于美亚

(浙江医药高等专科学校 信息中心，浙江 宁波 315100)

0 引言

心理障碍将出现抑郁、自伤、他伤等不良事件，目前，对社会各个领域人员的心理障碍预测十分关键[1]。如孕妇心理障碍、重大疾病患者的心理障碍、学生心理障碍等情况都是相关领域研究人士关注的核心问题[2]。文献[3]、文献[4]分别构建基于文本情感特征的心理评估模型、基于速度与准确率权衡的心理测量学模型，2个模型虽然对心理状态预测这一问题存在可利用性，但受到预测样本数量约束，仅对小样本存在应用价值。

历史数据驱动是通过某种数据处理方法获取历史数据中有价值数据，合理应用历史数据后实施融合与提炼，建立合理的决策模型。本文应用历史数据驱动技术，构建基于历史数据驱动的心理障碍预测模型，并引入隐马尔科夫模型，从有价值数据提取、心理障碍预测两方面双管齐下，实现心理障碍预测。

1 基于历史数据驱动的心理障碍预测模型

1.1 提取关键属性

1.1.1 整体框架

将被预测者的心理量表设成n×m的矩阵H，心理预测数据样本j的属性所构建向量是Hj。心理障碍预测时，医生会通过各式各样的心理测试量表协助预测。本文使用FOAD(Fuzzy-Option based Attribute Discriminant method，基于模糊选择的属性判别方法)方法，在大量心理测试的历史数据协助下，对心理状态属性实施排列，获取具有核心属性的有价值数据，用于后续预测[5]。FOAD方法的操作流程如下。

(1)在心理预测数据里获取心理测试数据集并实施清洗，数据集里各个参与者样本存在大量身体症状属性。……