[发明专利]一种针对硕博群体抑郁水平的预测评估方法及装置

权利要求书

1.一种针对硕博群体抑郁水平的预测评估方法，其特征在于，包括：

S1：获取第一学生抑郁状态数据，对第一学生抑郁状态数据的抑郁水平进行划分，基于划分的结果得到第一学生抑郁水平等级；

获取第一学生相关数据，所述第一学生相关数据包括学生个人数据，学生导师数据，学生家庭数据，学生重大事件数据，所述第一学生相关数据包括多个特征维度，所述特征维度包括多个特征值，对第一学生相关数据进行处理得到第一学生相关特征信息，基于第一学生抑郁水平等级，以及对应的第一学生相关特征信息构建第一学生特征信息，将第一学生特征信息分为训练样本集和测试样本集；

S2：基于随机森林构建训练模型，基于训练样本集，采用网格搜索交叉验证算法对训练模型进行训练，优化训练模型参数得到硕博群体抑郁水平预测评估模型；

S3：将测试样本集输入至硕博群体抑郁水平预测评估模型得到预测性能分数，如果满足预测性能分数阈值则完成测试，如果不满足预测性能分数阈值则迭代步骤S1，S2，直至满足模型预测性能分数阈值测试结束；

S4：应用时，获取第二学生相关数据，通过对获取第二学生相关数据进行处理得到第二学生特征信息，将第二学生特征信息输入至测试过的硕博群体抑郁水平预测评估模型判断第二学生抑郁水平。

2.根据权利要求1所述的针对硕博群体抑郁水平的预测评估方法，其特征在于，所述的对第一学生抑郁状态数据的抑郁水平进行划分的具体步骤为：

通过SDS抑郁自评量表，贝克抑郁自评量表，对第一学生抑郁状态数据进行初步心理抑郁水平划分，并通过第一学生在学校的心理咨询记录和心理咨询师基于精神障碍诊断与统计标准临床诊断，对初步心理抑郁水平划分结果进行校正，最后将第一学生的抑郁水平划分为无抑郁，轻度抑郁，中度抑郁和重度抑郁四个等级。

3.根据权利要求1所述的针对硕博群体抑郁水平的预测评估方法，其特征在于，所述的学生个人数据的特征维度包括学生的年龄，性别，生源地，兄弟姐妹数量，出生顺序，经济情况，学校，专业，科研水平，单身与否，是否有孩子，居住方式，心理健康状况和性格类型，所述心理健康状况和性格类型通过SCL-90心理健康诊断量表，大五人格量表，有无心理咨询记录及其心理咨询师的评价综合确定；

所述的学生导师数据的特征维度包括导师的姓名，年龄，性别，职称，职务，科研水平，学生对导师综合评价，导师婚否，指导学生的数量；

所述的学生家庭数据的特征维度包括直系或者三代以内旁系是否有抑郁症病史，父母年龄，父母的工作，父母感情状况，父母教养方式；

所述的学生重大事件数据包括个人重大事件，以及由个人重大事件引起的学生情绪健康等级。

4.根据权利要求1所述的针对硕博群体抑郁水平的预测评估方法，其特征在于，所述的对第一学生相关数据进行处理得到第一学生相关特征信息的具体步骤为：

S11：将第一学生相关数据进行数据预处理，包括：

删除特征值异常数据；

针对冗余数据，优先选择最近采集的学生相关数据，删除冗余学生相关数据；

针对缺失数据，基于特征维度下的其他特征值，采用众数，中位数，均值的统计方法，完成缺失数据补全；

S12：将预处理后的学生相关数据进行统计分析，将统计分析后的学生相关数据进行特征序列化得到学生相关数据特征向量，所述学生相关数据特征向量包括多个特征维度特征向量，对多个特征维度特征向量进行相关性筛选得到第一学生相关特征信息。

5.根据权利要求4所述的针对硕博群体抑郁水平的预测评估方法，其特征在于，所述的将预处理后的学生相关数据进行统计分析的具体步骤为：

对预处理后的学生相关数据的每个特征维度中的多个特征值占比进行统计，基于统计结果，并结合精神障碍诊断与统计标准筛选和挖掘选出符合第一学生抑郁水平划分结果的多个特征值。