一种基于关联规则的心理健康预警系统及方法[发明专利]

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201711255643.0
(22)申请日 2017.12.04
(66)本国优先权数据
201710559900.3 2017.07.11 CN
(71)申请人 厦门君沣信息科技有限公司
地址 361000 福建省厦门市思明区软件园
二期望海路12号之一，二楼201B-4
(72)发明人 梁政　吴学钦　詹水进　
(74)专利代理机构 北京中济纬天专利代理有限
公司 11429
代理人 杨乐
(51)Int.Cl.
G06F 17/30(2006.01)
A61B 5/16(2006.01)
(54)发明名称
一种基于关联规则的心理健康预警系统及
方法
(57)摘要
本发明涉及心理测评技术领域，尤其涉及一
种基于关联规则的心理健康预警系统及方法。

所
述系统包括括全量心理状态属性数据库、心理异
常对象的频繁属性组合集合生成模块、置信度约
束判断模块、相关性约束判断模块，预警模型参
数生成模块和待测评对象心理状态属性数据获
取模块。

该方法包括：获取全量心理状态属性数
据；生成心理异常对象的频繁属性组合集合；根
据给定置信度产生强关联规则集合；根据给定相
关性生成有效关联规则，并将其作为潜在病因；
结合潜在病因与已知病因，实现心理健康预警。

本发明实现了提前预警心理异常状况，提高了预
警准确率，减少了心理医生的主观因素影响，同
时有助于心理医生更深入掌握心理异常的原理
规律。

权利要求书2页 说明书5页 附图2页CN 108280120 A 2018.07.13
C N 108280120
A
1.一种基于关联规则的心理健康预警系统，所述系统包括：全量测评对象的态属性数据库、心理异常对象的频繁属性组合集合生成模块、置信度约束判断模块、相关性约束判断模块、预警模型参数生成模块、心理健康预警模型和待测评对象心理状态属性数据获取模块，其特征在于：
所述全量测评对象的态属性数据库用于存储全量测评对象的态属性数据；
所述心理异常对象的频繁属性组合集合生成模块用于针对心理异常对象心理状态数据，按照给定的支持度约束要求min_sup，得到频繁属性组合集合，即频繁项集X；
所述置信度约束判断模块用于根据给定置信度约束min_con，由频繁项集X产生强关联规则集合R；
所述相关性约束判断模块用于根据给定相关性约束min_corr，提取强关联规则集合R 中的有效关联规则集合TR；
所述预警模型参数生成模块用于将有效关联规则集合TR作为潜在病因和已知病因进行融合，生成心理健康模型中的参数，从而确定心理健康预警模型；
所述待测评对象心理状态属性数据获取模块用于获取测评对象心理状态属性数据；
所述心理健康预警模型根据获取的测评对象心理状态属性数据对测评对象进行分析，从而得出心理健康预警结果。

2.根据权利要求1所述的一种基于关联规则的心理健康预警系统，其特征在于：
所述全量测评对象的状态属性为生物属性、社会属性、认知属性中的任一种或者任几种的组合；
所述生物属性包括性别、年龄、身高、体重、与心理状态关联的疾病；
所述社会属性包括民族、宗教信仰、学历、职业、政治面貌、籍贯、国籍、住所地；
所述认知属性包括错误观念、思维习惯、价值观、负性情绪事件。

3.根据权利要求1所述的一种基于关联规则的心理健康预警系统，其特征在于：
所述强关联规则中的相关性度量方法为全置信度、最大置信度、Kulczynski和余弦等零不变性度量方法的任一种或者任几种的组合。

4.一种基于关联规则的心理健康预警方法，其特征在于，所述方法包括如下步骤：
（1）获取全量测评对象的态属性数据；
（2）针对所述全量测评对象的态属性数据中的心理异常对象，按照给定的支持度约束要求min_sup，得到频繁属性组合集合，即频繁项集X；
（3）给定置信度约束min_con，由频繁项集产生强关联规则集合R；
（4）给定相关性约束min_corr，提取强关联规则集合R中的有效关联规则集合TR；
（5）将有效关联规则集合TR作为心理异常的潜在病因输出；
（6）将潜在病因和已知病因进行融合，生成心理健康预警模型M；
（7）获取测评对象心理状态属性数据；
（8）向心理健康预警模型输入测评对象心理状态属性数据，输出预警结果。

