基于大數(shù)據(jù)技術(shù)的青少年心理健康評(píng)測(cè)動(dòng)態(tài)模型構(gòu)建研究

彭海霞 賀冰心 柴巧蓮

（湖南環(huán)境生物職業(yè)技術(shù)學(xué)院，湖南 衡陽(yáng) 421000）

0 引言

當(dāng)前影響青少年心理健康的因素日漸增多，包括家庭、學(xué)習(xí)、工作等，青少年的心理健康異常逐漸成為相關(guān)學(xué)術(shù)界熱烈討論的話(huà)題[1]。在國(guó)內(nèi)經(jīng)濟(jì)及技術(shù)高速發(fā)展的大環(huán)境下，社會(huì)發(fā)展對(duì)新一代青少年體能和智力的要求越來(lái)越高，青少年需要面臨的學(xué)習(xí)強(qiáng)度和工作壓力越來(lái)越大，不可避免地會(huì)在心理上產(chǎn)生較大落差，進(jìn)而使青少年的心理健康受到嚴(yán)重影響[2]。但往往青少年心理出現(xiàn)問(wèn)題的時(shí)機(jī)是無(wú)法預(yù)知的，只有在產(chǎn)生某些影響后才會(huì)意識(shí)到問(wèn)題的嚴(yán)重性，既耗費(fèi)人力、物力，又會(huì)產(chǎn)生巨大的時(shí)間成本[3]。因此研究一種可獲取青少年心理健康情況的方式、方法尤為重要[4]。該文基于大數(shù)據(jù)技術(shù)研究青少年心理健康評(píng)測(cè)的動(dòng)態(tài)模型，模型的構(gòu)建涉及心理健康數(shù)據(jù)采集與整理、確立動(dòng)態(tài)模型評(píng)估指標(biāo)、測(cè)算心理健康評(píng)測(cè)數(shù)據(jù)以及獲取心理健康評(píng)測(cè)結(jié)果，可使用不同算法將不同類(lèi)型的心理健康數(shù)據(jù)進(jìn)行分布計(jì)算，以數(shù)據(jù)信息的健康評(píng)測(cè)作為成果輸出，據(jù)此全面了解青少年的心理動(dòng)態(tài)，并進(jìn)行更準(zhǔn)確的心理健康預(yù)測(cè)。

1 數(shù)據(jù)采集及整理

1.1 數(shù)據(jù)采集

當(dāng)前采集大數(shù)據(jù)的常用工具主要有Flume、Logstash 和Kibana 等[5]。基于大數(shù)據(jù)多樣性的特點(diǎn)，使用特定的工具可將可靠性數(shù)據(jù)高速并發(fā)地進(jìn)行采集、整合。大數(shù)據(jù)采集技術(shù)主要是完成對(duì)已收錄數(shù)據(jù)的分辨、篩選以及歸類(lèi)等操作，解決數(shù)據(jù)來(lái)源參差不齊等關(guān)鍵問(wèn)題。該文的研究將通過(guò)構(gòu)建大數(shù)據(jù)網(wǎng)絡(luò)流量資源聚合數(shù)學(xué)模型的方式進(jìn)行數(shù)據(jù)采集。其中包括構(gòu)建大數(shù)據(jù)網(wǎng)絡(luò)流量資源池與青少年基本信息管理模塊，將大數(shù)據(jù)網(wǎng)絡(luò)流量作為數(shù)據(jù)整合平臺(tái)，供使用者自行選擇測(cè)試方向。在測(cè)試人員確定測(cè)試方式后，初始數(shù)據(jù)庫(kù)可將對(duì)應(yīng)的測(cè)試題目展示給測(cè)評(píng)人員，令其可以自行選擇試題的呈現(xiàn)形式，完成答題后進(jìn)行相應(yīng)的評(píng)測(cè)結(jié)果分析，以此完成青少年心理健康評(píng)測(cè)。

