程会林 曾伟 杨琳琳 岑萧萍 蒋琳琳

摘 要：为了简化网络心理咨询分诊流程和降低咨询助理的劳动强度，提出一种基于深度学习的网络心理咨询问题智能多分类模型。采用Word2vec对来访者的自述情况进行文本特征提取，设计卷积神经网络的深度学习分类器，实现对来访者咨询问题的智能分类。与传统机器学习分类方法相比，所提方法的准确率提升约20%。本研究为网络心理咨询问题的智能分诊提供了一种新方法。

关键词：网络心理咨询；自述分类，Word2vec；卷积神经网络

1 引言

随着互联网技术的不断发展，网络心理咨询逐渐发展起来，仅“525心理网”便已解决近857万个心理问题。心理咨询网站一般配备有一名咨询助理，根据来访者的自述情况进行分类，匹配到合适的心理咨询师。然而，这种分诊的准确性与效率依赖于咨询助理的经验知识。为减轻咨询助理的负担，本文提出一种对咨询问题进行智能分诊的方法。传统的分类方法需要进行复杂的处理来进行特征提取，再根据提取的特征来训练分类器。卷积神经网络通过结构重组和减少权值将特征提取和分类功能进行融合，这种结构比以往多种算法性能更为高效[7]。因此，本文拟利用文本挖掘技术，设计卷积神经网络多分类模型，对来访者的自述情况进行智能分类，简化分诊流程。

2 实验步骤与分析

2.1 流程图

2.2 数据预处理

为获得数据，训练分类模型以供使用，本文利用八爪鱼采集器从“咨询中国网”中爬取“公益心理问答模块”数据，共得到6个类别，分别为“婚恋情感”“亲子关系”“人际关系”“认识自我”“压力疏导”及“子女成长”。……