基于BP神经网络的大学生心理障碍识别模型

基于BP神经网络的大学生心理障碍识别模型
作者：王晓明
来源：《现代交际》2011年第07期
［摘要］随着社会竞争的日趋激烈、价值观念的多元化、人际关系日益紧张复杂化、生活节奏迅速加快、贫富差距显著拉大等，这一切都不同程度地加重了大学生的心理负荷，使其出现了种种的心理困扰。

因此，关注大学生的心理发展，加强心理健康教育工作，真正把他们培养成为德才兼备、身心健康的社会主义建设者是高等教育面临的新课题。

针对目前专职心理咨询员严重不足这一现象，提出了一种基于BP神经网络的大学生心理障碍识别模型，通过与计算机前沿技术“人工智能”相结合，可以实现大学生心理障碍的网上自我诊断，大大减少高校心理咨询机构的工作压力。

［关键词］大学生心理障碍神经网络人工智能
［中图分类号］G647［文献标识码］A［文章编号］1009-5349（2011）07-0204-02
面对急速扩大的高校规模及不断增长的学生需求，各高校的心理健康教育工作都面临着一个同样难题：僧多粥少，即从事该方面工作的教师少，满足不了广大学生的迫切需要。

专职心理咨询员严重不足，已成为大学心理健康教育与心理干预的一大障碍。

人工智能理论的发展给计算机辅助心理障碍识别带来机遇。

论文以大学生常见心理障碍识别为例，构建一个基于BP 神经网络为例的心理障碍识别模型。

该模型具备自主学习能力，从而可以实现大学生心理障碍的网上自我诊断，为高校心理咨询和心理健康队伍提供支持。

一、大学生心理健康教育现状
高校肩负着培养新世纪人才的重任，而大学生身心健康与否直接关系到民族兴衰、国家强弱以及个人成才。

然而近年来，高校中出现的学生心理健康问题直接影响着学生综合能力以及整个高校学生总体素质的提高。

目前，大学生们或多或少地存在心理障碍已是一个普遍现象。

一项以全国12.6万多大学生为对象的调查显示：20.23%的学生有明显的心理问题，约有1/4的学生存在不同程度的心理障碍。

据权威部门统计，因各种心理障碍引起心理疾病而休退学的大学生人数已经占总休、退学人数的比例近50%。

我国高校“少年班”学员中，约有1/3的学生因各种心理障碍不能完成学业而被淘汰。

在石家庄某高校，近几年休、退学的30多名学生中，48.65%患某种心理疾病。

随着社会变革和独生子女的大批涌入高校，近几年来，大学生患有心理障碍的人数呈上升趋势，这不得不引起高校管理者的高度重视。

随着信息技术的突飞猛进，网络在大学生群体中渐渐普及，甚至成为大学生的一种生活方式。

网络心理咨询方式是信息时代心理咨询发展的必然趋势，网络心理咨询和心理障碍诊断也不断成为国内外学者的研究课题。

二、模型程序及模型服务构成
Web Services所提供的模型服务是一个容器，可以将任何该协议的模型放入其中。

下面以神经网络模型为例，建立大学生心理障碍识别模型。

该模型的重点在于模型服务器和DSS开发平台的可视化，并具备跨平台能力和自主学习能力。

（一）BP神经网络模型
神经网络的决策支持在于利用神经元数学模型（MP模型）和Hebb学习规则，对大量的实例（样本）进行学习获取知识（网络权值），再利用该神经网络对新例子进行识别。

它是以定性和定量相结合的方式辅助决策，定性方式具有利用知识（权值）进行推理（神经元信息处理）的特点，定量方式具有神经元的信息处理过程是采用数值计算方法。

BP神经网络模型是1985年由Rumelhart等人提出的，具有多层网络结构，不仅有输入结点、输出结点，而且还有一层或多层隐结点，它是目前用得最多的神经网络模型。

（二）建立模型服务项目
在技术平台的开发环境Visual 中提供了比较简单明了的开发向导，任何基本了解Web Services技术框架的开发者，都能在短时间内开发出决策支持系统模型服务。

