一种基于深度学习的校园心理辅导的方法及装置
专利汇可以提供一种基于深度学习的校园心理辅导的方法及装置专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于 深度学习 的校园心理辅导的方法及装置，通过预先录入在校生的源数据建立情绪监测模型，实时获取在校生的待检测数据，对该所述待检测数据进行预处理，并将预处理后的所述待检测数据输入至所述情绪监测模型，通过所述情绪监测模型获取对应的在校生情绪指数，并根据所述情绪指数对该在校生进行心理评估，对心理评估异常的在校生进行心理辅导。，下面是一种基于深度学习的校园心理辅导的方法及装置专利的具体信息内容。
1.一种基于深度学习的校园心理辅导的方法，其特征在于：所述方法包括以下步骤：
步骤一：预先录入在校生的源数据，对所述源数据进行分析、提取特征向量，并根据该所述源数据建立情绪监测模型；
步骤二：获取在校生的待检测数据，对该所述待检测数据进行预处理，并将预处理后的所述待检测数据输入至所述情绪监测模型；
步骤三：通过所述情绪监测模型获取对应的在校生情绪指数，并根据所述情绪指数对该在校生进行心理评估；
步骤四：对心理评估异常的在校生进行心理辅导。
2.如权利要求1所述的基于深度学习的校园心理辅导的方法，其特征在于：
在步骤一中，所述预先录入在校生的源数据为在校生的档案数据、课堂考勤数据、考试数据、图书馆借阅数据、宿舍作息数据、URL数据、社交媒体数据、心理咨询及就诊数据；
对上述源数据中的各项数据提取特征向量，对所述各项数据提取的特征向量分别赋予不同的系数，再将所述各项数据提取的特征向量进行特征融合，并通过卷积神经网络训练，得到所述的情绪检测模型。
3.如权利要求1所述的基于深度学习的校园心理辅导的方法，其特征在于：
在步骤二中，所述预处理是对所述获取到的在校生的检测数据进行信息过滤、并对信息过滤后的待检测数据进行数据标识、分词、词性标注操作，在数据表现的基础上利用文档频率、信息增益、主题分析、情感分析、关键词过滤、表情符号分析进行数据抽取，最后形成所述待检测数据。
4.如权利要求1所述的基于深度学习的校园心理辅导的方法，其特征在于，在步骤三中，在获取步骤二中的待检测数据后，生成对应的待检测数据特征向量矩阵；
将所述待检测数据特征向量矩阵输入到预先构建的所述情绪监测模型中，得到对应的在校生情绪指数，并根据所述情绪指数进行匹配操作，以获取所述情绪监测模型中的样本集的匹配对象，以此完成所述的心理评估；
在所述步骤三中，所述情绪监测模型包括第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层1、第三卷积层2、第三池化层，在进行特征融合后，输入到第四卷积层、第四池化层、第五全连接层、第六全连接层。所述第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层1、第三卷积层2、第三池化层依次相连，所述卷积神经网络、第四卷积层、第四池化层、第五全连接层、第六全连接层依次相连。
5.如权利要求1所述的基于深度学习的校园心理辅导的方法，其特征在于：
在步骤四中，对心理评估异常的在校生定向推荐心理辅导文章、日常作息规划、饮食及运动类型等信息，向学生社区、辅导员、心理咨询中心推送该所述心理评估异常的在校生的具体信息。
6.一种基于深度学习的校园心理辅导的装置，其特征在于：所述装置包括以下模块：监测模型生成模块、数据采集模块、心理评估模块、心理辅导模块。
所述监测模型生成模块，用于预先录入在校生的源数据，对所述源数据进行分析、提取特征向量，并根据该所述源数据建立情绪监测模型；
所述数据采集模块，用于获取在校生的待检测数据，对该所述待检测数据进行预处理，并将预处理后的所述待检测数据输入至所述情绪监测模型；
所述心理评估模块，用于通过所述情绪监测模型获取对应的在校生情绪指数，并根据所述情绪指数对该在校生进行心理评估；
所述心理辅导模块，用于对心理评估异常的在校生进行心理辅导。
7.如权利要求6所述的基于深度学习的校园心理辅导的方法，其特征在于：
所述监测模型生成模块用于将所述预先录入在校生的源数据为在校生的档案数据、课堂考勤数据、考试数据、图书馆借阅数据、宿舍作息数据、URL数据、社交媒体数据、心理咨询及就诊数据；对上述源数据中的各项数据提取特征向量，对所述各项数据提取的特征向量分别赋予不同的系数，再将所述各项数据提取的特征向量进行特征融合，并通过卷积神经网络训练，得到所述的情绪检测模型。
