1.本发明涉及心理健康测试技术领域，更具体地说，本发明涉及一种面向心理筛查的个性化问卷生成与智能诊断系统及方法。
背景技术：2.随着我国社会经济以及网络的高速发展，人们日常生活中的各种压力与焦虑被不断放大。而对于正是人格形成、价值观构筑阶段的中小学生，因其不具有较好的心理素质和情绪控制的能力，也就更容易产生心理问题。现如今中小学生心理健康问题越来越受到国家与社会的重视，对中小学生进行大范围心理健康筛查的需求也随之水涨船高。其中被广泛运用于筛查、较为简便可靠的方法便是心理问卷调查法。
3.目前现有的问卷简化方法大致分为两类，第一类是传统方法：从题目本身着手，通过分析问题之间的内在联系，将意思相近及相关程度较高的问题归类，然后对每类问题分析找出贡献最大的成分，即找到所有类别中最具代表性的问题，从而完成问卷简化。由于这种方法的归类并不基于数据，而是从意思相近的程度出发，具有一定主观性，并且其无法进行跨维度问题的比较，即当某个维度有多个重要问题，而某一维度的问题相对而言都不够重要时，此时就可能漏掉重要题目，反而保留了不够重要的题目，因此有一定缺陷。第二类是计算机方法：目前有cat计算机自适应测评技术，此方法对题库的题目数量、题目结构要求过高，不利于应用在大范围的心理筛查情境中；此外还有决策树方法，此方法相关研究较少，已有研究中所用数据集的属性较少，仍有很大改进空间。因此，为了进一步提高筛查效率和质量，本发明提出了一种面向心理筛查的个性化问卷生成与智能诊断系统及方法。
技术实现要素：4.为了克服现有技术的上述缺陷，本发明的实施例提供一种面向心理筛查的个性化问卷生成与智能诊断系统及方法，通过利用决策树算法，从具体数据出发，通过计算不同题目的信息增益来构建决策树，生成个性化的问卷并做出最终的心理危机等级评定，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：
6.一种面向心理筛查的个性化问卷生成与智能诊断系统，包括：用户数据采集模块、决策树模型训练模块与结果与评价展示模块；
7.所述用户数据采集模块，用于记录针对用户生成的子问卷题目，储存用户键入的每道题目对应作答结果，同时在每道题键入结果后加入答题时间戳，生成此用户的子问卷作答数据；
8.所述决策树模型训练模块，用于储存已训练好的决策树模型，用来对用户键入的作答结果进行决策分类，诊断用户心理危机等级；
9.所述结果与评价展示模块，用于将决策树的分类结果进行展示，并根据对应分类结果提供缓解心理问题的建议，安排后续的进一步就诊手续。
10.在一个优选地实施方式中，所述决策树模型训练模块包括：数据处理优化单元，决策树构建单元；
11.所述数据处理优化单元，用于对供模型训练的大量数据进行清洗，保留最集中最典型的数据；
12.所述决策树构建单元，用于将数据处理优化单元保留的数据进行进一步整合优化，直到最终得到构建完成的决策树。
13.在一个优选地实施方式中，本发明一种面向心理筛查的个性化问卷生成与智能诊断系统还包括推荐模块，所述推荐模块用于根据该用户心理危机等级为其提供该结果所对应心理问题建议以及相关心理学方面的知识介绍。
14.一种面向心理筛查的个性化问卷生成与智能诊断方法，包括如下步骤：
15.步骤s1、为用户创建心理问卷决策树节点；
16.步骤s2、确定问卷中各个题目的信息熵，计算信息增益率；
17.步骤s3、提取出信息增益率最大的题目作为决策树的根节点；
18.步骤s4、采用剪枝法为对问卷进行不断优化简化。
19.在一个优选地实施方式中，在步骤s2中，对决策树节点的训练集状态、题目样本种类以及属性列表状态进行判断，不断优化确定问卷中各个题目的信息熵分布。
20.在一个优选地实施方式中，在步骤s4中，采用剪枝法为对问卷进行剪枝后，将剪枝后的决策树节点数据返回至步骤s2中继续进行信息熵确定与信息增益率计算，直到最终得到构建完成的决策树。
