用于中小学生心理危机筛查的信息处理方法及装置

摘要

本公开实施例公开了用于中小学生心理危机筛查的信息处理方法及装置，首先在判断目标用户的身份信息为中小学生身份后，接收目标用户通过用户端发送的对话语料文本；确定与对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与目标用户建立多轮对话交互；在多轮对话交互后，获取多轮对话交互过程确定的全部语料文本；基于全部语料文本，确定多个预设指标下的数据；最后基于数据和预设的策略，确定所述目标用户的心理危机等级。通过交互的方式获取数据源，基于数据源确定心理危机等级能够提高中小学生心理危机筛查的效率和准确率。

说明书

技术领域

本公开涉及心理数据处理技术领域，具体涉及到一种用于中小学生心理危机筛查的信息处理方法及装置。

背景技术

中小学心理危机的筛查与干预工作，应作为学校安全工作的重要组成部分，纳入学校常规制度建设，建立长效机制。重在预防与预警。自2014年国内逐步推进中小学生心理危机筛查与干预工作制度建设，定期发布中小学生心理危机预警通报，结合每年的心理普查结果，心理危机事件调研等情况，发布全省中小学生心理危机预警的重点地域、重点时段、重点对象等危机预警信息，指导提前做好心理危机的预防筛查与干预工作。

中小学心理健康教育是当前学校教育的需要，是避免各种突发事件，维护社会团结稳定，学校正常运作，学生家庭幸福的预防针，是学生正常健康、全面发展的保证，是应对社会变动时期的需要。与此相对应的是国内中小学生在心理健康上还没有形成体系化、结构化的心理危机干预信息化系统，在中小学生的心理数据采集与管理层面上，大多还基于人工完成，既不规范也给学校带来很大的工作强度，同时也很难形成数据化而带来的干预质量的提升。

心理危机等级，可用于表示中小学生心理不健康的程度，等级越高，其发生极端心理事件的概率越大。

发明内容

本公开的主要目的在于提供一种用于中小学生心理危机筛查的信息处理方法及装置，以解决中小学生心理危机筛查采用人工筛查的方式效率低的问题。

为了实现上述目的，根据本公开的第一方面，提供了一种用于中小学生心理危机筛查的信息处理方法，包括：在判断目标用户的身份信息为中小学生身份后，接收目标用户通过用户端发送的对话语料文本；确定与所述对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与所述目标用户建立多轮对话交互；在多轮对话交互后，获取多轮对话交互过程确定的全部语料文本；基于所述全部语料文本，确定多个预设指标下的数据；基于所述数据和预设的策略，确定所述目标用户的心理危机等级。

可选地，方法还包括：确定与所述心理危机等级对应的干预策略信息；获取所述用户端发送的与所述干预策略信息对应的反馈信息；基于所述反馈信息，确定所述目标用户的当前危机等级。

可选地，所述基于所述全部语料文本，确定多个预设指标下的数据包括：基于所述全部语料文本，确定所述全部语料文本对应的情绪类别是否包含有目标情绪类别；如果包含有目标情绪类别，确定所述全部语料文本在多个预设指标下级的数据。

可选地，所述基于所述全部语料文本，确定多个预设指标下的数据包括：提取所述全部语料文本的第一目标特征文本，以基于所述第一目标特征文本确定所述目标用户的当前情绪类别；提取所述全部语料文本的第二目标特征文本，以基于所述第二目标特征文本确定所述目标用户的情绪强度；提取所述全部语料文本的第二目标特征文本，以基于所述第二目标特征文本确定所述全部语料文本是否包含目标事件；提取所述全部语料文本的第三目标特征文本，以基于所述第三目标特征文本确定认知偏差信息。

作为本实施例一种可选地实现方式，确定与所述对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与所述目标用户建立多轮对话交互之前，所述方法还包括：建立对话内容池，以使内容池中用户端向所述目标用户反馈的每一条语料文本对应多个可表示相同语义的语料文本。

可选地，确定与所述对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与所述目标用户建立多轮对话交互包括：将所述目标用户通过用户端发送的对话语料文本转换为向量；对所述对话语料文本进行语义分析，得到语义信息；基于所述向量和所述语义信息，在内容池中确定向所述目标用户反馈的语料文本。

