本發(fā)明涉及人工智能的智能決策，尤其涉及一種基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法及裝置。

背景技術(shù)：

1、心理測試是根據(jù)一定的法則及心理學(xué)原理，采用一定的操作程序?qū)θ说恼J(rèn)知、行為、情感等心理活動予以量化及分析的過程。目前，對在校學(xué)生進行心理測試時，通常采用心理健康量表對學(xué)生的心理狀態(tài)進行評估。心理健康量表分為癥狀取向、適應(yīng)取向和心理素質(zhì)取向等不同的類別。但是，采用心理健康量表對學(xué)生進行測試時，測試內(nèi)容往往是固定不變的，且無法對學(xué)生在測試過程中的表情進行情緒識別。因此，針對不同的測試對象存在片面性和單一性等局限。并且，采用心理健康量表的心理測試方法屬于傳統(tǒng)的人工方式，不僅測試數(shù)據(jù)處理工作效率低下，而且測試結(jié)果獲取的有效性無法保障，從而導(dǎo)致測試結(jié)果的準(zhǔn)確性較低。為了解決上述問題，需要提供一種更有效的基于用戶心理測試數(shù)據(jù)的風(fēng)險評估方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供了一種基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法及裝置，旨在解決現(xiàn)有技術(shù)方法中采用心理健康量表對學(xué)生進行測試時，通過心理健康量表對學(xué)生進行測試不僅是測試題目的答復(fù)結(jié)果獲取有效性和高效性難以保障，而且獲取后需進行人工評估導(dǎo)致數(shù)據(jù)處理效率低下的問題。

2、第一方面，本發(fā)明實施例提供了一種基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法，其包括：

3、響應(yīng)于評估指令，獲取與所述評估指令的待評估學(xué)生對象的學(xué)生用戶信息；其中，所述學(xué)生用戶信息至少包括學(xué)生用戶唯一識別號、學(xué)生用戶標(biāo)簽及學(xué)生歷史評估結(jié)果；

4、基于預(yù)先構(gòu)建的心理測評知識庫、所述學(xué)生用戶信息及預(yù)設(shè)的測試數(shù)據(jù)生成策略，生成當(dāng)前測試數(shù)據(jù)集，并將所述當(dāng)前測試數(shù)據(jù)集發(fā)送至與所述學(xué)生用戶信息對應(yīng)的接收終端；

5、接收由所述接收終端發(fā)送且與所述當(dāng)前測試數(shù)據(jù)集對應(yīng)的當(dāng)前反饋數(shù)據(jù)集，并基于所述當(dāng)前反饋數(shù)據(jù)集及預(yù)先訓(xùn)練的第一分類模型，獲取第一當(dāng)前分類結(jié)果；

6、接收由所述接收終端發(fā)送且與所述當(dāng)前測試數(shù)據(jù)集對應(yīng)的測試過程視頻數(shù)據(jù)集，并基于所述測試過程視頻數(shù)據(jù)集及預(yù)先訓(xùn)練的微表情識別模型，獲取測試過程情緒識別結(jié)果；

7、獲取與所述評估指令相應(yīng)的目標(biāo)時間區(qū)間，并獲取與所述學(xué)生用戶信息和所述目標(biāo)時間區(qū)間對應(yīng)的當(dāng)前學(xué)生用戶課程數(shù)據(jù)集，以及當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集；

8、基于所述當(dāng)前學(xué)生用戶課程數(shù)據(jù)集、所述當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集及預(yù)先訓(xùn)練的第二分類模型，得到第二當(dāng)前分類結(jié)果；

9、基于所述第一當(dāng)前分類結(jié)果、所述測試過程情緒識別結(jié)果、所述第二當(dāng)前分類結(jié)果及預(yù)先訓(xùn)練的第三分類模型，獲取與所述學(xué)生用戶信息對應(yīng)的當(dāng)前分類輸出結(jié)果。

10、第二方面，本發(fā)明實施例提供了一種基于用戶心理測評數(shù)據(jù)的風(fēng)險評估裝置，其包括：

11、學(xué)生用戶信息獲取單元，用于響應(yīng)于評估指令，獲取與所述評估指令的待評估學(xué)生對象的學(xué)生用戶信息；其中，所述學(xué)生用戶信息至少包括學(xué)生用戶唯一識別號、學(xué)生用戶標(biāo)簽及學(xué)生歷史評估結(jié)果；