21.本发明一种面向心理筛查的个性化问卷生成与智能诊断系统及方法，将决策树技术应用于心理量表的简化，能够将量表的题目数量减少至10题左右，大大降低用户的答题时间，从而保证用户的答题专注度，进而提高量表的有效性。同时，基于简化后心理量表的诊断系统可快速便捷地检测用户心理健康危机等级，适用于大面积心理筛查。
附图说明
22.图1为本发明一种面向心理筛查的个性化问卷生成与智能诊断系统结构示意图；
23.图2为本发明一种面向心理筛查的个性化问卷生成与智能诊断方法流程图图；
24.图3为本发明心理筛查智能诊断系统所用的决策树算法c4.5的算法流程图；
25.附图标记为：10、用户数据采集模块；20、决策树模型训练模块；30、结果与评价展示模块。
具体实施方式
26.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
27.本发明为实现中小学生大面积心理健康筛查，我们选用决策树方法来进行问卷的简化。通过信息增益算法，寻找全部题目之间的依赖关系，从而构建能评估最终心理危机等级的决策。此决策树根据受试者的做题情况来决定还需提问哪些题目才能决策出最终的危
机等级，只安排此受试者所需回答的问题，从而大大简化量表，同时通过其较强的针对性使得此量表的准确性有所保障。
28.实施例1
29.本发明一种面向心理筛查的个性化问卷生成与智能诊断系统，如图1所示，包括用户数据采集模块10、决策树模型训练模块20与结果与评价展示模块30，所述用户数据采集模块10用于记录针对用户生成的子问卷题目，储存用户键入的每道题目对应作答结果，同时在每道题键入结果后加入答题时间戳，生成此用户的子问卷作答数据。所述决策树模型训练模块20包括数据输入接口，其可输入针对不同分类标准(特征)进行标注的数据进行训练，从而得到不同特征的分类决策树，是系统中具有可学习成长特性的模块；此模块储存已训练好的决策树模型，用来对用户键入的作答结果进行决策分类，诊断用户心理危机等级。所述结果与评价展示模块30将决策树的分类结果进行展示，并根据对应分类结果(不同危机等级)提供缓解心理问题的建议，并安排后续的进一步就诊手续。
30.具体的，在所述用户数据采集模块10中，当计算机或手机屏幕上出现用户所需回答的题目时，系统同步记录该题目以及用户对应作答结果。针对pc端和移动端分别exe可执行文件和小程序或app进行数据的采集。当每道题目的结果键入完成之后，加入该用户的答题时间戳，即用户看到题目到做出选择之间所花费时间，以此来进一步确保问卷的信度和数据的有效性。
31.本发明决策树模型训练模块20是该系统的核心模块，主要包括：数据处理优化单元，决策树构建单元以及信效度评估单元。同时，本发明系统为自适应系统，在用户的使用中会不断根据用户答题所提供的新数据进行决策树模型的不断优化，提升心理健康评估的准确率。
32.所述数据处理优化单元，用于对供模型训练的大量数据进行清洗，同时设定答题时间阈值，根据答题时间戳计算用户的答题时间。若用户的答题时间过短，则说明用户的本次答题并未认真阅读题干，没有经过仔细的思考即给出答案，这样的用户数据不具备训练价值，并且不能当作评判标准，会影响后续聚类分析结果以及决策树模型的准确率，所有需要将该用户的本次测试数据判为无效数据，进行删除处理。接下来进行数据的优化，对大量训练数据进行聚类分析，仅保留最集中最典型的数据，对一些具有特殊性的用户数据进行删除，避免得到的决策树模型出现过拟合现象。
