[发明专利]一种评估心理咨询师即时疏导患者水平的方法及系统

说明书

本发明提供一种评估心理咨询师即时疏导患者水平的方法，包括：获得咨询师与来访者的对话的音频记录；采用语音分离算法，将咨询师与来访者的语音信号分离；采用语音识别算法，将来访者的语音信号逐段转换成文字；采用文本情感分析方法，在情绪空间中，计算来访者的每一段落的文字的情绪值；确定咨询师的即时疏导水平，所述咨询师的即时疏导水平包括疏导效率以及情绪前后变化值。本发明还提供了相应的系统。本发明的评估心理咨询师即时疏导患者水平的方法在愉悦度‑唤醒度空间中获得来访者的每一段落的文字的情绪值，并将情绪前后变化值作为疏导水平，因此评价结果更为客观；同时疏导水平还包括疏导效率，使得评价结果更为全面有效。

技术领域

本发明属于心理咨询和聊天机器人领域，具体涉及一种评估心理咨询师即时疏导患者水平的方法及系统。

背景技术

目前，如何评价一名心理咨询师的水平，一般来说，有两种方法。

方法一，是可通过累计咨询个案数量、时长，累计参与心理培训时长及相应获得的职业资格证书、培训证书等，综合判断一名心理咨询师的水平。这个方法的优点在于，直观且清晰易懂。只要通过比较不同咨询师的证书数量和咨询等时长，就可以明确咨询师的相对水平如何。判断标准的门槛低，所以即便是从未接触过心理咨询的来访者也可以很快选择出更好的咨询师。但其缺点也很明显，首先是证书的含金量往往大不相同，仅凭数量的多少并不能得出质量的高低；其次，过往咨询时长等数据的真实性存疑，国内尚未有很成熟的培训体系和认证体系，即便是市面上现存的机构，其统计标准也并不统一。没有统一和靠谱的机构背书，数据的水分可想而知。

方法二，是可通过第三方的评分，侧面反映心理咨询师的水平。比如，当来访者在某机构选择了一位咨询师，完成一次心理咨询后，可以对该次体验进行打分。当来访者的数量足够多时，针对某一心理咨询师的打分经一定算法得出的一个最终分，就可以反应一名心理咨询师的水平。这种做法的优点在于，心理咨询的效果如何，是要看来访者的体验如何。来访者的心理状态、状况前后是否有改善，往往就是一个心理咨询师水平的体现。所以该方法的内容效度较高。缺点在于主观性太强。来访者对咨询师的评分还会受其性格特征、心情、当天的经历，甚至天气、环境因素的影响，并不能完全客观地反应咨询师的能力或水平，需要更多的来访者数据和更科学有效地算法来排除这些干扰因素。

考虑到现有的评价一名心理咨询师的疏导水平的方法没有统一标准或者主观性太强，给出的指标均不是客观指标，急需提出一种评价心理咨询师即时疏导患者水平的方法，来基于机器学习客观地评价心理咨询师的疏导水平。

目前，语音分离技术用于将两个人对话的语音分开，可以分为三种方法，基于信号处理的方法、基于模型的方法和基于深度学习的方法。

(一)基于信号处理的方法包括：

谱减法：默认混合信号的前几帧仅包含环境噪声，并利用混合信号的前几帧的平均幅度谱或者能量谱作为估计到一帧噪声的幅度谱或者能量谱。最后利用混合信号的幅度谱或者能量谱与估计到的幅度谱与能量谱相减，得到估计到的干净信号的幅度谱或者能量谱。

维纳滤波法：输入信号通过一个线性时不变系统之后产生一个输出信号，使得输出信号尽量逼近期望信号，使其估计误差最小化。

(二)基于模型的方法包括：

非负矩阵分解法：在单声道语音分离中，非负矩阵分解将语音信号的幅度谱或平方谱近似地分解为两个非负的基矩阵和系数矩阵的乘积。利用单个源语音信号的训练数据来学习特征，从混合信号中有效地分辨出属于每个源语音的元素，从而成功地分离单声道混合语音。

计算听觉场景分析法：计算机模拟人类处理声音信号的过程，让计算机像人类一样在复杂的语音环境中感知声音，处理声音，解析声音。

(三)基于深度学习的语音分离，主要是用基于深度学习的方法，从训练数据中学习语音、说话人和噪音的特征，从而实现语音分离的目标。基于深度学习的方法包括：