一种基于关联分析的心理健康状态预测方法与系统

本发明属于心理健康测评，具体涉及一种基于关联分析的心理健康状态预测方法与系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、当前社会人们因为心理问题导致的轻生事件屡见不鲜，心理问题逐渐成为社会重点问题，由于大多数人对心理疾病的认知不足，主动就诊的意愿低，因此及时发现和干预存在心理问题的人是刻不容缓的。目前使用较多的量表测评方式，在数据收集、数据统计等方面存在滞后性，与实际情况存在偏差，且测评结果局限于当前测评者心理学描述和阐述，无法达到预测和干预能力。也就是说，现有的方法只是对于量表测评得到的结果进行说明，但是无法预测测试人员未来的心理健康状况。

3、在数据获取方面，传统方法数据来源于某类特定群体的行为数据，数据的获取及使用在一定程度上侵犯了个人隐私，存在隐私数据暴露的风险等问题；在数据分析方面，基于关联分析fp-growth关联规则算法使用较为广泛，传统的fp-growth算法通过构造一个树结构来压缩数据记录，挖掘频繁项集需要扫描两次数据记录，而且该算法遍历构造的fp树是基于内存的，占用较大的内存空间，运行效率有待提高；在数据应用中，目前多数网络心理测评系统依托于量表测评进行评判，传统的量表测评结果可以评定当前个体是否具有某种心理症状及其严重程度，但是并未考虑以及难以预测个体的心理健康状态。

技术实现思路

1、为了解决上述问题，本发明提出了一种基于关联分析的心理健康状态预测方法与系统，本发明在保证隐私性的前提下，确保心理测评数据的准确性并提供给使用者完成大数据分析，通过改变数据集存储方式和扫描方式，仅需扫描一次数据集即可得到强关联规则，在节省数据库存储空间的同时提升关联规则算法挖掘效率。

2、根据一些实施例，本发明的第一方案提供了一种基于关联分析的心理健康状态预测方法，采用如下技术方案：

3、一种基于关联分析的心理健康状态预测方法，包括：

4、基于联邦学习进行隐私计算，得到心理测评原始数据；

5、对心理测评原始数据进行预处理，得到预处理后的心理测评数据；

6、基于预处理后的心理测评数据进行扫描创建二维存储矩阵，并对二维存储矩阵进行分组得到数据集；

7、基于数据集构造频繁树进行关联分析，得到满足最小支持度的强关联规则表；

8、根据所述强关联规则表，选择与其他因子关联性较强特征维度构造心理特征，并利用训练好的心理健康状态预测模型进行心理健康状态的预测。

9、根据一些实施例，本发明的第二方案提供了一种基于关联分析的心理健康状态预测系统，采用如下技术方案：

10、一种基于关联分析的心理健康状态预测系统，包括：

11、数据采集模块，被配置为基于联邦学习进行隐私计算，得到心理测评原始数据；

12、数据预处理模块，被配置为对心理测评原始数据进行预处理，得到预处理后的心理测评数据；

13、数据分组模块，被配置为基于预处理后的心理测评数据进行扫描创建二维存储矩阵，并对二维存储矩阵进行分组得到数据集；

14、关联分析模块，被配置为基于数据集构造频繁树进行关联分析，得到满足最小支持度的强关联规则表；

15、心理测评模块，被配置为根据所述强关联规则表，选择与其他因子关联性较强特征维度构造心理特征，并利用训练好的心理健康状态预测模型进行心理健康状态的预测。

16、根据一些实施例，本发明的第三方案提供了一种计算机可读存储介质。

17、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的一种基于关联分析的心理健康状态预测方法中的步骤。

18、根据一些实施例，本发明的第四方案提供了一种计算机设备。

19、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的一种基于关联分析的心理健康状态预测方法中的步骤。

20、与现有技术相比，本发明的有益效果为：

21、本发明通过对测试人员的原始心理测评数据进行分析预测测试人员的心理健康状态，通过横向联邦学习技术对心理测评数据进行隐私计算，在保护个人隐私的前提下，实现对心理测评数据的可信计算与使用；利用fp-growth改进算法，通过改变数据集存储方式和扫描方式，仅需扫描一次数据集即可得到强关联规则，在节省数据库存储空间的同时提升关联规则算法挖掘效率。

22、本发明提供一种新型心理健康状态分析预测方法。通过对心理测评数据进行关联规则分析，构建基于xg-boost的心理健康状态预测模型，输出测评个体心理健康状态存在异常的概率，准确判断个体是否存在心理健康问题。

23、本发明基于在线测评产生的大量心理测评数据，借助关联规则挖掘技术构造特征，构建心理健康状态预测模型，实现测试人员心理状态的事前预测，辅助心理学家及时的对心理异常的测试人员进行心理干预，为心理学研究者提供新的思路。

技术特征：

1.一种基于关联分析的心理健康状态预测方法，其特征在于，包括：

2.如权利要求1所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述基于联邦学习进行隐私计算，得到心理测评原始数据，包括：

3.如权利要求1所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述对心理测评原始数据进行预处理，得到预处理后的心理测评数据，包括：

4.如权利要求1所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述基于预处理后的心理测评数据进行扫描创建二维存储矩阵，并对二维存储矩阵进行分组得到数据集，具体为：

5.如权利要求4所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述基于满足最小支持度n的二维存储矩阵再次进行分组扫描，得到数据集，包括：

6.如权利要求1所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述基于数据集构造频繁树进行关联分析，得到满足最小支持度的强关联规则表，包括：

7.如权利要求1所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述根据所述强关联规则表，选择与其他因子关联性较强特征维度构造心理特征，并利用训练好的心理健康状态预测模型进行心理健康状态的预测，包括：

8.一种基于关联分析的心理健康状态预测系统，其特征在于，包括：

9.一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，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于关联分析的心理健康状态预测方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于关联分析的心理健康状态预测方法中的步骤。

技术总结
本发明属于心理健康测评领域，提供了一种基于关联分析的心理健康状态预测方法与系统，包括基于联邦学习进行隐私计算，得到心理测评原始数据；对心理测评原始数据进行预处理，得到预处理后的心理测评数据；基于预处理后的心理测评数据进行扫描创建二维存储矩阵，并对二维存储矩阵进行分组得到数据集；基于数据集构造频繁树进行关联分析，得到满足最小支持度的强关联规则表；根据所述强关联规则表，选择与其他因子关联性较强特征维度构造心理特征，并利用训练好的心理健康状态预测模型进行心理健康状态的预测。通过改变数据集存储方式和扫描方式，仅需扫描一次数据集即可得到强关联规则，在节省数据库存储空间的同时提升关联规则算法挖掘效率。

技术研发人员：陈贞翔,王政丽,姜晓庆,刘文娟,王有冕,王虎成,胡彬,王培丞
受保护的技术使用者：济南大学
技术研发日：
技术公布日：2024/1/13