8.如权利要求6所述的基于深度学习的校园心理辅导的方法，其特征在于：
所述数据采集模块用于将所述预处理是对所述获取到的在校生的检测数据进行信息过滤、并对信息过滤后的待检测数据进行数据标识、分词、词性标注操作，在数据表现的基础上利用文档频率、信息增益、主题分析、情感分析、关键词过滤、表情符号分析进行数据抽取，最后形成所述待检测数据。
9.如权利要求6所述的基于深度学习的校园心理辅导的方法，其特征在于，所述心理评估模块用于在所述数据采集模块获取待检测数据后，生成对应的待检测数据特征向量矩阵；
将所述待检测数据特征向量矩阵输入到预先构建的所述情绪监测模型中，得到对应的在校生情绪指数，并根据所述情绪指数进行匹配操作，以获取所述情绪监测模型中的样本集的匹配对象，以此完成所述的心理评估；
所述情绪监测模型包括第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层1、第三卷积层2、第三池化层，在进行特征融合后，输入到第四卷积层、第四池化层、第五全连接层、第六全连接层。所述第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层1、第三卷积层2、第三池化层依次相连，所述卷积神经网络、第四卷积层、第四池化层、第五全连接层、第六全连接层依次相连。
10.如权利要求6所述的基于深度学习的校园心理辅导的方法，其特征在于，所述心理辅导模块用于对心理评估异常的在校生定向推荐心理辅导文章、日常作息规划、饮食及运动类型等信息，向学生社区、辅导员、心理咨询中心推送该所述心理评估异常的在校生的具体信息。
一种基于深度学习的校园心理辅导的方法及装置
技术领域
背景技术
发明内容
步骤一：预先录入在校生的源数据，对所述源数据进行分析、提取特征向量，并根据该所述源数据建立情绪监测模型。
在所述步骤三中，所述情绪监测模型包括第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层1、第三卷积层2、第三池化层，在进行特征融合后，输入到第四卷积层、第四池化层、第五全连接层、第六全连接层。所述第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层1、第三卷积层2、第三池化层依次相连，所述卷积神经网络、第四卷积层、第四池化层、第五全连接层、第六全连接层依次相连。
图2示出了一种基于深度学习的校园心理辅导的装置模块图。
实施例
步骤一：预先录入在校生的源数据，对所述源数据进行分析、提取特征向量，并根据该所述源数据建立情绪监测模型。
在所述步骤三中，所述情绪监测模型包括第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层1、第三卷积层2、第三池化层，在进行特征融合后，输入到第四卷积层、第四池化层、第五全连接层、第六全连接层。所述第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层1、第三卷积层2、第三池化层依次相连，所述卷积神经网络、第四卷积层、第四池化层、第五全连接层、第六全连接层依次相连。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于深度问答的答案检索方法及装置 | 2020-05-13 | 567 |
| 一种智能文本处理方法、装置、电子设备及存储介质 | 2020-05-11 | 5 |
| 一种针对电力巡检文本的错误识别方法 | 2020-05-11 | 765 |
| 一种处理文本的方法和装置 | 2020-05-12 | 181 |
| 一种电商产品竞争分析方法及系统 | 2020-05-14 | 221 |
| 基于物理距离和语义距离的双向LSTM模型的构建方法 | 2020-05-08 | 713 |
| 一种面向金融事件的混合型因果关系发现方法 | 2020-05-11 | 513 |
| 基于XML的领域要素提取配置语言系统 | 2020-05-08 | 55 |
| 一种公司形象提升系统的社交网络数据提取方法及系统 | 2020-05-11 | 985 |
| 一种基于大数据的国防科技热词发现方法及系统 | 2020-05-08 | 800 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