數(shù)學(xué)模型的輸入量選擇的是圍繞場(chǎng)景分析的VIRE 計(jì)算方法，這種方法可將數(shù)據(jù)梳理過(guò)程全面優(yōu)化。VIRE 算法的核心思路是在擬定的數(shù)據(jù)采集范圍內(nèi)設(shè)置不同參考標(biāo)簽進(jìn)行計(jì)算，和其他實(shí)際參考標(biāo)簽種類(lèi)相比，其效用性和精準(zhǔn)度更高。在指定范圍內(nèi)通過(guò)虛擬標(biāo)簽檢索得出對(duì)應(yīng)成果并輸出。此種定位算法可在更深的層面上增加數(shù)據(jù)采集的精確度。VIRE 算法能減少對(duì)數(shù)據(jù)檢索產(chǎn)生的資源浪費(fèi)，可過(guò)濾重復(fù)的數(shù)據(jù)信息，此算法把數(shù)據(jù)池精細(xì)地規(guī)劃成n 個(gè)虛擬儲(chǔ)存網(wǎng)格，并將之前設(shè)定的虛擬標(biāo)簽均勻分布在網(wǎng)格內(nèi)，不同標(biāo)簽的RSSI 值根據(jù)網(wǎng)格坐標(biāo)軸的值通過(guò)線(xiàn)性插值進(jìn)行計(jì)算，如公式（1）所示。

式中：xi第i 個(gè)采集的心理健康數(shù)據(jù)；si第i 個(gè)對(duì)象中采集的特征數(shù)據(jù)；m 為第i 個(gè)采集對(duì)象數(shù)據(jù)的控制參數(shù)。

根據(jù)公式計(jì)算出不同數(shù)據(jù)的RSSI 標(biāo)簽值，實(shí)現(xiàn)基于多特征數(shù)據(jù)的信息并發(fā)性采集，以便將青少年心理健康狀況進(jìn)行評(píng)價(jià)。

1.2 數(shù)據(jù)整理

數(shù)據(jù)整理的目的是提升數(shù)據(jù)質(zhì)量與可用性[6]。通過(guò)VIRE算法收集數(shù)據(jù)，采集到的多種類(lèi)數(shù)據(jù)存儲(chǔ)、計(jì)算在一定程度上得到滿(mǎn)足后，如何進(jìn)行數(shù)據(jù)整理與沉淀成了重要環(huán)節(jié)。為優(yōu)化數(shù)據(jù)管理，該文模型研究使用SNS 算法，這種算法可根據(jù)敏感識(shí)別對(duì)數(shù)據(jù)建立虛擬標(biāo)簽，具體的整理流程如下：1）通過(guò)RSSI值收集數(shù)據(jù)并儲(chǔ)存。2）將采集的數(shù)據(jù)進(jìn)行分類(lèi)篩選，如果發(fā)現(xiàn)數(shù)據(jù)出現(xiàn)不一致的情況或存在修改痕跡，根據(jù)時(shí)間丟棄靠前的數(shù)據(jù)。3）當(dāng)數(shù)據(jù)緩沖區(qū)達(dá)到闔值時(shí)，暫時(shí)關(guān)閉數(shù)據(jù)采集口，并將數(shù)據(jù)存入數(shù)據(jù)池，基于此算法闔值A(chǔ)可得公式（2）。

式中：e為最大權(quán)限經(jīng)過(guò)持續(xù)匹配數(shù)據(jù)后的條件；u為數(shù)據(jù)采集的標(biāo)準(zhǔn)；p為大數(shù)據(jù)資源在不同數(shù)據(jù)種類(lèi)中的參數(shù)總量；max 為最大化的整理模式；t為數(shù)據(jù)采集的時(shí)間；f為數(shù)據(jù)不同種類(lèi)標(biāo)簽的平均值。

引入SNS 算法，對(duì)大數(shù)據(jù)采集資源進(jìn)行全局式整理，利用匹配標(biāo)簽確定闔值，計(jì)算出大數(shù)據(jù)下全局?jǐn)?shù)據(jù)整理的最優(yōu)解，存入數(shù)據(jù)池等待計(jì)算。

2 構(gòu)建心理健康評(píng)測(cè)動(dòng)態(tài)模型

2.1 確立動(dòng)態(tài)模型評(píng)估指標(biāo)

將多類(lèi)型數(shù)據(jù)以集合形式呈現(xiàn)，擬定以集合U={U1，U2，...，Un}儲(chǔ)存采集的青少年心理健康數(shù)據(jù)，n為不同心理健康評(píng)測(cè)數(shù)據(jù)的數(shù)量。將青少年對(duì)不同問(wèn)題的回答所對(duì)應(yīng)的心理健康評(píng)測(cè)評(píng)語(yǔ)設(shè)為集合Q={Q1，Q2，Q3，Q4}，此處Q1、Q2、Q3和Q4分別代表心理健康的4 個(gè)量化狀態(tài)，包括良好、正常、輕度異常和嚴(yán)重異常。采用目前廣泛使用的精神衛(wèi)生量表SCL-90 對(duì)心理健康評(píng)測(cè)因素集合U進(jìn)行細(xì)化，對(duì)影響青少年心理健康的因素進(jìn)行生活環(huán)境、工作類(lèi)型、學(xué)習(xí)壓力和情感問(wèn)題方面的劃分，以幾個(gè)子集合表示，可設(shè)為B={1，2，…，10}，如公式（3）所示。