5.根据权利要求4所述的一种基于关联规则的心理健康预警方法，其特征在于，
在步骤（2）中，所述心理异常对象的状态属性为生物属性、社会属性、认知属性中的任一种或者任几种的组合；
所述生物属性包括性别、年龄、身高、体重和与心理状态关联的疾病；
所述社会属性包括民族、宗教信仰、学历、职业、政治面貌、籍贯、国籍和住所地；
所述认知属性包括错误观念、思维习惯、价值观和负性情绪事件。

6.根据权利要求4所述的一种基于关联规则的心理健康预警方法，其特征在于，
在步骤（3）中，所述强关联规则中的相关性度量方法为全置信度、最大置信度、Kulczynski和余弦等零不变性度量方法的任一种或者任几种的组合。

一种基于关联规则的心理健康预警系统及方法
技术领域
[0001]本发明涉及心理测评技术领域，尤其涉及一种基于关联规则的心理健康预警系统及方法。

背景技术
[0002]关联规则是指根据数据库中数据项出现在记录中的频繁程度，得出的关于数据项的推导规则。

关联规则挖掘是数据挖掘研究中最为活跃的领域之一，最早是由Agrawal在1993年提出的，最初用于研究零售交易数据集中不同商品之间的共现联系，从而发现顾客的购买行为模式，其分析结果可应用于零售商品的位置分布、商品需求预测与用户分类等。

[0003]设D为待挖掘对象的全量数据库，I为数据库中的项集，则关联规则的形式为A→B，其中A⊂D，B⊂D，且A∩B=∅。

满足最小支持度min_sup和最小置信度min_con最低阈值要求的关联规则被称为强关联规则。

支持度是指项集A的数据记录在D所占的百分比，置信度是指同时包含A、B的数据记录数在D上所占的百分比。

支持度反映的是关联规则的有用性，而置信度反映的是关联规则的可信度。

[0004]关联规则挖掘一般分为三步。

首先，从全量数据集中找出频繁项集。

接着，从频繁项集合中生成满足最低置信度min_con约束要求的关联规则。

最后，为确保挖掘出的关联规则是有效的，通常会对项集A与B进行相关性Corr检测。

若Corr>1，表示A和B是正相关关系，表示A与B的出现概率是相互促进，其对应的关联规则是有效的；若Corr=1，表示A和B相互独立，即A与B的出现概率互不影响；若Corr>1，表示A和B是负相关的，表示A与B的出现概率呈抑制作用，其对应的关联规则是无效的。

[0005]随着大数据技术和高性能计算技术在心理咨询领域的应用日趋广泛和深入，大规模的心理电子档案被建立，形成了心理大数据。

现有技术是针对特定心理异常个体进行病因分析，无法有效和全面发现心理异常群体存在的潜在致病因素。

因此，心理异常健康预警的准确率不高。

发明内容
[0006]针对背景技术中的问题，本发明的目的在于提供一种基于关联规则的心理健康预警系统及方法，其通过引入区分人群类型统计心理测评指标和数据库技术，能够提高心理异常对象病因分析的准确率和计算效率，从而更加适于实用。

[0007]为了达到上述第一个目的，本发明提供的基于关联规则的心理健康预警系统的技术方案如下：
本发明提供的基于关联规则的心理健康预警系统包括全量测评对象的态属性数据库、心理异常对象的频繁属性组合集合生成模块、置信度约束判断模块、相关性约束判断模块、预警模型参数生成模块、心理健康预警模型和待测评对象心理状态属性数据获取模块。

[0008]其中，所述全量测评对象的态属性数据库用于存储全量测评对象的态属性数据；
所述心理异常对象的频繁属性组合集合生成模块用于针对心理异常对象心理状态数
据，按照给定的支持度约束要求min_sup，得到频繁属性组合集合，即频繁项集X；
所述置信度约束判断模块用于根据给定置信度约束min_con，由频繁项集X产生强关联规则集合R；
所述相关性约束判断模块用于根据给定相关性约束min_corr，提取强关联规则集合R 中的有效关联规则集合TR；
所述预警模型参数生成模块用于将有效关联规则集合TR作为潜在病因和已知病因进行融合，生成心理健康模型中的参数，从而确定心理健康预警模型；
所述待测评对象心理状态属性数据获取模块用于获取测评对象心理状态属性数据；
所述心理健康预警模型根据获取的测评对象心理状态属性数据对测评对象进行分析，从而得出心理健康预警结果。

