朱佳雯

（西安航空职业技术学院，陕西西安 710089）

近年来，心理疾病在大学生群体中出现的频率越来越高，并由此导致恶性事件的发生，这不仅对家庭，也对学校和社会造成了一定的负面影响[1]。目前越来越多的高校开始重视学生的心理健康教育与指导工作，并对存在心理隐患的学生进行积极的引导及干预。但其中大部分高校仍是基于人工处理的方式来发现心理问题。该方式准确率较高但效率偏低，尤其是在面对海量数据时，其处理能力有限。此外，还有部分高校引入了一些数据分析算法，虽可保证处理效率，但仍难以达到分析准确率的要求[2-4]。

基于上述问题，该文基于BP 神经网络（Back Propagation Neural Network，BPNN）和数据挖掘（Data Mining，DM）技术设计了一种智能化的高校学生情感分析与心理预警算法。该算法能在保证处理效率的同时，有效提高心理问题预警的准确率。同时功能性实验与性能测试也充分验证了，所提方法的有效性与稳定性。

1 理论分析

数据挖掘是指从大量有噪声、不规则的原始数据中，获取之前未知且对用户有价值信息的过程[5]。也可理解为是从包含海量数据的数据库或数据系统中，提取并分析数据间无法被轻易发现的隐藏关系，并给用户反馈有用信息的技术。该文采用的数据挖掘过程框架由数据准备、数据挖掘及结果评估与展示三个模块组成[6]，具体如图1 所示。

图1 数据挖掘基本过程

图中展示了通过数据挖掘将原始数据转换为可用知识的过程：