式中：i∈B0，Ubi=1，Ui=U，i≠0。

此類(lèi)型的集合代表不同標(biāo)簽下的數(shù)據(jù)測(cè)評(píng)子集。心理評(píng)測(cè)集合中，Ui里每個(gè)測(cè)評(píng)子集內(nèi)分配的權(quán)重是Ei={Ei1，Ei2，...，Eis}，所有采集數(shù)據(jù)的種類(lèi)符合。將所有數(shù)據(jù)測(cè)評(píng)標(biāo)簽子集分別看作一種心理健康評(píng)測(cè)集合U，如公式（4）所示。

由此，心理健康數(shù)據(jù)測(cè)評(píng)的數(shù)據(jù)類(lèi)型Csn所處的指標(biāo)矩陣R如公式（5）所示。

設(shè)定將青少年心理健康評(píng)測(cè)數(shù)據(jù)集合U劃分為多個(gè)子集合Ui，不同數(shù)據(jù)池內(nèi)的數(shù)據(jù)種類(lèi)由不同子集合呈現(xiàn)，參照心理健康評(píng)測(cè)集合U中的不同數(shù)據(jù)特性，計(jì)算出心理健康評(píng)測(cè)數(shù)據(jù)權(quán)重值D，如公式（6）所示。

式中：d為不同數(shù)據(jù)類(lèi)型的子集合。

通過(guò)公式（6）可計(jì)算能夠獲取心理健康測(cè)評(píng)數(shù)據(jù)的數(shù)據(jù)模型，如公式（7）所示。

獲取向量模型后，將不同的權(quán)重值d與心理健康測(cè)評(píng)因素相結(jié)合，完成青少年個(gè)人心理健康評(píng)測(cè)指標(biāo)。

2.2 測(cè)算心理健康評(píng)測(cè)數(shù)據(jù)

測(cè)算心理健康評(píng)測(cè)數(shù)據(jù)采用決策樹(shù)算法，這種算法具有可集成同步測(cè)算的特性，對(duì)某個(gè)典型青少年心理健康數(shù)據(jù)信息劃分子集合的方式，對(duì)一組集合內(nèi)的測(cè)評(píng)數(shù)據(jù)進(jìn)行計(jì)算，得出一種以樹(shù)狀結(jié)構(gòu)呈現(xiàn)的計(jì)算結(jié)果。對(duì)此類(lèi)算法得出的結(jié)果再次進(jìn)行數(shù)據(jù)類(lèi)型劃分，以算法的數(shù)據(jù)劃分結(jié)點(diǎn)作為數(shù)據(jù)計(jì)算起始點(diǎn)。計(jì)算方式為通過(guò)數(shù)據(jù)向下劃分的計(jì)算順序?qū)?shù)據(jù)池的標(biāo)簽數(shù)據(jù)進(jìn)行逐步分類(lèi)計(jì)算。該文采用C4.7 決策樹(shù)算法，此算法可將不同數(shù)據(jù)劃分為多個(gè)數(shù)據(jù)大類(lèi)并進(jìn)行逐層篩選，以克服選取數(shù)據(jù)時(shí)由于數(shù)據(jù)存在多個(gè)標(biāo)簽導(dǎo)致數(shù)據(jù)計(jì)算重復(fù)的問(wèn)題?；跇?biāo)簽確定計(jì)算數(shù)據(jù)G，如公式（8）所示。

式中：Ga（S，A）為標(biāo)簽A的數(shù)據(jù)個(gè)例數(shù)據(jù)；Sa（S，A）為在標(biāo)簽A的基礎(chǔ)上對(duì)數(shù)據(jù)池S進(jìn)行篩選的結(jié)果。

基于決策樹(shù)算法對(duì)心理健康數(shù)據(jù)進(jìn)行分析計(jì)算，Sa（S，A）可由公式（9）計(jì)算得出。

式中：Si為第i個(gè)數(shù)據(jù)個(gè)例中處于典型標(biāo)簽的數(shù)據(jù)。

使用決策樹(shù)算法的關(guān)鍵點(diǎn)在于如何確定所篩選的數(shù)據(jù)標(biāo)簽，計(jì)算過(guò)程中要對(duì)比每個(gè)參與計(jì)算的數(shù)據(jù)的標(biāo)簽信息，在計(jì)算過(guò)程中選擇標(biāo)簽信息被檢索次數(shù)最大的標(biāo)簽屬性作為主要?jiǎng)澐贮c(diǎn)。如果該標(biāo)簽下可以繼續(xù)檢索篩選，將持續(xù)向下計(jì)算并劃分?jǐn)?shù)據(jù)池?cái)?shù)據(jù)，獲得更多細(xì)化的子集合。劃分方法如下。

