基于CNN的多方位心理測量系統

王若巖 楊學武 楊一鳴

摘 要：大學生心理健康問題頻發，造成諸多不良后果，為能讓學生更準確，更及時的發現自己的里健康問題，本文設計一套基于深度學習的大學生心理測量系統。該系統根據SCL90，UPI等量表，利用深度學習技術進行情感分析和作假判斷，以提高心理測試的準確性。用戶可通過網頁或客戶端，進行語音、文字、視頻多維度心理測量。系統綜合得出準確的心理測量結果并根據分析結果給出相應的治療方案。同時，本系統擁有持續性心理監測模塊，將持續跟蹤檢測用戶心理狀態，結合歷史檢測結果以期徹底解決用戶心理問題，提高大學生心理健康水平。

關鍵詞：心理測量;深度學習;多維度測量; 持續監測

1引言

解決大學生心理問題是21世紀高校重點建設方向之一。調研結果顯示，高達18.5%的學生存在不同程度的心理健康問題。近兩年來，大學生自殺事件屢屢發生，頻登微博熱搜榜。鄰人不解的是近半數的當事學生并未在高校入學心理篩查中檢測出任何問題，這使心理篩查的有效性備受公眾質疑。

心理測量學（psychometrics）是心理治療的第一步，也是心理健康教育的“第一?？圩印薄，F有常見的心理測量手段包括量表法、投射測驗法和儀器測量法。但是這些傳統的測量方法均需要被測人主動配合，易于作假，并且被測者在作答時容易猶豫不決，影響測量結果。

本文在深度學習技術的基礎上，結合大學生容易出現的各種心理問題，提出大學生心理測量系統，該系統通過chatbot對話、音頻、視頻等方式收集測量結果，應用科學有效的心理測量進行多維度智能診斷并得出測量結果，通過后期與用戶聊天實時追蹤改善測量結果。

2心理測量系統設計

2.1心理測量系統架構

2.2心理測量系統主要功能模塊

本文研究產品主要實現以下幾個功能：多維度心理測量模塊，作假檢測模塊，持續性心理監測模塊，快速心理測量模塊，心理建議和心靈陪伴模塊，

多維度心理測量模塊，該模塊從chatbot機器人對話、音頻、視頻等多個維度測量心理狀態，智能分析處理用戶的自然語言。

作假檢測模塊，該模塊通過收集立體化數據計算測試作假概率，在與用戶進行視頻時，通過判斷用戶的語言與情緒是否符合正常一般性，得到測量結果的真實程度。

持續性心理監測模塊，該模塊隨時間遷移，用戶可以隨時進行心理測量，與chatbot機器人進行聊天，并結合之前的心理測量結果，綜合得到用戶目前的心理測量結果。

快速心理測量模塊，該模塊通過用戶選擇心理測試大方向后，根據相似標簽匹配算法得到適合被測者的題庫。

心理建議和心靈陪伴模塊，該模塊通過測試結果，結合專業心理知識，在深度學習，人工智能的基礎上給出心理建議和陪伴。

3心理測量系統實現

3.1系統架構和流程

基于深度學習的大學生心理測量系統，針對大學生心理健康工作的需求，本項目將軟件開發技術與心理健康測試相結合。利用深度學習技術開發了大學生心理測試系統，采用前后端分離的思想，選擇vue.js完成前端web開發，SSM框架完成后端開發，并利用VGG19進行人臉表情識別，word2vec進行自然語言文字處理，綜合SCL90等量表進行大學生心理分析。

若用戶為第一次使用該系統，則需進行注冊操作，然后登錄系統。選擇是否查看歷史分析，之后進入心理咨詢階段，該系統根據心理咨詢采集用戶表情信息，語音信息和文字信息經匯總后傳入云端服務器。在后臺系統將語音轉換成文字信息，綜合表情信息和文字信息系統生成情緒標簽，于情緒庫進行匹配，最終生成結果傳回用戶界面。

3.2多維度心理測量模塊實現

從chatbot機器人對話、音頻、圖片等多個維度測量心理狀態，智能分析處理用戶的自然語言，生成合適的內容。

在自然語言處理中，我們首先利用Jieba算法分詞，其次訓練一個詞向量生成模型（Word2Vec），為訓練集建立ID矩陣，最后創建RNN（使用LSTM單元）。

3.3作假檢測模塊實現

通過收集立體化數據計算測試作假概率，在與用戶進行視頻時，通過判斷用戶的語言與情緒是否符合正常一般性，得到測量結果的真實程度。

在圖像識別模型中，該系統擬采用深度卷積神經網絡來將人臉表情特征提取與表情分類融合到一個End-to-End的網絡中。采用了VGG19來完成表情的識別與分類。

3.4快速心理測量模塊實現

通過用戶選擇的關鍵字標簽，使用相似標簽匹配算法匹配題庫，Levenshtein 距離，又稱編輯距離，指的是兩個字符串之間，由一個轉換成另一個所需的最少編輯操作次數。許可的編輯操作包括將一個字符替換成另一個字符，插入一個字符，刪除一個字符。進行測試。

3.5持續性心里檢測模塊實現

隨時間遷移，用戶可以隨時進行心力測量，與chatbot機器人進行聊天，并結合之前測量結果，綜合得到用戶目前心力測量結果

3.6心里建議和心靈陪伴模塊實現

通過測試結果，結合專業心理知識，在深度學習，人工智能的基礎上給出心里建議和陪伴

4成果展示

該系統可以通過語音、文字或視頻多維心力測量方法讓測試者與機器人互動，視頻時對測試者的表情進行采集從而得到更加準確的結果，在聊天過程中，系統會對用戶的聊天內容和表情進行分析，如果用戶表現積極則會得到高分，用戶表現消極則會得到低分而且回給出相應的建議。

在測試中我們發現測試員表現的很壓抑，不僅頭特別疼的身體反應而且情緒低落都反應了測試員最近心理出現了問題，系統打出了49.23的低分與實際相符，并給出了及時送醫的紅色警告的建議

5結語

本文抓住目前大學生最需要解決最值得關注的心理問題，結合大學生所處生活環境，進行案例分析整理、情緒數據收集，應用VGG19、LSTM等前沿技術、通過有效的chatbot對話、音頻、視頻形式進行智能測量，并根據心理治療方案給出建議和陪伴，有效處理大學生目前普遍存在的各類心理問題，保證心理健康發展，校園生活安全穩定，社會和諧，國家的棟梁健康成長。

參考文獻：

[1]吳連海，王萍，王磊，等。心理健康癥狀對大學生自殺傾向預測模型的構建[j] 中國健康心理學雜志，2010，18（1）：99-100 。

[2]蔣懷濱，張斌，李強，等。消極完美主義對自殺態度預測機制的內隱實驗研究[j] 現代預防醫學2015，42（6）：1038-1041.

作者簡介：

王若巖，生于1999年2月，男，漢族，山東東營人，天津工業大學本科在讀，軟件工程方向

基金項目：本文系天津工業大學2019年度大學生實踐創新訓練計劃項目，項目編號：201910058064