12、當(dāng)前測試數(shù)據(jù)集生成單元，用于基于預(yù)先構(gòu)建的心理測評知識庫、所述學(xué)生用戶信息及預(yù)設(shè)的測試數(shù)據(jù)生成策略，生成當(dāng)前測試數(shù)據(jù)集，并將所述當(dāng)前測試數(shù)據(jù)集發(fā)送至與所述學(xué)生用戶信息對應(yīng)的接收終端；

13、第一分類單元，用于接收由所述接收終端發(fā)送且與所述當(dāng)前測試數(shù)據(jù)集對應(yīng)的當(dāng)前反饋數(shù)據(jù)集，并基于所述當(dāng)前反饋數(shù)據(jù)集及預(yù)先訓(xùn)練的第一分類模型，獲取第一當(dāng)前分類結(jié)果；

14、情緒識別單元，用于接收由所述接收終端發(fā)送且與所述當(dāng)前測試數(shù)據(jù)集對應(yīng)的測試過程視頻數(shù)據(jù)集，并基于所述測試過程視頻數(shù)據(jù)集及預(yù)先訓(xùn)練的微表情識別模型，獲取測試過程情緒識別結(jié)果；

15、學(xué)生課程測試數(shù)據(jù)獲取單元，用于獲取與所述評估指令相應(yīng)的目標(biāo)時間區(qū)間，并獲取與所述學(xué)生用戶信息和所述目標(biāo)時間區(qū)間對應(yīng)的當(dāng)前學(xué)生用戶課程數(shù)據(jù)集，以及當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集；

16、第二分類單元，用于基于所述當(dāng)前學(xué)生用戶課程數(shù)據(jù)集、所述當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集及預(yù)先訓(xùn)練的第二分類模型，得到第二當(dāng)前分類結(jié)果；

17、第三分類單元，用于基于所述第一當(dāng)前分類結(jié)果、所述測試過程情緒識別結(jié)果、所述第二當(dāng)前分類結(jié)果及預(yù)先訓(xùn)練的第三分類模型，獲取與所述學(xué)生用戶信息對應(yīng)的當(dāng)前分類輸出結(jié)果。

18、第三方面，本發(fā)明實施例還提供了一種計算機設(shè)備，所述計算機設(shè)備包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其中，所述計算機設(shè)備執(zhí)行所述計算機程序時實現(xiàn)如上述第一方面所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法。

19、第四方面，本發(fā)明實施例還提供了一種計算機可讀存儲介質(zhì)，其中所述計算機可讀存儲介質(zhì)存儲有計算機程序，當(dāng)所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述第一方面所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法。

20、本發(fā)明實施例提供了一種基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法及裝置，方法包括：響應(yīng)于評估指令，獲取與評估指令的待評估學(xué)生對象的學(xué)生用戶信息；其中，學(xué)生用戶信息至少包括學(xué)生用戶唯一識別號、學(xué)生用戶標(biāo)簽及學(xué)生歷史評估結(jié)果；基于預(yù)先構(gòu)建的心理測評知識庫、學(xué)生用戶信息及預(yù)設(shè)的測試數(shù)據(jù)生成策略，生成當(dāng)前測試數(shù)據(jù)集，并將當(dāng)前測試數(shù)據(jù)集發(fā)送至與學(xué)生用戶信息對應(yīng)的接收終端；接收由接收終端發(fā)送且與當(dāng)前測試數(shù)據(jù)集對應(yīng)的當(dāng)前反饋數(shù)據(jù)集，并基于當(dāng)前反饋數(shù)據(jù)集及預(yù)先訓(xùn)練的第一分類模型，獲取第一當(dāng)前分類結(jié)果；接收由接收終端發(fā)送且與當(dāng)前測試數(shù)據(jù)集對應(yīng)的測試過程視頻數(shù)據(jù)集，并基于測試過程視頻數(shù)據(jù)集及預(yù)先訓(xùn)練的微表情識別模型，獲取測試過程情緒識別結(jié)果；獲取與評估指令相應(yīng)的目標(biāo)時間區(qū)間，并獲取與學(xué)生用戶信息和目標(biāo)時間區(qū)間對應(yīng)的當(dāng)前學(xué)生用戶課程數(shù)據(jù)集，以及當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集；基于當(dāng)前學(xué)生用戶課程數(shù)據(jù)集、當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集及預(yù)先訓(xùn)練的第二分類模型，得到第二當(dāng)前分類結(jié)果；基于第一當(dāng)前分類結(jié)果、測試過程情緒識別結(jié)果、第二當(dāng)前分類結(jié)果及預(yù)先訓(xùn)練的第三分類模型，獲取與學(xué)生用戶信息對應(yīng)的當(dāng)前分類輸出結(jié)果。通過上述方法，能夠及時獲取到學(xué)生用戶進行心理測評的當(dāng)前反饋數(shù)據(jù)集、測試過程視頻數(shù)據(jù)集對應(yīng)的情緒識別結(jié)果、當(dāng)前學(xué)生用戶課程數(shù)據(jù)集以及當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集，并有效結(jié)合學(xué)生用戶多維度的數(shù)據(jù)進行分類及評估，得到實時性高且更直觀量化顯示的當(dāng)前分類輸出結(jié)果，以供心理健康專業(yè)教師用戶查看與分析。