33.所述决策树构建单元，将数据导入之后，首先计算数据的类别信息熵，类别信息熵表示的是所有样本中各种类别出现的不确定性之和，得到的结果越大，就说明不确定性越大；接下来计算每个属性(题目)的信息熵，属性的信息熵相当于一种条件熵，表示该题目的不同选项下，各种类别出现的不确定性之和，属性的信息熵越大，就说明这个属性所拥有的样本类别越多；第三步计算信息增益，信息增益等于类别信息熵和属性信息熵的差值，表示的是信息不确定性减少的程度。如果一个属性的信息增益越大，就表示用这个属性进行样本划分可以更好的减少划分后样本的不确定性，当然，选择该属性就可以更快更好地完成我们的分类目标；第四步计算信息增益率，信息增益率为信息增益除以属性的内在信息，本系统利用分裂信息度量来考虑该属性进行分裂时分支的数量信息和尺寸信息，信息增益率会导致属性的重要性随着内在信息的增大而减小，克服了用信息增益选择属性时偏向选择取值多的属性的不足。在完成上述四个步骤之后，提取出信息增益率最大的题目作为决策
树的根节点，在根节点的不同结果所对应的子节点之中重复计算信息增益率，直到最终得到构建完成的决策树。该系统为自适应系统，在用户使用本系统期间，可以持续收集用户答题数据，进行决策树模型的完善。
34.kappa系数是一个用于检验一致性的指标，即检验模型预测结果和实际分类结果的一致性。kappa系数的结果取值为-1到1之间,通常大于0,并可分为五组来表示不同级别的一致性：0.0～0.20表示极低的一致性(slight)、0.21～0.40表示一般的一致性(fair)、0.41～0.60表示中等的一致性(moderate)、0.61～0.80表示高度的一致性(substantial)和0.81～1表示几乎完全一致(almost perfect)。
35.本发明结果与评价展示模块30，用于在用户在进入答题系统后，为该用户根据当前题目所选答案为其匹配下一道关联性最大的题目。当用户回答完毕系统所提供的题目之后，若该用户的答题数据有效，系统会直接给出该用户的心理危机等级。
36.作为进一步的优化改进，本发明还包括推荐模块，所述推荐模块用于根据该用户心理危机等级为其提供该结果所对应心理问题建议以及相关心理学方面的知识介绍。若用户心理危机较高，还会为用户提供进一步就诊等相关知识的介绍等。
37.实施例2
38.本发明一种面向心理筛查的个性化问卷生成与智能诊断方法，其主要特点在于对决策树的构建，如图2所示，包括如下步骤：
39.步骤s1、为用户创建心理问卷决策树节点n(n为第n次心理问卷标记)。
40.步骤s2、确定问卷中各个题目的信息熵，计算信息增益率。
41.步骤s3、提取出信息增益率最大的题目作为决策树的根节点。
42.步骤s4、采用剪枝法为对问卷进行不断优化简化。
43.具体的，在步骤s2中，本发明对决策树节点的训练集状态(即是否为第一次答题)、题目样本种类(即所答题目样本种类是否一致)以及属性列表状态进行判断，不断优化确定问卷中各个题目的信息熵分布，从而便于后续计算信息增益与信息增益率。
44.进一步的，在步骤s2中，若用户答题时间过短(低于最快答题时间例如1秒)，则被认为此题为无效答题，不计入题目的信息熵计算。
45.步骤s4中，采用剪枝法为对问卷进行剪枝后，将剪枝后的决策树节点数据返回至步骤s2中继续进行信息熵确定与信息增益率计算。直到最终得到构建完成的决策树。
46.本发明如图3所示，以机器学习中决策树方法的c4.5算法为核心简化算法，在郁症筛查量表(phq-9)、青少年自评生活事件量表(aslec)、中学生睡眠问题量表(asws)、中学生心理健康量表(mssmhs)以及中学生心理韧性量表(hkra)这5套权威心理问卷精编版的基础上，基于心理平台收集的大量中小学生心理健康数据，进行聚类等数据处理后，以划分的5个心理危机等级为特征，逐个计算每个特征的信息增益率和数据集的香农熵，并按照给定的特征划分数据集。根据每个特征的香农熵选择最优的数据集划分方式，也就是根据信息增益率的最大化原则来构建决策树。这种简化方法不同于以往的“专家经验模型”(用户答完量表中的全部试题，所有题目积分累计总分根据某由专家划分的得分区间，来判定用户心理危机等级)，此系统基于决策树，根据用户所答题目的答案选择出对结果最具有提问意义的下一题，从而生成针对用户的一套子试卷，以大量数据训练得出的决策树为根据，构建出“数据驱动模型”来判定其心理危机等级。
