一种心理健康程度评价方法、装置及可存储介质

1.本发明涉及心理健康预测技术领域，更具体的说是涉及一种心理健康程度评价方法、装置及可存储介质。


背景技术：

2.目前，随着社会经济发展，现代人物质生活相对安逸，但精神上、心理上的压力大，心理健康问题日益成为现代人健康的主要健康话题，因此，如何快速、准确、全面的评估个人的身心健康亟待研究。
3.现有技术中，心理健康预测方法主要包括以下几种：
①
基于多元线性回归结果的分析，建立了以能力与非能力因素为基本内容的心理测评指标。
②
从运动心理学角度探讨大众健身人群风险认知、风险承担、运动能力判断、运动损伤经历等心理预测因素与运动损伤的相关性。
③
结合用户的职工工作和职务心理要求，总结各心理状态下行为具体表现，结合16pf人格因素测量，建立从业人员心理测验系统。但上述方法大多依靠较为单一的统计学方法进行预测。当面对心理预测的参数复杂难以找出准确的预测方法，亟待更加全面完善的预测方法对群体心理进行预测。
4.因此，如何提供一种更完善的心理健康预测方法是本领域技术人员亟需解决的问题。


技术实现要素：

5.有鉴于此，本发明提供了一种心理健康程度评价方法、装置及可存储介质，针对群体心理预测相关因素较多、关联关系难以明确的特点，通过机器学习明确心理预测的算法、通过测试数据以及评估数据，从多种算法中寻找出最适合心理样本的算法，并开展后续心理预测方案实施。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种基于多种预测算法的心理健康程度评价方法，包括：
8.获取卫勤官兵的个人信息数据以及对应的原始生理健康数据；
9.对所述个人信息数据及所述原始生理健康数据进行量化分析，得到心理健康评价结果；
10.将所述个人信息数据与所述原始生理健康数据组成心理数据集，对所述心理数据集进行预处理，得到训练数据集；
11.分别利用不同的预测算法处理所述训练数据集，得到相应的预测结果，并将多个所述预测结果与所述心理健康评价结果进行对比；
12.选择预测精度最高的预测算法作为后续心理健康程度评价算法，并将预测结果进行展示。
13.优选的，多个所述预测算法包括但不限于：随机森林算法、决策树算法、规则归纳算法、朴素贝叶斯算法、逻辑回归算法。
14.优选的，所述个人信息数据包括但不限于：性别、年龄、文化程度、工作性质。
15.优选的，所述原始生理健康数据包括但不限于：社交平台数据、脑电数据、心率数据。
16.优选的，所述预处理的过程包括但不限于：剔除无效数据。
17.进一步，本发明还提供一种利用上述任一项所述的一种基于多种预测算法的心理健康程度评价方法的评价装置，包括：
18.数据获取模块，用于获取卫勤官兵的个人信息数据以及对应的原始生理健康数据；
19.量化分析模块，用于对所述个人信息数据及所述原始生理健康数据进行量化分析，得到心理健康评价结果；
20.数据处理模块，将所述个人信息数据与所述原始生理健康数据组成心理数据集，对所述心理数据集进行预处理，得到训练数据集；
21.预测模块，用于分别利用不同的预测算法处理所述训练数据集，得到相应的预测结果，并将多个所述预测结果与所述心理健康评价结果进行对比；
22.选择模块，用于选择预测精度最高的预测算法作为后续心理健康程度评价算法，并将预测结果进行展示。
23.进一步，本发明还提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上述任一项所述的心理健康程度评价方法的步骤。
24.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种心理健康程度评价方法、装置及可存储介质，对近海基地人群开展卫勤调研，片区人群样本量大，地处范围广，对于心理预测使用何种方法不能明确，根据此种方法，可以有效解决大数据下对于近海基地官兵群体心里预测地最为精准地办法，针对群体心理预测相关因素较多、关联关系难以明确的特点，通过机器学习明确心理预测的算法、通过测试数据以及评估数据，从多种算法中寻找出最适合心理样本的算法，并开展后续心理预测方案实施。
附图说明
25.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
26.图1为本发明提供的一种心理健康程度评价方法的整体流程图；
27.图2为本发明提供的一种心理健康程度评价装置的结构示意图；
28.图3为本发明实施例提供的心理健康预测结果界面图。
具体实施方式
29.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。
30.实施例1
31.参见附图1所示，本发明实施例公开了一种基于多种预测算法的心理健康程度评价方法，包括：
32.获取卫勤官兵的个人信息数据以及对应的原始生理健康数据；
33.对个人信息数据及原始生理健康数据进行量化分析，得到心理健康评价结果；
34.将个人信息数据与原始生理健康数据组成心理数据集，对心理数据集进行预处理，得到训练数据集；
35.分别利用不同的预测算法处理训练数据集，得到相应的预测结果，并将多个预测结果与心理健康评价结果进行对比；
36.选择预测精度最高的预测算法作为后续心理健康程度评价算法，并将预测结果进行展示。
37.在一个具体的实施例中，多个预测算法包括但不限于：随机森林算法、决策树算法、规则归纳算法、朴素贝叶斯算法、逻辑回归算法。
38.在一个具体的实施例中，个人信息数据包括但不限于：性别、年龄、文化程度、工作性质。
39.在一个具体的实施例中，原始生理健康数据包括但不限于：社交平台数据、脑电数据、心率数据。
40.在一个具体的实施例中，预处理的过程包括但不限于：剔除无效数据。
41.参见附图2所示，本发明实施例还提供一种利用上述任一项的一种基于多种预测算法的心理健康程度评价方法的评价装置，包括：
