基于卷积神经网络的智能心理状态评价与预警方法研究

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.