首先，對(duì)數(shù)據(jù)池中的數(shù)據(jù)標(biāo)簽屬性A進(jìn)行離散處理，根據(jù)字符進(jìn)行排序，將MIN 和MAX 作為最大值和最小值的數(shù)據(jù)標(biāo)簽，得出對(duì)應(yīng)的標(biāo)簽屬性集合{A1，A2，…，An}。

其次，將Ai放置于數(shù)據(jù)劃分節(jié)點(diǎn)的位置，設(shè)[MIN，MAX]為數(shù)據(jù)池中的數(shù)據(jù)集合，按順序計(jì)算出第i個(gè)數(shù)據(jù)劃分節(jié)點(diǎn)Ai，如公式（10）所示。

式中：i=1，2，…，N；N為集合中的分節(jié)點(diǎn)數(shù)量。

最后，分別計(jì)算經(jīng)Ai分出的2 個(gè)集合[MIN，Ai]及[Ai，MAX]中的數(shù)據(jù)，將數(shù)據(jù)標(biāo)簽值設(shè)定在對(duì)應(yīng)子集合中，完成心理健康評(píng)測(cè)數(shù)據(jù)的測(cè)算。

2.3 獲取心理健康評(píng)測(cè)結(jié)果

心理健康測(cè)評(píng)結(jié)果模塊采用G-means 聚類(lèi)算法，根據(jù)采集數(shù)據(jù)內(nèi)容的重復(fù)性，即青少年心理健康信息的相似性，相鄰的數(shù)據(jù)池會(huì)結(jié)合成一個(gè)數(shù)據(jù)組，以獨(dú)立的數(shù)據(jù)集合作為最終評(píng)測(cè)結(jié)果，數(shù)據(jù)集合由相鄰的數(shù)據(jù)組構(gòu)成。基于G-means可使用的聚類(lèi)算法，并以算法中的計(jì)算函數(shù)對(duì)不同種類(lèi)的數(shù)據(jù)結(jié)合進(jìn)行計(jì)算并更新數(shù)據(jù)表，進(jìn)而達(dá)到提高模型生成心理健康測(cè)評(píng)成果精度的目的，將結(jié)果以最優(yōu)解進(jìn)行輸出。例如初始測(cè)評(píng)數(shù)據(jù)可將n個(gè)青少年用戶(hù)評(píng)測(cè)數(shù)據(jù)分成g組，數(shù)據(jù)內(nèi)含有n組青少年心理健康評(píng)價(jià)數(shù)據(jù)，經(jīng)過(guò)計(jì)算得出g個(gè)評(píng)測(cè)結(jié)果。G-means 群集算法的具體工作流程如圖1 所示。

圖1 數(shù)據(jù)測(cè)算流程圖

根據(jù)圖1 處理G-means 聚類(lèi)算法的具體方法如下：1）將從n個(gè)青少年采集到的心理健康測(cè)試數(shù)據(jù)收入數(shù)據(jù)池，將評(píng)價(jià)數(shù)量g同批次放置于數(shù)據(jù)池。2）從n個(gè)數(shù)據(jù)組中選取g個(gè)組數(shù)據(jù)，將其作為樣本數(shù)據(jù)并進(jìn)行數(shù)據(jù)初始化，再根據(jù)數(shù)據(jù)標(biāo)簽劃分合并成集合，將剩余的測(cè)評(píng)數(shù)據(jù)劃分到標(biāo)簽屬性相同的集合中。3）集成完所有的評(píng)測(cè)數(shù)據(jù)對(duì)象集合后，將相同集合的心理健康數(shù)據(jù)進(jìn)行分布計(jì)算。4）根據(jù)相同標(biāo)簽數(shù)據(jù)計(jì)算的結(jié)果，同步獲取對(duì)應(yīng)的心理健康評(píng)價(jià)。5）輸出青少年心理健康的測(cè)評(píng)結(jié)果，完成心理健康的測(cè)評(píng)結(jié)果獲取。

3 測(cè)試試驗(yàn)

