一种基于关联分析的心理健康状态预测方法与系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115938600A(43)申请公布日2023.04.07(21)申请号202211582269.6G06F21/62(2013.01)(22)申请日2022.12.09G06N20/00(2019.01)(71)申请人济南大学地址250022山东省济南市市中区南辛庄西路336号(72)发明人陈贞翔王政丽姜晓庆刘文娟王有冕王虎成胡彬王培丞(74)专利代理机构济南圣达知识产权代理有限公司37221专利代理师王雪(51)Int.Cl.G16H50/70(2018.01)G16H20/70(2018.01)G16H50/30(2018.01)G16H10/60(2018.01)权利要求书2页说明书8页附图2页(54)发明名称一种基于关联分析的心理健康状态预测方法与系统(57)摘要本发明属于心理健康测评领域，提供了一种基于关联分析的心理健康状态预测方法与系统，包括基于联邦学习进行隐私计算，得到心理测评原始数据；对心理测评原始数据进行预处理，得到预处理后的心理测评数据；基于预处理后的心理测评数据进行扫描创建二维存储矩阵，并对二维存储矩阵进行分组得到数据集；基于数据集构造频繁树进行关联分析，得到满足最小支持度的强关联规则表；根据所述强关联规则表，选择与其他因子关联性较强特征维度构造心理特征，并利用训练好的心理健康状态预测模型进行心理健康状态的预测。通过改变数据集存储方式和扫描方式，仅需扫描一次数据集即可得到强关联规则，在节省数据库存储空间的同时提升关联规则算法挖掘效率。CN115938600ACN115938600A权利要求书1/2页1.一种基于关联分析的心理健康状态预测方法，其特征在于，包括：基于联邦学习进行隐私计算，得到心理测评原始数据；对心理测评原始数据进行预处理，得到预处理后的心理测评数据；基于预处理后的心理测评数据进行扫描创建二维存储矩阵，并对二维存储矩阵进行分组得到数据集；基于数据集构造频繁树进行关联分析，得到满足最小支持度的强关联规则表；根据所述强关联规则表，选择与其他因子关联性较强特征维度构造心理特征，并利用训练好的心理健康状态预测模型进行心理健康状态的预测。2.如权利要求1所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述基于联邦学习进行隐私计算，得到心理测评原始数据，包括：获取多个测试人员通过测评系统完成初始的测试人员心理健康测评结果上传至服务器，给定初步的测试人员心理健康测评全局模型；所述测评系统分别用不同测试人员样本集在本地独立地计算模型参数，并对参数信息进行加密，发送给服务器；所述服务器使用基于同态加密的加权平均算法对加密后的参数信息进行安全聚合，更新测试人员心理健康测评全局模型，并以加密方式将聚合后的参数信息返回测评系统；测评系统对加密聚合后的参数信息进行解密，并使用解密后的参数信息更新本地模型，进入下一轮训练，如此迭代循环，直至损失函数收敛；服务器将最后一轮本地计算的参数信息进行聚合，输出模型结果，生成系统隐私计算后的心理测评原始数据。3.如权利要求1所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述对心理测评原始数据进行预处理，得到预处理后的心理测评数据，包括：将心理测评原始数据中非关键信息删除，保留与心理健康状态存在强相关性的字段，减少数据存储量；对缺失值进行删除或填充，并删除冗余数据；分别对中文字段和因子得分进行统一编码，得到预处理后的心理测评数据。4.如权利要求1所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述基于预处理后的心理测评数据进行扫描创建二维存储矩阵，并对二维存储矩阵进行分组得到数据集，具体为：基于预处理后的心理测评数据获取心理测评实验数据集D和最小支持度计数为n；对心理测评实验数据集D开始第一次扫描，如果该项因子得分≥2分时，则在心理测评数据二维矩阵中记录1，否则记录0；在心理测评数据二维矩阵最后一列增加sum列，用于统计所在行记录1的个数；删除心理测评数据二维矩阵中不满足最小支持度的数据，得到满足最小支持度n的二维存储矩阵；基于满足最小支持度n的二维存储矩阵再次进行分组扫描，得到数据集。5.如权利要求4所述的一种基于关联分析的心理健康状态预测方法，其特征在于，所述基于满足最小支持度n的二维存储矩阵再次进行分组扫描，得到数据集，包括：基于满足最小支持度n的二维存储矩阵进行扫描，扫描n1列，因为m1n1对应的值为1，故2CN115938600A权利要求书2/2页继续向下扫描，直至扫描至该列m行对应的值为0，扫描结束,并建立分组(s1,s2,s3...)；继续下一列扫描，如果该列存在非0的值，则继续扫描非0位置，直至该列结束，继续扫描下一列；如果该列均值均为0，则自动扫描下一列，直至满足最小支