技術(shù)特征：

1.一種基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法，其特征在于，所述基于預(yù)先構(gòu)建的心理測評知識庫、所述學(xué)生用戶信息及預(yù)設(shè)的測試數(shù)據(jù)生成策略，生成當(dāng)前測試數(shù)據(jù)集，包括：

3.根據(jù)權(quán)利要求2所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法，其特征在于，所述待測評多維度權(quán)重確定子策略為決策樹模型；所述基于所述學(xué)生用戶信息中的學(xué)生用戶標(biāo)簽、所述學(xué)生歷史評估結(jié)果對應(yīng)的歷史風(fēng)險評估等級及所述待測評多維度權(quán)重確定子策略，生成多個待測評因子及與每一個待測評因子對應(yīng)的因子權(quán)重值，包括：

4.根據(jù)權(quán)利要求1所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法，其特征在于，所述基于所述當(dāng)前反饋數(shù)據(jù)集及預(yù)先訓(xùn)練的第一分類模型，獲取第一當(dāng)前分類結(jié)果，包括：

5.根據(jù)權(quán)利要求1所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法，其特征在于，所述基于所述測試過程視頻數(shù)據(jù)集及預(yù)先訓(xùn)練的微表情識別模型，獲取測試過程情緒識別結(jié)果，包括：

6.根據(jù)權(quán)利要求1所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法，其特征在于，所述基于所述當(dāng)前學(xué)生用戶課程數(shù)據(jù)集、所述當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集及預(yù)先訓(xùn)練的第二分類模型，得到第二當(dāng)前分類結(jié)果，包括：

7.根據(jù)權(quán)利要求1所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法，其特征在于，所述基于所述第一當(dāng)前分類結(jié)果、所述測試過程情緒識別結(jié)果、所述第二當(dāng)前分類結(jié)果及預(yù)先訓(xùn)練的第三分類模型，獲取與所述學(xué)生用戶信息對應(yīng)的當(dāng)前分類輸出結(jié)果，包括：

8.一種基于用戶心理測評數(shù)據(jù)的風(fēng)險評估裝置，其特征在于，包括：

9.一種計算機設(shè)備，所述計算機設(shè)備包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述計算機設(shè)備執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1-7中任一項所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機程序，當(dāng)所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7任一項所述的基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于用戶心理測評數(shù)據(jù)的風(fēng)險評估方法及裝置，能夠及時獲取到學(xué)生用戶進行心理測評的當(dāng)前反饋數(shù)據(jù)集、測試過程視頻數(shù)據(jù)集對應(yīng)的情緒識別結(jié)果、當(dāng)前學(xué)生用戶課程數(shù)據(jù)集以及當(dāng)前學(xué)生用戶測試成績數(shù)據(jù)集，并有效結(jié)合學(xué)生用戶多維度的數(shù)據(jù)進行分類及評估，得到實時性高且更直觀量化顯示的當(dāng)前分類輸出結(jié)果，以供心理健康專業(yè)教師用戶查看與分析。

技術(shù)研發(fā)人員：李蘇燕,朱春瑩,張寶強,李寧靜,陳磊,涂卓,易建文
受保護的技術(shù)使用者：浙江機電職業(yè)技術(shù)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/3/10