Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于多维度心理特征建模的矛盾纠纷行为者心理检测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国科学技术大学

摘要:本发明公开了一种基于多维度心理特征建模的矛盾纠纷行为者心理检测方法,包括S1、构建未标注的矛盾纠纷者言论聚合数据集;S2、生成六大维度的多维度心理特征量表;S3、利用多维度心理特征量表对标注和分析后的矛盾纠纷者言论聚合数据集进行划分;S4、对整理后的矛盾纠纷者言论聚合数据集进行划分,分别生成训练集、验证集和测试集;S5、计算得到最终的文本特征表示;S6、完成矛盾纠纷者心理特征识别模型的构建。本发明提供了一种标准化的方式来评估矛盾纠纷者的心理特征,确保了数据的质量和可比性,有助于揭示导致矛盾纠纷的潜在心理机制。

主权项:1.一种基于多维度心理特征建模的矛盾纠纷行为者心理检测方法,其特征在于,包括如下步骤:S1、整合矛盾纠纷者相关心理描述数据,从社交媒体平台获取带有特定矛盾纠纷标签的数据,筛选和清洗数据,构建未标注的矛盾纠纷者言论聚合数据集;S2、基于矛盾纠纷者言论聚合数据集构建多维度心理特征量表,邀请心理学专家对矛盾纠纷者言论聚合数据集进行标注和分析,根据关键词统计和选取,生成六大维度的多维度心理特征量表;所述S2包括以下步骤:S21、基于矛盾纠纷者言论聚合数据集,初步构建多维度心理特征量表,定义矛盾纠纷者言论聚合数据集中的每条言论数据的特征向量表示为: ;其中,表示第i条言论数据中的第j个词元,N为词元总数;S22、邀请心理学专家对矛盾纠纷者言论聚合数据集进行标注和分析,根据关键词统计和选取,定义每类心理特征对应的关键词,对于每个心理特征k,定义对应关键词集合为,则每条言论数据在心理特征k上的关键词匹配度表示为: ;其中,表示第i条言论数据在心理特征k上的关键词匹配度,表示指示函数,当属于关键词集合时,值为1,否则为0,表示第i条言论数据中的第j个词元,表示心理特征k的关键词集合,表示当前言论数据的时间戳,表示关键词出现的时间戳,表示时间衰减因子;S23、根据心理学专家标注的数据,生成包含六大维度的多维度心理特征量表,对于每个心理特征维度k,定义标签值为: ;其中,L表示心理特征类别总数,表示心理学专家给出的特征权重矩阵,表示第i条言论数据中与心理特征m相关的评分值,M表示心理特征相关的评分值总数;S24、对每条言论数据,根据每条言论数据内容中是否包含六大维度的关键词,将对应的心理特征标签列在文本中的存在与否作为该心理特征标签的真实值,形成标注后的矛盾纠纷者言论数据集: ;其中,表示第i条言论数据中创伤经历的标签值,表示第i条言论数据中品行不良的标签值,表示第i条言论数据中人格偏离的标签值,表示第i条言论数据中情绪失调的标签值,表示第i条言论数据中认知偏差的标签值,表示第i条言论数据中冲突倾向的标签值,n表示数据集中的言论总数;S3、利用多维度心理特征量表对标注和分析后的矛盾纠纷者言论聚合数据集进行划分,将矛盾纠纷者言论聚合数据集中的每条数据对应的心理特征标签列在文本中的存在与否作为该心理特征标签的真实值;所述S3包括以下步骤:S31、利用多维度心理特征量表对标注和分析后的矛盾纠纷者言论数据集进行详细标注,根据每条言论数据中的关键词匹配度计算对应心理特征标签;S32、将矛盾纠纷者言论聚合数据集中的每条数据对应的心理特征标签列在文本中的存在与否作为该心理特征标签的真实值,定义标签向量为: ;其中,表示第i条言论数据中第k个心理特征的标签值;S34、将计算得到的标签向量作为标注后的心理特征标签真实值,形成最终的矛盾纠纷者言论聚合数据集: ;其中,n表示数据集中的言论总数;S4、对整理后的矛盾纠纷者言论聚合数据集进行划分,分别生成训练集、验证集和测试集,用于预训练语言模型的训练、验证和测试;S5、使用预训练语言模型对训练集、验证集和测试集进行建模,通过词元嵌入、段落嵌入和位置嵌入方式得到具有上下文语义信息的词元表示,并利用多层自注意力机制计算得到最终的文本特征表示;S6、根据多维度心理特征量表中定义的六类心理特征,创建多标签线性分类器,将文本特征表示输入到多标签线性分类器中,使用二元交叉熵损失函数和Adam优化算法对分类器进行训练,以完成矛盾纠纷者心理特征识别模型的构建;所述S6包括以下步骤:S61、根据多维度心理特征量表中定义的六类心理特征,创建多标签线性分类器,对每个心理特征k设计一个二分类器,定义分类器的输入为最终文本特征表示;S62、将最终文本特征表示输入到每个二分类器中,定义第k个心理特征的分类器为,其输出为,表示第k个心理特征的预测值: ;S63、使用二元交叉熵损失函数L计算每个心理特征的预测值与真实值之间的误差;S64、对所有心理特征的损失函数进行求和,得到总损失函数;S65、使用Adam优化算法对多标签线性分类器进行训练,通过最小化总损失函数调整模型参数,优化分类器的性能;S66、最终的矛盾纠纷者心理特征识别模型表示为: ;其中,为最终的矛盾纠纷者心理特征识别模型。

全文数据:

权利要求:

百度查询: 中国科学技术大学 基于多维度心理特征建模的矛盾纠纷行为者心理检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。