[0009]进一步地，所述全量测评对象的状态属性为生物属性、社会属性、认知属性中的任一种或者任几种的组合；
所述生物属性包括性别、年龄、身高、体重、与心理状态关联的疾病；
所述社会属性包括民族、宗教信仰、学历、职业、政治面貌、籍贯、国籍、住所地；
所述认知属性包括错误观念、思维习惯、价值观、负性情绪事件。

[0010]进一步地，所述强关联规则中的相关性度量方法为全置信度、最大置信度、Kulczynski和余弦等零不变性度量方法的任一种或者任几种的组合。

[0011]为了达到上述第二个目的，本发明提供的基于关联规则的心理健康预警方法的技术方案如下：
本发明提供的基于关联规则的心理健康预警方法包括如下步骤：
（1）获取全量测评对象的态属性数据；
（2）针对所述全量测评对象的态属性数据中的心理异常对象，按照给定的支持度约束要求min_sup，得到频繁属性组合集合，即频繁项集X；
（3）给定置信度约束min_con，由频繁项集产生强关联规则集合R；
（4）给定相关性约束min_corr，提取强关联规则集合R中的有效关联规则集合TR；
（5）将有效关联规则集合TR作为心理异常的潜在病因输出；
（6）将潜在病因和已知病因进行融合，生成心理健康预警模型M；
（7）获取测评对象心理状态属性数据；
（8）向心理健康预警模型输入测评对象心理状态属性数据，输出预警结果。

[0012]进一步地，在步骤（2）中，所述心理异常对象的状态属性为生物属性、社会属性、认知属性中的任一种或者任几种的组合；
所述生物属性包括性别、年龄、身高、体重和与心理状态关联的疾病；
所述社会属性包括民族、宗教信仰、学历、职业、政治面貌、籍贯、国籍和住所地；
所述认知属性包括错误观念、思维习惯、价值观和负性情绪事件。

[0013]进一步地，在步骤（3）中，所述强关联规则中的相关性度量方法为全置信度、最大置信度、Kulczynski和余弦等零不变性度量方法的任一种或者任几种的组合。

[0014]本发明相对于现有技术的有益效果在于：
本发明提供的基于关联规则的心理健康预警系统及方法能够通过挖掘心理异常对象的状态属性与心理异常对象之间的有效关联规则，更加准确地发现导致心理异常产生的潜
在因素，为心理医生更深入诊断和临床验证提供数据基础，从而提高心理状况异常预警的准确率。

附图说明
[0015]图1为本发明的基于关联规则的心理健康预警系统示意图。

[0016]图2为本发明的基于关联规则的心理健康预警方法步骤流程图。

具体实施方式
[0017]本发明为解决现有技术存在的问题，提供一种基于关联规则的心理健康预警系统及方法，其通过挖掘心理异常对象的状态属性与心理异常对象之间的有效关联规则，更加有效和准确地发现导致心理异常产生的潜在因素，实现提前预警心理异常状况，提高预警准确率，减少心理医生的主观因素影响，同时有助于心理医生更深入掌握心理异常的原理规律。

[0018]关联规则是指根据数据库中数据项出现在记录中的频繁程度，得出的关于数据项的推导规则。

设D为待挖掘对象的全量数据库，I为数据库中的项集，则关联规则的形式为A →B，其中A⊂D，B⊂D，且A∩B=∅。

满足最小支持度min_sup和最小置信度min_con最低阈值要求的关联规则被称为强关联规则。

支持度是指项集A的数据记录在D所占的百分比，置信度是指同时包含A、B的数据记录数在D上所占的百分比。

支持度反映的是关联规则的有用性，而置信度反映的是关联规则的可信度。

[0019]关联规则挖掘一般分为三步。

首先，从全量数据集中找出频繁项集。

接着，从频繁项集合中生成满足最低置信度min_con约束要求的关联规则。

最后，为确保挖掘出的关联规则是有效的，通常会对项集A与B进行相关性Corr检测。

若Corr>1，表示A和B是正相关关系，表示A与B的出现概率是相互促进，其对应的关联规则是有效的；若Corr=1，表示A和B相互独立，即A与B的出现概率互不影响；若Corr>1，表示A和B是负相关的，表示A与B的出现概率呈抑制作用，其对应的关联规则是无效的。

[0020]为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及具体实施方式，对依据本发明提出的基于关联规则的心理健康预警系统及方法，其具体实施方式、特征及其功效，详细说明如后。

在下述说明中，具体实施方式中的特定特征、或特点可由任何合适形式组合。

[0021]如图2所示，本发明提供的一种基于关联规则的心理健康预警系统包括全量测评对象的态属性数据库、心理异常对象的频繁属性组合集合生成模块、置信度约束判断模块、相关性约束判断模块、预警模型参数生成模块、心理健康预警模型和待测评对象心理状态属性数据获取模块。

