[发明专利]一种基于关联规则的心理健康预警系统及方法

说明书

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。

技术领域

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

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。

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。

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。

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

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。

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。

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；