47.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，各个实施例重点说明的都是与其他实施例的不同之处。尤其，对于方法实施例而言，由于其基本依托于系统实施例，所以描述得比较简单，相关之处参见系统实施例的部分说明即可。
48.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
49.最后应说明的几点是：首先，本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中；
50.其次：本发明公开实施例附图中，只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
51.最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种面向心理筛查的个性化问卷生成与智能诊断系统，其特征在于：包括：用户数据采集模块、决策树模型训练模块与结果与评价展示模块；所述用户数据采集模块，用于记录针对用户生成的子问卷题目，储存用户键入的每道题目对应作答结果，同时在每道题键入结果后加入答题时间戳，生成此用户的子问卷作答数据；所述决策树模型训练模块，用于储存已训练好的决策树模型，用来对用户键入的作答结果进行决策分类，诊断用户心理危机等级；所述结果与评价展示模块，用于将决策树的分类结果进行展示，并根据对应分类结果提供缓解心理问题的建议，安排后续的进一步就诊手续。2.根据权利要求1所述的一种面向心理筛查的个性化问卷生成与智能诊断系统，其特征在于：所述决策树模型训练模块包括数据处理优化单元与决策树构建单元；所述数据处理优化单元，用于对供模型训练的大量数据进行清洗，保留最集中最典型的数据；所述决策树构建单元，用于将数据处理优化单元保留的数据进行进一步整合优化，直到最终得到构建完成的决策树。3.根据权利要求1所述的一种面向心理筛查的个性化问卷生成与智能诊断系统，其特征在于：本发明一种面向心理筛查的个性化问卷生成与智能诊断系统还包括推荐模块，所述推荐模块用于根据该用户心理危机等级为其提供该结果所对应心理问题建议以及相关心理学方面的知识介绍。4.一种面向心理筛查的个性化问卷生成与智能诊断方法，其特征在于：包括如下步骤：步骤s1、为用户创建心理问卷决策树节点；步骤s2、确定问卷中各个题目的信息熵，计算信息增益率；步骤s3、提取出信息增益率最大的题目作为决策树的根节点；步骤s4、采用剪枝法为对问卷进行不断优化简化。5.根据权利要求4所述的一种面向心理筛查的个性化问卷生成与智能诊断方法，其特征在于：在步骤s2中，对决策树节点的训练集状态、题目样本种类以及属性列表状态进行判断，不断优化确定问卷中各个题目的信息熵分布。6.根据权利要求4所述的一种面向心理筛查的个性化问卷生成与智能诊断方法，其特征在于：在步骤s4中，采用剪枝法为对问卷进行剪枝后，将剪枝后的决策树节点数据返回至步骤s2中继续进行信息熵确定与信息增益率计算，直到最终得到构建完成的决策树。
技术总结本发明公开了一种面向心理筛查的个性化问卷生成与智能诊断系统及方法，具体涉及心理健康测试领域，包括：用户数据采集模块、决策树模型训练模块与结果与评价展示模块；所述用户数据采集模块，用于记录针对用户生成的子问卷题目，储存用户键入的每道题目对应作答结果，同时在每道题键入结果后加入答题时间戳，生成此用户的子问卷作答数据；所述决策树模型训练模块，用于储存已训练好的决策树模型，用来对用户键入的作答结果进行决策分类，诊断用户心理危机等级；所述结果与评价展示模块，用于将决策树的分类结果进行展示，并根据对应分类结果提供缓解心理问题的建议，安排后续的进一步就诊手续。就诊手续。就诊手续。
技术研发人员：卢周悦 李文博 马乐然 沈晓松 李金钢
受保护的技术使用者：北京心数矩阵科技有限公司
技术研发日：2022.07.13
技术公布日：2022/11/1