根据本公开的第二方面，提供了一种用于中小学生心理危机筛查的信息处理装置，包括：接收单元，被配置成在判断目标用户的身份信息为中小学生身份后，接收目标用户通过用户端发送的对话语料文本；第一确定单元，被配置成确定与所述对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与所述目标用户建立多轮对话交互；获取单元，被配置成在多轮对话交互后，获取多轮对话交互过程确定的全部语料文本；第二确定单元，被配置成基于所述全部语料文本，确定多个预设指标下的数据；第三确定单元，被配置成基于所述数据和预设的计算策略，确定所述目标用户的心理危机等级。

可选地，装置还包括：第四确定单元，被配置成确定与所述心理危机等级对应的干预策略信息；获取单元，被配置成获取所述用户端发送的与所述干预策略信息对应的反馈信息；第五确定单元，被配置成基于所述反馈信息，确定所述目标用户的当前危机等级。

根据本公开的第三方面，提供了一种电子设备，包括存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面实施例中任一方法

根据本公开的第四方面，提供了一种计算机可读存储介质，包括存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面任意一实施例所述的用于中小学生心理危机筛查的信息处理方法。

在本公开实施例中，首先在判断目标用户的身份信息为中小学生身份后，接收目标用户通过用户端发送的对话语料文本；确定与对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与目标用户建立多轮对话交互；在多轮对话交互后，获取多轮对话交互过程确定的全部语料文本；基于全部语料文本，确定多个预设指标下的数据；最后基于数据和预设的策略，确定所述目标用户的心理危机等级。通过交互的方式获取数据源，基于数据源确定心理危机等级能够提高中小学生心理危机筛查的效率和准确率。

附图说明

为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本公开实施例的用于中小学生心理危机筛查的信息处理方法的流程图；

图2是根据本公开实施例的用于中小学生心理危机筛查的信息处理装置的结构示意图；

图3是是适于用来实现本公开实施例的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本公开实施例，提供了一种用于中小学生心理危机筛查的信息处理方法，如图1所示，该方法包括如下的步骤101至步骤105。

步骤101：在判断目标用户的身份信息为中小学生身份后，接收目标用户通过用户端发送的对话语料文本。

在本实施例中，执行情绪识别模型训练的主体可以是服务器也可以是任一具有数据处理能力的终端，执行主体可以首先接收用户端发送的身份验证请求，而后响应于该请求，对触发用户端验证请求的目标用户进行身份验证，以确定目标用户的身份是否为中小学生，如果是中小学生，那么服务器可以接收用户端发送的用户端本地接收到的对话语料。

中小学生可以向用户端发送对话语料，该对话语料不具有任何限制，属于日常对话，例如“快要高考了如何缓解焦虑情绪”，“身边同学学霸太多了压力感到好大”等此类生活或者学习上遇到的问题。本实施例中，通过日常对话的方式搜集中小学学生的心理信息，基于该心理信息确定的心理危机等级能够非常精确地体现中小学生的心理状况。如果是直接通过人工测评的方式进行测评，首先，对于中小学生而言，针对测评过程会出现瞒报的行为，同时也存在不愿意袒露自己的真实心理想法的情形；其次，通过人工测评方式，其搜集的信息仅限于测评过程搜集到的信息，而不是日常积累的大量日常数据。上述情形均会造成心理数据来源不够真实、获取手段的限制而导致筛查结果并不准确。

可以理解的是，本方法是针对中小学生(未成年人)的心理危机进行筛查，由于身份的特殊性，后续对话交互过程中，采集的心理信息、心理危机等级的确定以及干预策略等等，均是由该身份唯一确定的。

步骤102：确定与所述对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与所述目标用户建立多轮对话交互。

在本实施例中，在接收到对话语料文本后，服务器需要确定与该语料适配的语料文本。该适配的语料文本首先可以是与对话语料文本切题的，保证不出现答非所问的情形，其次，该适配的语料文本可以是以确定心理危机为目标，对目标用户进行诱导的语料文本。在服务器确定适配语料文本后，可以将其发送给用户端，以使用户端播报此语料，从而建立多轮对话交互。确定适配的语料文本可以是从预先建立的内容池中确定，也可以由其他方式确定，在此不做限定。

作为本实施例一种可选的实现方式，确定与对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与所述目标用户建立多轮对话交互之前，所述方法还包括：建立对话内容池，以使内容池中用户端向所述目标用户反馈的每一条语料文本对应多个可表示相同语义的语料文本。