3.1 試驗(yàn)準(zhǔn)備

該文試驗(yàn)基于微軟Vsual Studio 2010 開(kāi)發(fā)，使用C++語(yǔ)言搭建了一個(gè)網(wǎng)頁(yè)頁(yè)面框架。將SQL 作為數(shù)據(jù)儲(chǔ)存服務(wù)數(shù)據(jù)庫(kù)，以實(shí)現(xiàn)測(cè)評(píng)數(shù)據(jù)可多批次錄入并保持?jǐn)?shù)據(jù)完整性、確保數(shù)據(jù)的安全。試驗(yàn)設(shè)備包括I5 級(jí)10 代處理器、GTX950 顯示卡、2T 機(jī)械硬盤(pán)和8G 運(yùn)行內(nèi)存。青少年心理健康評(píng)測(cè)的網(wǎng)頁(yè)頁(yè)面以賬戶(hù)密碼登錄的方式打開(kāi)，不同使用人員的評(píng)測(cè)數(shù)據(jù)通過(guò)不同的賬戶(hù)進(jìn)行區(qū)分管理，可以讓使用人員自行選擇適合自身的評(píng)測(cè)內(nèi)容，即可支持多元化使用。

3.2 試驗(yàn)結(jié)果

該文試驗(yàn)邀請(qǐng)240 位青少年作為測(cè)試對(duì)象，將通過(guò)當(dāng)前職業(yè)心理醫(yī)師測(cè)試成果與試驗(yàn)?zāi)Ｐ偷贸龅那嗌倌晷睦斫】到Y(jié)果做比較，以此來(lái)測(cè)試該文研究的模型是否可以達(dá)到對(duì)青少年進(jìn)行心理健康測(cè)試的要求，測(cè)試結(jié)果由如圖2 所示。

圖2 測(cè)試結(jié)果柱狀圖

圖2 展示了經(jīng)過(guò)模型測(cè)試得出的心理健康數(shù)據(jù)的人員數(shù)量以及心理健康狀況，應(yīng)用該文研究的心理健康測(cè)評(píng)模型對(duì)240 名青少年心理健康進(jìn)行評(píng)測(cè)后，將4 個(gè)評(píng)測(cè)類(lèi)型作為成果展示，分別如下：處于心理健康狀態(tài)嚴(yán)重異常的有20 人；處于心理健康狀態(tài)輕度異常的有40 人；處于心理健康狀態(tài)正常的有60 人；處于心理健康狀態(tài)良好的有120 人。4 種心理健康狀況的測(cè)評(píng)情況人員數(shù)量、結(jié)論與職業(yè)心理醫(yī)師測(cè)試結(jié)果基本一致，由此可見(jiàn)模型提供的測(cè)試結(jié)果具有較高的準(zhǔn)確性和可信性。實(shí)際應(yīng)用的結(jié)果具有一定參考意義，可為心理健康測(cè)試帶來(lái)較好的測(cè)試效果，值得在現(xiàn)實(shí)生活中廣泛推廣及應(yīng)用。

4 結(jié)語(yǔ)

考慮當(dāng)前社會(huì)對(duì)青少年心理健康重視，該文研究了基于大數(shù)據(jù)下青少年心理健康評(píng)測(cè)動(dòng)態(tài)模型，使用VIRE 算法收集青少年心理健康數(shù)據(jù)并使用SNS 算法進(jìn)行數(shù)據(jù)整理。以數(shù)據(jù)集合的方式確立動(dòng)態(tài)模型評(píng)估指標(biāo)，將數(shù)據(jù)池內(nèi)的數(shù)據(jù)以子集合形式結(jié)合決策樹(shù)算法進(jìn)行計(jì)算，以此測(cè)算心理健康評(píng)測(cè)數(shù)據(jù)，計(jì)算出的評(píng)測(cè)數(shù)據(jù)后，使用G-means 聚類(lèi)算法，通過(guò)聚類(lèi)目標(biāo)函數(shù)計(jì)算獲取心理健康評(píng)測(cè)結(jié)果，導(dǎo)入對(duì)應(yīng)的心理健康評(píng)語(yǔ)，以此完成青少年心理健康智能測(cè)評(píng)。測(cè)試試驗(yàn)結(jié)果表明，此模型能全面地幫助青少年以及家長(zhǎng)了解青少年本身的心理健康狀態(tài)，通過(guò)測(cè)試結(jié)果可及時(shí)發(fā)現(xiàn)問(wèn)題并尋找調(diào)節(jié)心理的有效方式，為社會(huì)健康發(fā)展有重要意義。