42.数据获取模块，用于获取卫勤官兵的个人信息数据以及对应的原始生理健康数据；
43.量化分析模块，用于对个人信息数据及原始生理健康数据进行量化分析，得到心理健康评价结果；
44.数据处理模块，将个人信息数据与原始生理健康数据组成心理数据集，对心理数据集进行预处理，得到训练数据集；
45.预测模块，用于分别利用不同的预测算法处理训练数据集，得到相应的预测结果，并将多个预测结果与心理健康评价结果进行对比；
46.选择模块，用于选择预测精度最高的预测算法作为后续心理健康程度评价算法，并将预测结果进行展示。
47.本发明实施例还提供一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现如上述实施例中任一项的心理健康程度评价方法的步骤。
48.实施例2
49.具体应用本发明实施例提供的方法的过程如下：
50.1、具体获取卫勤人员的性别、年龄、入伍时间、文化程度、婚姻状况、工作性质、人员类别、体能训练结果的个人信息相关数据，同时获取卫勤人员的原始生理健康数据，并建立个人信息相关数据与原始生理健康数据的关联关系，共得到有效的4158条数据；
51.2、结合个人信息相关数据及原始生理健康数据进行量化分析，得到心理健康评价结果，其中量化分析可以采用scl90量表结合原始生理健康数据进行相关分析得到；
52.3、从有效的4158条数据中抽取4000条作为训练数据集，在机器学习做训练模型使用，将剩余的158条数据用于在机器学习后进行评估模型；
53.4、选取5种分类算法，分别为：随机森林算法、c4.5决策树算法、jrip规则归纳算法、朴素贝叶斯算法以及逻辑回归算法。通过训练数据集建立算法模型，得到5种算法对应的预料结果集，分别为：随机森林算法评估结果集、朴素贝叶斯算法评估结果集、c4.5决策树算法评估结果集、逻辑回归算法评估结果集、ripper规则归纳算法评估结果集，将心理健康评价结果和5种算法对应的预料结果集进行对比得出算法的准确率，具体结果参见表1所示：
54.表1各个算法的准确率
[0055][0056]
将5类算法评估结果集的准确率进行对比，逻辑回归98％最高，因此选取逻辑回归作为心理健康预测的方法。
[0057]
5、利用逻辑回归算法对普通官兵进行预测，并对预测结果进行界面展示，参见附图3所示，通过上述心理预测方法，可以更加客观地预测群体心理结果，有利于及时、共享地运用好卫勤心理大数据，有效、精确、全面地开展心理预测。
[0058]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0059]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于多种预测算法的心理健康程度评价方法，其特征在于，包括：获取卫勤官兵的个人信息数据以及对应的原始生理健康数据；对所述个人信息数据及所述原始生理健康数据进行量化分析，得到心理健康评价结果；将所述个人信息数据与所述原始生理健康数据组成心理数据集，对所述心理数据集进行预处理，得到训练数据集；分别利用不同的预测算法处理所述训练数据集，得到相应的预测结果，并将多个所述预测结果与所述心理健康评价结果进行对比；选择预测精度最高的预测算法作为后续心理健康程度评价算法，并将预测结果进行展示。2.根据权利要求1所述的一种基于多种预测算法的心理健康程度评价方法，其特征在于，多个所述预测算法包括但不限于：随机森林算法、决策树算法、规则归纳算法、朴素贝叶斯算法、逻辑回归算法。3.根据权利要求1所述的一种基于多种预测算法的心理健康程度评价方法，其特征在于，所述个人信息数据包括但不限于：性别、年龄、文化程度、工作性质。4.根据权利要求1所述的一种基于多种预测算法的心理健康程度评价方法，其特征在于，所述原始生理健康数据包括但不限于：社交平台数据、脑电数据、心率数据。5.根据权利要求1所述的一种基于多种预测算法的心理健康程度评价方法，其特征在于，所述预处理的过程包括但不限于：剔除无效数据。6.一种利用权利要求1-5任一项所述的一种基于多种预测算法的心理健康程度评价方法的评价装置，其特征在于，包括：数据获取模块，用于获取卫勤官兵的个人信息数据以及对应的原始生理健康数据；量化分析模块，用于对所述个人信息数据及所述原始生理健康数据进行量化分析，得到心理健康评价结果；数据处理模块，将所述个人信息数据与所述原始生理健康数据组成心理数据集，对所述心理数据集进行预处理，得到训练数据集；预测模块，用于分别利用不同的预测算法处理所述训练数据集，得到相应的预测结果，并将多个所述预测结果与所述心理健康评价结果进行对比；选择模块，用于选择预测精度最高的预测算法作为后续心理健康程度评价算法，并将预测结果进行展示。7.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至5中任一项所述的心理健康程度评价方法的步骤。

技术总结
本发明公开了一种心理健康程度评价方法、装置及可存储介质，涉及心理健康预测技术领域，其中方法包括：获取卫勤官兵的个人信息数据以及对应的原始生理健康数据；对所述个人信息数据及所述原始生理健康数据进行量化分析，得到心理健康评价结果；将所述个人信息数据与所述原始生理健康数据组成心理数据集，对所述心理数据集进行预处理，得到训练数据集等步骤；本发明针对群体心理预测相关因素较多、关联关系难以明确的特点，通过机器学习明确心理预测的算法、通过测试数据以及评估数据，从多种算法中寻找出最适合心理样本的算法，并开展后续心理预测方案实施。后续心理预测方案实施。后续心理预测方案实施。


技术研发人员：王西熙 张鹭鹭 牛冬军 赵方捷 徐程 林烨
受保护的技术使用者：中国人民解放军海军军医大学
技术研发日：2022.08.08
技术公布日：2023/7/21