骤：
6.根据权利要求1所述的一种基于大模型的学生自传风险评估的方法，其特征在于：所述s5中的学生自传文本数据需要保证内容完整且未被篡改，所述自传文本数据的获取可以分为...
【专利技术属性】
技术研发人员：王璞玺，吴韬，
申请(专利权)人：深圳市国关智能技术有限公司，
类型：发明
国别省市：
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。