[0022]上述全量测评对象的态属性数据库用于存储全量测评对象的态属性数据。

[0023]心理异常对象的频繁属性组合集合生成模块用于针对心理异常对象心理状态数据，按照给定的支持度约束要求min_sup，得到频繁属性组合集合，即频繁项集X。

[0024]置信度约束判断模块用于根据给定置信度约束min_con，由频繁项集X产生强关联规则集合R。

[0025]相关性约束判断模块用于根据给定相关性约束min_corr，提取强关联规则集合R
中的有效关联规则集合TR。

[0026]预警模型参数生成模块用于将有效关联规则集合TR作为潜在病因和已知病因进行融合，生成心理健康模型中的参数，从而确定心理健康预警模型。

[0027]待测评对象心理状态属性数据获取模块用于获取测评对象心理状态属性数据。

[0028]心理健康预警模型根据获取的测评对象心理状态属性数据对测评对象进行分析，从而得出心理健康预警结果。

[0029]上述全量测评对象的状态属性为生物属性、社会属性、认知属性中的任一种或者任几种的组合。

例如，上述全量测评对象的状态属性可以单独是生物属性、社会属性或者认知属性中的任意一种属性，也可以是生物属性和社会属性的组合，或者社会属性和认知属性的组合，也可以是生物属性、社会属性和认知属性的组合。

[0030]其中，生物属性包括性别、年龄、身高、体重、与心理状态关联的疾病。

社会属性包括民族、宗教信仰、学历、职业、政治面貌、籍贯、国籍、住所地；认知属性包括错误观念、思维习惯、价值观、负性情绪事件。

[0031]上述强关联规则中的相关性度量方法为全置信度、最大置信度、Kulczynski和余弦等零不变性度量方法的任一种或者任几种的组合。

例如可以单独采用全置信度、最大置信度、Kulczynski或者余弦等零不变性度量方法中的任意一种方法，也可以采用全置信度和最大置信度的组合、或者全置信度、最大置信度和Kulczynski的组合，或者全置信度、最大置信度、Kulczynski和余弦的组合。

[0032]如图1所示，本发明提供的一种基于关联规则的心理健康预警方法包括如下步骤：（1）获取全量测评对象的态属性数据；
（2）针对所述全量测评对象的态属性数据中的心理异常对象，按照给定的支持度约束要求min_sup，得到频繁属性组合集合，即频繁项集X；
（3）给定置信度约束min_con，由频繁项集产生强关联规则集合R；
（4）给定相关性约束min_corr，提取强关联规则集合R中的有效关联规则集合TR；
（5）将有效关联规则集合TR作为心理异常的潜在病因输出；
（6）将潜在病因和已知病因进行融合，生成心理健康预警模型M；
（7）获取测评对象心理状态属性数据；
（8）向心理健康预警模型输入测评对象心理状态属性数据，输出预警结果。

[0033]其中，在步骤（2）中，所述心理异常对象的状态属性为生物属性、社会属性、认知属性中的任一种或者任几种的组合。

例如，上述全量测评对象的状态属性可以单独是生物属性、社会属性或者认知属性中的任意一种属性，也可以是生物属性和社会属性的组合，或者社会属性和认知属性的组合，也可以是生物属性、社会属性和认知属性的组合。

[0034]其中，生物属性包括性别、年龄、身高、体重和与心理状态关联的疾病。

社会属性包括民族、宗教信仰、学历、职业、政治面貌、籍贯、国籍和住所地。

认知属性包括错误观念、思维习惯、价值观和负性情绪事件。

[0035]在步骤（3）中，所述强关联规则中的相关性度量方法为全置信度、最大置信度、Kulczynski和余弦等零不变性度量方法的任一种或者任几种的组合。

例如可以单独采用全置信度、最大置信度、Kulczynski或者余弦等零不变性度量方法中的任意一种方法，也可以采用全置信度和最大置信度的组合、或者全置信度、最大置信度和Kulczynski的组合，或者
全置信度、最大置信度、Kulczynski和余弦的组合。

[0036]尽管已描述了本发明的具体实施方式，但本领域内的技术人员一旦得知了基本创造性概念，则可对该具体实施方式作出另外的变更和修改。

所以，所附权利要求意欲解释为包括具体实施方式以及落入本发明范围的所有变更和修改。

[0037]显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。

这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

图1
图2。