基于大數(shù)據(jù)的數(shù)據(jù)挖掘算法在大學生心理危機預警中的研究

楊利

摘要：大學生心理管理系統(tǒng)的發(fā)展已成為大學生監(jiān)測和預防心理危機的重要手段。高校學生管理數(shù)據(jù)庫積累了大量的數(shù)據(jù)，但是數(shù)據(jù)處理工作只是簡單的統(tǒng)計、存儲和查詢。文中探討了大數(shù)據(jù)技術在當前心理管理系統(tǒng)中的應用，可以擴展心理危機的調(diào)查和篩選指標，實現(xiàn)心理預警數(shù)據(jù)的動態(tài)管理、實時監(jiān)測高危人群的心理，提高學生心理危機早期識別和預警的準確性和有效性。

關鍵詞：大數(shù)據(jù)技術；大學生心理；心理預警；動態(tài)管理

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2017）03-0147-02

隨著移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的快速發(fā)展，我們進入大數(shù)據(jù)時代，現(xiàn)在每天的數(shù)據(jù)記錄比人類歷史數(shù)據(jù)記錄還要多，數(shù)據(jù)使用量從GB（10的9次方）發(fā)展到TB（10的12次方），面對復雜的半結構化或非結構化數(shù)據(jù)資源，傳統(tǒng)的數(shù)據(jù)存儲、分析和處理技術難以完成，產(chǎn)生大數(shù)據(jù)概念，與大數(shù)據(jù)相關的數(shù)據(jù)挖掘和數(shù)據(jù)應用已成為研究信息科學領域的熱點。一直是該領域?qū)＜谊P注的焦點。

近年來，一些世界頂級科學期刊，開始建立大數(shù)據(jù)技術應用專欄，討論大數(shù)據(jù)技術在各個科學領域的應用。在心理學領域，許多心理學家已經(jīng)開始使用各種大數(shù)據(jù)平臺來收集和處理所有類型的數(shù)據(jù)用于相關研究。目前，學生管理系統(tǒng)只針對學生心理健康指標的客觀記錄，數(shù)據(jù)處理工作僅是簡單統(tǒng)計、存儲、備份、查詢等，沒有充分利用這些數(shù)據(jù)，這為數(shù)據(jù)庫應用和數(shù)據(jù)挖掘技術在大學生心理危機預防和發(fā)展提供空間和資源。

1 數(shù)據(jù)挖掘技術的概述

數(shù)據(jù)挖掘是從大量、不完整的、嘈雜的、模糊的和隨機數(shù)據(jù)中提取潛在有用的信息和知識的過程。隨著信息科學技術的發(fā)展，各個領域積累的數(shù)據(jù)量迅速增加。如何從海量數(shù)據(jù)中提取有用的知識和規(guī)則已成為研究熱點之一。數(shù)據(jù)挖掘是一種數(shù)據(jù)管理、分析和處理技術，是知識發(fā)現(xiàn)的關鍵一步。該方法的主要應用是相關分析、分類、聚類、預測時序模式和偏差分析。

圖1所示是一個數(shù)據(jù)挖掘模型。它表示數(shù)據(jù)挖掘的基本過程，大量的數(shù)據(jù)挖掘，根據(jù)管理的定義，預處理后的數(shù)據(jù)獲得可靠的格式，便于挖掘向?qū)幚頂?shù)據(jù)，然后進入挖掘內(nèi)核 得到模式集合，模式集合可以表達和解釋通過挖掘管理器模式過濾之后可以得到用戶理解和使用的綜合知識庫。

2 數(shù)據(jù)挖掘的算法概述

2.1 基于決策樹的分類算法

決策樹算法是基于實例類的歸納分類算法。 該算法可以為給定數(shù)據(jù)集構建決策樹模型，并提取直觀，易于理解的分類規(guī)則知識。基于決策樹算法的自頂向下遞歸分類，首先，對于分類度量值數(shù)據(jù)集每個屬性值進行分類，選擇根節(jié)點。其次，從節(jié)點到分支機構根據(jù)不同的計量屬性范圍將數(shù)據(jù)集合劃分為不同的數(shù)據(jù)子集； 然后遞歸方法地將數(shù)據(jù)分區(qū)，分區(qū)到所有子集屬于同一范疇，停止掃描。最后建立末端的葉子節(jié)點。

2.2 基于人工智能的分類算法

人工神經(jīng)網(wǎng)絡的靈感來自于生物學，用人工神經(jīng)網(wǎng)絡來模擬腦神經(jīng)元的處理。最好的方法是它可以通過訓練方法自動匹配輸入數(shù)據(jù)和輸出數(shù)據(jù)，學習過程不需要控制，只要對訓練參數(shù)進行調(diào)整即可。這為我們的建模提供了非常有用的手段。

2.3 基于模式識別網(wǎng)絡算法

貝葉斯模型分類基于貝葉斯公式，根據(jù)某對象的先驗概率計算后驗概率來。選擇后驗概率最大的類作為該對象所屬的類，Michie等人在1994年 將樸素貝葉斯分類與決策樹算法和神經(jīng)網(wǎng)絡算法進行比較，發(fā)現(xiàn)貝葉斯算法和其它算法的性能在大多數(shù)情況下是相當?shù)模谀承l件下會優(yōu)于其它算法。如圖1所示。

3 基于數(shù)據(jù)挖掘的心理危機預防系統(tǒng)的建立

基于上述挖掘算法，基于三種數(shù)據(jù)挖掘方法的心理危機預警系統(tǒng)結構如圖2所示。系統(tǒng)分為三層：數(shù)據(jù)層、數(shù)據(jù)挖掘?qū)雍陀脩艚缑妗?shù)據(jù)層主要存儲學生心理測試數(shù)據(jù)。處理原始數(shù)據(jù)以獲得目標數(shù)據(jù)挖掘集合。數(shù)據(jù)挖掘?qū)佑糜谕诰蚰繕藬?shù)據(jù)集。用戶界面層可以查看數(shù)據(jù)挖掘結果和挖掘評估、條件分析和規(guī)則知識挖掘。如圖2所示。

4 結語

研究大規(guī)模數(shù)據(jù)技術在大學生心理危機預警和預防自殺策略中的應用具有很高的實用價值。使用大數(shù)據(jù)技術的快速、可預測、準確和實用性等應用價值，可以快速準確地確定危機的狀態(tài)和程度，從而有效地制定危機干預計劃，減少或消除危機。為大數(shù)據(jù)應用技術的未來發(fā)展提供參考和借鑒。

參考文獻

[1]喻豐，彭凱平，鄭先雋.大數(shù)據(jù)背景下的心理學：中國心理學的學科體系重構及特征[J].科學通報，2015（01）.

[2]何非，何克清.大數(shù)據(jù)及其科學問題與方法的探討[J].武漢大學學報（理學版），2014（01）.

[3]馮登國，張敏，李昊.大數(shù)據(jù)安全與隱私保護[J].計算機學報，2014（01）.

[4]劉磊，趙東波.計算機心理動態(tài)測驗方法及心理測評系統(tǒng)研究探討[J].科技傳播，2014（03）.

[5]Computer-based personality judgments are more accurate than those made by humans. Youyou W.，Kosinski M，Stillwell D. Proceedings of the National Academy of Sciences of the United States of America . 2015.