比如，在Microsoft Visual C＃2005环境下，通过向导建立一个 Web服务——大学生心理障碍识别神经网络模型服务项目。

该开发平台自动为所建立的Web Services模型项目设置了大部分内容，开发者只要专注开发和实现这个模型的接口及其算法。

对于建立好的模型服务，可以使用客户程序进行调用，也可以使用普通浏览器进行查询和使用，这就是所谓的“瘦”客户端解决方案。

除此之外，调用模型服务的还可以是另外一个Web Services模型服务器，它把多个Web Services模型服务集成为更复杂和功能更强大的模型服务。

三、大学生心理障碍识别模型服务开发过程
鉴于篇幅原因，以从五个特征识别大学生常见心理障碍为例，说明模型服务的开发过程。

输入的特征包括5个方面：躯体症状、行为症状、情绪症状、睡眠症状、人际交往症状。

选择6种大学生常见心理障碍作为训练（见表1），构造大学生心理障碍识别神经网络。

在实践运用中选取的特征要复杂得多，可能用到的特征将会多达数十种。

该样本设计成神经网络，网络输入层的神经元个数为6个，输出层的神经元个数为5个，隐层的神经元个数为7个。

进行神经元网络计算，需要把文字概念转换为数值。

为了便于数据的判别，用七维向量值表示各个特征，其中前三位表示类别，后四位表示特征，则共可以容纳27=128种特征。

表1的内容经过文字到数值转换后的结果见表2。

BP网络中改进后加入的动量项初始赋值为0.7，网络的学习速率设为0.51。

网络训练的循环次数规定为4000，训练误差期望值为0.000001。

有了模型服务的原型之后，将原型转变为C#语言源代码，并将源代码保存在文件proxyclass.cs中，在DSS客户端项目中添加该文件，并在要使用该类的程序中引用其命名空间。

有了Web Services模型服务和数据库系统的支持，就比较容易开发心理障碍识别决策支持系统客户端应用程序了。

完成神经网络训练后，对样本进行缺省条件输入，输入的五组数据见表3。

运行客户端程序，得到推理结果报表。

所得到报表包含以下内容：
（1）完成文字到数值转换后的输入参数；（2）神经网络的计算输出值；（3）根据输出数值得到的最终结论。

得到的推理结果如图1所示：
从计算结果中可以看出容错效果很好，对第一例，对焦虑症缺省睡眠症状条件时，输出结果仍然是焦虑症（0.8359）；对第四例，对强迫症缺省行为症状和多一个躯体症状条件时，输出结果仍然是强迫症（0.8782）；对第五例，输入强迫症和恐惧症的共同信息时，神经网络输出是既靠近强迫症（0.8356）又靠近恐惧症（0.8381），输出结论：该病例是一个介于强迫症和恐惧症的中间种类，不能被明确识别，神经网络需要进一步学习。

四、讨论
心理治疗专家预测，通过互联网开展的心理咨询在未来的10 年里将成为全社会第二大快速增长的服务领域。

当前，网络心理咨询发展迅速，各高校也纷纷利用自身优势，开设心理咨询的网站或网页。

论文提出的基于BP神经网络的大学生心理障碍识别模型解决方案，通过在西安外国语大学网上心理咨询系统开发中的实施，取得了良好的效果。

【参考文献】
[1]崔丽霞等.网络心理咨询的疗效与展望[J].心理科学进展,2007,(2).
[2]陈文伟,廖建文.决策支持系统及其开发(第三版)[D].北京:清华大学出版社,2008:385-428.
[3]Marakas G M等.21世纪的决策支持系统[D].北京:清华大学出版社,2002.
[4]Han J,Kamber M.数据挖掘概念与技术[D].北京:机械工业出版社,2001.
[5]陈晓红,刘磊辉.DSS模型库管理系统中模型复合技术研究[J].微计算机应用,2004,(2).
[6]王馨.Web Services在人才安全决策支持系统中的应用[J].计算机工程与应用,2005,(18).。