在本实施例中，可以采用FAQ模型确定适配的语料文本，训练FAQ模型的过程可以包括：可以基于预设的量表获取训练数据，抓取的数据是问答对儿；对数据进行清洗去噪，减少不需要的符号、去除空格、转换大小写等；对数据进行标注；之后对问答对儿进行处理，最终使用户端向目标用户反馈的每一条语料文本对应多个可表示同一条语义的语料文本。例如，目标用户的对话语料是“身边同学学霸太多了压力感到好大”的语义识别结果是“学习压力大”，针对学习压力大可以对应1个可反馈的语料文本。但是由于“学习压力大”该条语义可以有不同的表示方法，例如“快要高考了睡不好觉”等等，本实施例中的内容池可表示同一语义的语料文本至少有5个，该5个语料文本均对应同一个可反馈的语料文本。内容池构建完成后需要把所有语料在离线环境下转成向量，以便缩短线上服务处理耗时能够及时响应用户请求。通过Elastic Search(ES)框架处理和存储数据，大大地提升了数据量级。

作为本实施例一种可选的实现方式，确定与所述对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与所述目标用户建立多轮对话交互包括：将所述目标用户通过用户端发送的对话语料文本转换为向量；对所述对话语料文本进行语义分析，得到语义信息；基于所述向量和所述语义信息，在内容池中确定向所述目标用户反馈的语料文本。

在本实施例中，当服务器接收到目标用户的对话语料后，需要召回适配语料文本，可以将该对话语料转换成向量，可首先基于字面层级上的文本进行匹配，也即是用户query与内容池中的字词层匹配；而后可基于语义理解层面上的匹配，也即是通过外部预训练词向量的语义信息，虽然字词表面上是不同的，但是表达同一个语义。具体实现策略上召回特征有TFIDF、BM25、信息熵、Word2Vec_Max和Word2Vec_Mean。其中TFIDF、BM25、信息熵是字面层级上匹配，Word2Vec_Max和Word2Vec_Mean是基于语义信息匹配。每个召回特征策略可以从内容池中召回出5条与对话语料相似的语料文本。而后可对召回的与对话语料相似的语料文本进行融合和排序，将评分最高的确定为最相似的语料，其所对应的可反馈的语料文本作为适配的语料文本发送给用户端。精排层是任务是对召回层不同召回策略匹配出的候选相似问题做融合和精排，然后把排序评分最高的记录答案返回给用户。精排层是使用神经网络XLNet对用户query与候选相似问题序列提取有效语义特征信息，同时也考虑到了query与候选相似问题相互交互的特征影响，综合各方面信息后给出最佳的答案回复返回给用户端。

步骤103：在多轮对话交互后，获取多轮对话交互过程确定的全部语料文本。

步骤104：基于所述全部语料文本，确定多个预设指标下的数据。

在本实施例中，多个预设指标可以包括情绪指标(无情绪、未知情绪、乐、怒、哀、惧、恶、惊)、情感强度指标(将情感强度可以包括5种程度的强度，可用数字表示1,3,5,7,9)是否包含目标事件的指标(是否包含危机事件，例如，父母离婚、家庭暴力等，可用3种标签表示，如已发生、未发生和未识别)、认知偏差指标(包括绝对和非绝对，例如，父母离婚持有极端的心理属于绝对认知偏差)。多个指标下的数据即通过各个模型识别得到的各个指标下的信息，该信息可以用于确定心理危机等级。模型可以包括：情绪识别模型，识别情绪分类。通过带有情绪类标签的数据做训练，当用户输入对话语料时，会判别属于哪种情绪。在训练过程中，数据标注步骤可以包括数据通过互联网公开渠道抓取和自有数据集整合，通过人工标注，共有8种标签：无情绪、未知情绪、乐、怒、哀、惧、恶、惊。特征提取步，输入带有情绪标签的数据，通过神经网络模型XLNET同时计算内容表征和语境表征，提取单词情绪权重，计算一句话的情感权重，判别出属于哪种情绪分类。情绪分类步骤，当用户输入内容，可以判断属于哪种情绪类别。

程度模型，对情感强度识别，通过带有情感强度标签的数据做训练，当用户输入问题时，会判别其情感强度等级是多少。数据标注步骤包括数据通过互联网公开渠道抓取和自有数据集整合，通过人工标注，共有5种程度等级标签：1、3、5、7、9。模型训练步骤，输入带有情绪强度等级的数据，通过神经网络XLNET做等级分类任务，输出每种情绪强度的概率。程度分类：当用户输入内容，可以判断属于哪种情绪强度等级。

