基于深度学习学生序列化行为的心理健康预警方法

摘要

本发明公开了一种基于深度学习学生序列化行为的心理健康预警方法，包括：采集学生在校行为数据，以学生个体作为分类标签，以固定周期作为数据统计内容的时长，形成固定周期内的一组数据，记为单组数据；构建去噪自动编码器模型，用于从单组数据进行提取特征；构建循环神经网络模型，将特征经过标准化之后作为输入，训练网络；给定异常的阈值θ，根据重构误差与阈值的比较结果，来判断学生是否异常。本发明所达到的有益效果：本方案利用深度学习中自动编码器模型提取特征，捕捉正常学生与疑似心理问题学生之间的本质区别，接着采用递归神经网络来充分利用时间信息，使得模型应对时间维度的变化更加稳健。