公开(公告)号：CN118471538B

公开(公告)日：2024-09-10

申请号：CN202410917757.0

申请日：2024-07-10

Applicant: 电子科技大学

Inventor： 辜永红 ,  丁晓蓉 ,  陈意钒

IPC: G16H50/70 ,  G16H20/70 ,  G16H50/50 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出一种心理隐变量异常挖掘方法，属于数据挖掘技术领域。包括如下步骤：步骤S1：收集人员量表数据；步骤S2：构建心理隐变量自编码模型，自编码模型由编码器和解码器组成；输入量表经编码器压缩之后得到心理隐变量，心理隐变量经解码器恢复得到输出量表；步骤S3：通过收集的人员量表数据，对自编码模型进行训练；步骤S4：构建心理隐变量异常模型，使用分类器对量表数据进行训练得到心理隐变量异常模型。本发明通过自编码模型对人员量表题目进行特征压缩，压缩后的特征可以表示为人员的心理隐变量状态，利用心理隐变量异常模型能够实现异常识别；本发明还能通过检测心理隐变量状态变化情况进行心理状态异常监测。

公开(公告)号：CN119272882A

公开(公告)日：2025-01-07

申请号：CN202411810112.3

申请日：2024-12-10

Applicant: 电子科技大学

Inventor： 辜永红 ,  丁晓蓉 ,  陈意钒

IPC: G06N5/04 ,  G06F40/35 ,  G06F40/253

Abstract: 本申请公开了一种定向社交焦虑特征的数据增强方法、系统及设备，包括：获得用户的第一对话文本，第一对话文本至少包括用户处于焦虑状态时发生的对话的文本数据；根据第一对话文本，获得第二对话文本，第二对话文本至少包括与第一对话文本的语义相似度超过第一阈值的用户没有处于焦虑状态时发生的对话的文本数据；根据第一对话文本和第二对话文本，获得至少一项焦虑缓解特征，焦虑缓解特征被配置为第一对话文本和第二对话文本的差异特征；根据焦虑缓解特征，生成训练内容。本发明解决了现有的解决方案的训练内容缺乏针对性，其中的训练内容可能并不针对用户实际产生社交焦虑的原因，导致训练效果较差的问题，提升了针对社交焦虑的训练效果。

公开(公告)号：CN118471538A

公开(公告)日：2024-08-09

申请号：CN202410917757.0

申请日：2024-07-10

Applicant: 电子科技大学

Inventor： 辜永红 ,  丁晓蓉 ,  陈意钒

IPC: G16H50/70 ,  G16H20/70 ,  G16H50/50 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出一种心理隐变量异常挖掘方法，属于数据挖掘技术领域。包括如下步骤：步骤S1：收集人员量表数据；步骤S2：构建心理隐变量自编码模型，自编码模型由编码器和解码器组成；输入量表经编码器压缩之后得到心理隐变量，心理隐变量经解码器恢复得到输出量表；步骤S3：通过收集的人员量表数据，对自编码模型进行训练；步骤S4：构建心理隐变量异常模型，使用分类器对量表数据进行训练得到心理隐变量异常模型。本发明通过自编码模型对人员量表题目进行特征压缩，压缩后的特征可以表示为人员的心理隐变量状态，利用心理隐变量异常模型能够实现异常识别；本发明还能通过检测心理隐变量状态变化情况进行心理状态异常监测。

公开(公告)号：CN119272882B

公开(公告)日：2025-03-18

申请号：CN202411810112.3

申请日：2024-12-10

Applicant: 电子科技大学

Inventor： 辜永红 ,  丁晓蓉 ,  陈意钒

IPC: G06N5/04 ,  G06F40/35 ,  G06F40/253

Abstract: 本申请公开了一种定向社交焦虑特征的数据增强方法、系统及设备，包括：获得用户的第一对话文本，第一对话文本至少包括用户处于焦虑状态时发生的对话的文本数据；根据第一对话文本，获得第二对话文本，第二对话文本至少包括与第一对话文本的语义相似度超过第一阈值的用户没有处于焦虑状态时发生的对话的文本数据；根据第一对话文本和第二对话文本，获得至少一项焦虑缓解特征，焦虑缓解特征被配置为第一对话文本和第二对话文本的差异特征；根据焦虑缓解特征，生成训练内容。本发明解决了现有的解决方案的训练内容缺乏针对性，其中的训练内容可能并不针对用户实际产生社交焦虑的原因，导致训练效果较差的问题，提升了针对社交焦虑的训练效果。

公开(公告)号：CN119132566A

公开(公告)日：2024-12-13

申请号：CN202411248290.1

申请日：2024-09-06

Applicant: 电子科技大学

Inventor： 辜永红 ,  丁晓蓉 ,  陈意钒

IPC: G16H50/20 ,  G06F18/213 ,  G06F18/214 ,  G06F18/24 ,  G06F16/9032

Abstract: 本发明提出一种组合大语言模型的可解释性心理异常预测方法，属于大模型领域。包括如下步骤：步骤S1：利用GPT‑3.5的API实现开放问题的对话网页；步骤S2：利用GPT‑4的API完成可解释性特征提取模型，得到可解释性心理特征集；步骤S3：利用GPT‑4的API完成心理情况特征数据集的提取；步骤S4：构建心理情况预测模型，使用分类器对心理特征数据集进行训练得到心理情况预测模型。本发明通过GPT‑3.5与GPT‑4的有机结合，利用GPT‑3.5的高并发对话，实现对话数据与图片数据的心理数据收集；利用GPT‑4的离线分析，实现可解释性特征的提取，充分利用大语言模型的可解释性特征挖掘，通过训练好的心理情况预测模型实现对用户心理情况的预测。