一种基于访谈文本的心理健康辅助筛查方法及装置

本发明属于新一代信息技术中的深度学习与模式识别领域。

背景技术：

1、人们如果长时间处于高压状态，人们的心理状态很容易变得脆弱，极易产生抑郁情绪，严重者可能发展成抑郁症，极其影响正常生活，甚至危及生命。然而，很多患者未能及时接受诊断治疗。因此，研究和开发心理健康辅助筛查和抑郁症早期识别系统对改善这一现状至关重要。研究显示，抑郁症患者的语言行为(如句法、语义等方面)与正常人存在显著差异。

2、近年来，随着人工智能领域尤其是深度学习技术的不断突破，为抑郁症辅助诊断提供了技术基础。通过分析受访者在访谈过程中的语言行为，可以对其精神健康状况进行筛查，从而实现更加客观、精准的抑郁症诊断，从而促进心理疾病的早期治疗和干预。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本发明的目的在于提出一种基于访谈文本的心理健康辅助筛查方法，用于心理与精神健康监测，实现早发现、早干预、早治疗。

3、为达上述目的，本发明第一方面实施例提出了一种基于访谈文本的心理健康辅助筛查方法，包括：

4、将访谈文本中受访者的回答记录利用预训练模型bert提取文本嵌入；

5、将所述文本嵌入通过等维截断的方式映射到四元数空间，实现所述文本嵌入的四元数表示；

6、以所述四元数表示为输入，联合四元数双向长短时记忆网络和注意力机制，捕获有关心理健康的特征；

7、根据所述有关心理健康的特征，使用全连接层进行心理健康筛查及严重程度预测。

8、另外，根据本发明上述实施例的一种基于访谈文本的心理健康辅助筛查方法还可以具有以下附加的技术特征：

9、进一步地，在本发明的一个实施例中，所述将所述文本嵌入通过等维截断的方式映射到四元数空间，表示为：

10、xt＝rt+ati+btj+ctk，

11、其中，[rt,at,bt,ct]＝bert(textt)表示受访者的第t个回答记录的文本嵌入，xt为相应的四元数表示。

12、进一步地，在本发明的一个实施例中，所述以所述四元数表示为输入，联合四元数双向长短时记忆网络和注意力机制，捕获有关心理健康的特征，包括：

13、使用biqlstm作为抑郁特征提取器捕获有关心理健康的特征；其中，qlstm的输入、参数和输出都是四元数的形式，设ft,it,ot,ct和ht为qlstm单元在时间步t的遗忘门、输入门、输出门、单元状态和隐藏状态，则单向qlstm的公式为：

14、

15、

16、

17、

18、ht＝ot×α(ct)，

19、其中，σ和α分别表示sigmoid和tanh激活函数，表示四元数的汉密尔顿乘积；

20、所述biqlstm将前向qlstm和后向lqstm的输出按时间步相加。

21、进一步地，在本发明的一个实施例中，还包括在biqlstm中引入注意力机制，其中，

22、设h,o分别为biqlstm的隐藏层状态和最终输出，有：

23、

24、

25、

26、其中w,b为四元数全连接层的可学习参数，y为注意力层的输出。

27、为达上述目的，本发明第二方面实施例提出了一种基于访谈文本的心理健康辅助筛查装置，包括以下模块：

28、第一提取模块，用于将访谈文本中受访者的回答记录利用预训练模型bert提取文本嵌入；

29、映射模块，用于将所述文本嵌入通过等维截断的方式映射到四元数空间，实现所述文本嵌入的四元数表示；

30、第二提取模块，用于以所述四元数表示为输入，联合四元数双向长短时记忆网络和注意力机制，捕获有关心理健康的特征；

31、预测模块，用于根据所述有关心理健康的特征，进行心理健康筛查及严重程度预测。

32、为达上述目的，本发明第三方面实施例提出了一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的一种基于访谈文本的心理健康辅助筛查方法。

33、为达上述目的，本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的一种基于访谈文本的心理健康辅助筛查方法。

34、本发明实施例提出的基于访谈文本的心理健康辅助筛查方法，首先将访谈文本中受访者的回答记录利用预训练模型bert提取文本嵌入，以获得初步的语义信息表征。然后，选用bert倒数第二层transformer输出序列[cls]位置的文本嵌入，而非整个bert模型的全部输出代表整个文本序列的信息，既获取了全局语义信息表征，又有效降低了计算的复杂程度。接着，将全局语义信息表征映射到四元数空间后，送往带有注意力机制的四元数双向长短时记忆网络(bi-directional quaternion long short-term memory,biqlstm)，从而进一步捕获能够反映抑郁等心理健康信息的特征。最后，使用全连接层，利用所学到的特征计算抑郁严重程度得分。本发明能够应用于心理与精神健康监测，实现早发现、早干预、早治疗。

技术特征：

1.一种基于访谈文本的心理健康辅助筛查方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述将所述文本嵌入通过等维截断的方式映射到四元数空间，表示为：

3.根据权利要求1所述的方法，其特征在于，所述以所述四元数表示为输入，联合四元数双向长短时记忆网络和注意力机制，捕获有关心理健康的特征，包括：

4.根据权利要求3所述的方法，其特征在于，还包括在biqlstm中引入注意力机制，其中，

5.一种基于访谈文本的心理健康辅助筛查装置，其特征在于，包括以下模块：

6.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一所述的基于访谈文本的心理健康辅助筛查方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4任意一项所述的基于访谈文本的心理健康辅助筛查方法。

技术总结
本发明提出一种基于访谈文本的心理健康辅助筛查方法，包括，将访谈文本中受访者的回答记录利用预训练模型BERT提取文本嵌入；将文本嵌入通过等维截断的方式映射到四元数空间，实现文本嵌入的四元数表示；以四元数表示为输入，联合四元数双向长短时记忆网络和注意力机制，捕获有关心理健康的特征；根据有关心理健康的特征，使用全连接层进行心理健康筛查及严重程度预测。通过本发明提出的方法，能够应用于心理与精神健康监测，实现早发现、早干预、早治疗。

技术研发人员：邵珠宏,李世豪,尚媛园,胡强,韩俊霞,张岩丽,丁辉,刘铁,梁佩鹏,苏佳,宋巍,谭小慧
受保护的技术使用者：首都师范大学
技术研发日：
技术公布日：2024/3/4