[发明专利]心理压力问题的感知方法及装置

说明书

本发明实施例提供一种心理压力问题的感知方法及装置。其中，上述方法包括基于文本词汇获取对应的初始词向量并结合LSTM网络层，获得上下文向量；并基于MHA模型获得语义关联矩阵，结合全连接网络层获取语义关联度映射；基于语义关联度映射以及注意力网络层生成注意力向量；结合上下文向量以及前馈全连接网络模型，获取压力分类向量。本发明实施例提供的心理压力问题的感知方法及装置采用LSTM网络层、MHA模型、全连接网络层、注意力网络层以及前馈全连接网络模型获取压力分类向量，以大量反映青少年心理状态的文本词汇为数据分析的基础，通过计算机进行大量的数据训练，准确获取反映青少年心理压力状态的感知结果，准确有效，为青少年的心理疏导提供依据。

技术领域

本发明实施例涉及心理压力感知技术领域，尤其涉及一种心理压力问题的感知方法及装置。

背景技术

随着社会经济高速发展，社会竞争压力越来越大，青少年的心理压力也日渐增长。由于青少年普遍处在青春期，其心理状态相对更加脆弱，而且他们还承受着来自学业、交际、家庭、情感、自我认知及就业等方面的心理压力。而过多的压力很容易引起心理健康问题，当压力超出承受能力，且得不到及时有效地解决时，青少年很可能会通过伤害自己或者伤害他人的方法来释放压力，从而走上犯罪的道路。

针对青少年心理压力问题，传统的心理辅导模式就是导师或心理医生需要面对面沟通去了解青少年的心理活动，然后对其进行心理疏导。

但这种方法并不能及时发现青少年的心理压力问题，也不具有普适性，需要专业的心理辅导人员，人力投入过于巨大，且心理问题感知效果不佳。

发明内容

针对现有技术中存在的技术问题，本发明实施例提供一种心理压力问题的感知方法及装置。

第一方面，本发明实施例提供一种心理压力问题的感知方法，包括：

基于反映用户心理状态的文本词汇获取每个单词对应的初始词向量，并基于所述初始词向量以及LSTM网络层，获得上下文向量；

基于所述上下文向量以及反映不同文本词汇之间语义关联度的MHA模型，获得残差连接后的语义关联矩阵；

基于所述语义关联矩阵以及全连接网络层，获取残差连接后的语义关联度映射，并基于所述语义关联度映射以及注意力网络层生成用于表示语义关联权重分配的注意力向量；

基于所述注意力向量、所述上下文向量以及前馈全连接网络模型，获取反映心理压力问题的压力分类向量。

第二方面，本发明实施例提供一种心理压力问题的检测方法，包括：

分别获取反映用户睡眠状态的睡眠特征向量、反映运动状态的运动特征向量以及反映心理活动状态的初始词向量和图片特征向量；

基于所述初始词向量以及LSTM网络层，获得上下文向量；

基于所述上下文向量以及反映不同文本词汇之间语义关联度的MHA模型，获得残差连接后的语义关联矩阵；

基于所述语义关联矩阵以及第一全连接网络层，获取残差连接后的语义关联度映射，以及基于所述语义关联度映射和第一注意力网络层生成用于表示语义关联权重分配的注意力向量，并根据所述注意力向量以及所述初始词向量，获取文本特征向量；

基于所述图片特征向量、所述文本特征向量、所述睡眠特征向量、所述运动特征向量，获取向量拼接后的特征值矩阵；

基于所述特征值矩阵和第二注意力网络层，获取相对应的多源注意力向量，并基于所述多源注意力向量、所述特征值矩阵以及第二全连接网络层，获取反映心理压力问题的压力分类向量。

第三方面，本发明实施例提供一种心理压力问题的感知装置，包括：