事件识别模型，识别事件是否已经发生、未发生和其他(没有倾向或描述的事件无动作)。数据标注：数据通过互联网公开渠道抓取和自有数据集整合，通过人工标注，共有3种事件时态标签：已发生、未发生、未识别。模型训练：输入带有事件时态标签的数据，通过神经网络XLNET训练，输出端判断事件已发生或未发生。

认知偏差模型，想法认知偏差分成绝对化与非绝对化两种。该模型主要判断用户输入属于哪种认知。数据标注步骤，数据通过互联网公开渠道抓取和自有数据集整合，通过人工标注，共有2种想法认知偏差标签：绝对、非绝对。模型训练步骤：输入带有认知偏差标签的数据，通过神经网络XLNET训练，输出端判断想法认知为绝对、非绝对。

作为本实施例一种可选的实现方式，基于所述全部语料文本，确定多个预设指标下的数据包括：基于所述全部语料文本，确定所述全部语料文本对应的情绪类别是否包含有目标情绪类别；如果包含有目标情绪类别，确定所述全部语料文本在多个预设指标下的数据。

在本实施例中，在确定心理危机等级时，由于只需要筛查出心理危机等级属于重度的用户，因此在确定心理危机等级时，可以首先确定情绪类别，可利用情绪类别识别模型进行识别，得到目标用户属于无情绪、未知情绪、乐、怒、哀、惧、恶、惊中的哪一种，而后可针对情绪类别是怒、哀、惧、恶、惊的用户进行进一步的筛查。采用此种方式，可以加快筛查效率。

作为本实施例一种可选的实现方式，基于所述数据和预设的计算策略，确定所述目标用户的心理危机等级包括提取所述全部语料文本的第一目标特征文本，以基于所述第一目标特征文本确定所述目标用户的当前情绪类别；提取所述全部语料文本的第二目标特征文本，以基于所述第二目标特征文本确定所述目标用户的情绪强度。提取所述全部语料文本的第二目标特征文本，以基于所述第二目标特征文本确定所述全部语料文本是否包含目标事件；和/或，提取所述全部语料文本的第三目标特征文本，以基于所述第三目标特征文本确定认知偏差信息。

在本实施例中，在得到上述数据后，可以利用预设的策略，确定心理危机等级，心理危机等级可以分值的方式体现；也可以用不同的档次体现，例如高、中、低。例如，可以利用权重加和的算法确定心理危机等级的分值。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本公开实施例，还提供了一种用于实施上述中小学生心理危机筛查的信息处理方法的装置，如图2所示，该装置包括：

接收单元201，被配置成在判断目标用户的身份信息为中小学生身份后，接收目标用户通过用户端发送的对话语料文本；第一确定单元202，被配置成确定与所述对话语料文本适配的语料文本，并将适配的语料文本发送至用户端，以使用户端与所述目标用户建立多轮对话交互；获取单元203，被配置成在多轮对话交互后，获取多轮对话交互过程确定的全部语料文本；第二确定单元204，被配置成基于所述全部语料文本，确定多个预设指标下的数据；第三确定单元205，被配置成基于所述数据和预设的计算策略，确定所述目标用户的心理危机等级。

作为本实施例一种可选的实现方式，装置还包括：第四确定单元，被配置成确定与所述心理危机等级对应的干预策略信息；获取单元，被配置成获取所述用户端发送的与所述干预策略信息对应的反馈信息；第五确定单元，被配置成基于所述反馈信息，确定所述目标用户的当前危机等级。

本公开实施例提供了一种电子设备，如图3所示，该电子设备包括一个或多个处理器31以及存储器32，图3中以一个处理器31为例。

该控制器还可以包括：输入装置33和输出装置33。

处理器31、存储器32、输入装置33和输出装置33可以通过总线或者其他方式连接，图3中以通过总线连接为例。

处理器31可以为中央处理器(CentralProcessingUnit，CPU)。处理器31还可以为其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的用于中小学生心理危机筛查的信息处理方法。

存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置33可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置34可包括显示屏等显示设备。

一个或者多个模块存储在存储器32中，当被一个或者多个处理器31执行时，执行如图1所示的方法。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。