文摘
心理教育是有益的在维护大学生的心理健康,解决心理问题,创建一个和谐校园和社会。大学生心理健康教育是面向发展的基础教育活动,导致教育质量的重要原因。提高大学生心理健康评估的准确性为大学生心理健康教育的模式提出了基于细粒度并行计算编程。本研究使用深度学习算法来细分的分类的情感词典,可以通过添加负面词分类列表,极性转换字典,和在线词典,除此之外,基于生态理论的瞬时评估。它既可用于多级情感和详细的分析。模型更准确的评估心理健康的大学生,根据这项研究的结果。当前的用户可以被识别,情绪状态以及心理风险的迹象,使用微博情感分析数据,这将成为一种宝贵的资源在未来寻求临床心理咨询的用户。
1。介绍
之间的关系从大学生心理素质和思想道德素质,良好的心理素质有助于良好道德品质的形成和巩固。大学生的心理素质是不完美的;他们的认知水平是肤浅和片面的;他们的情绪会是有缺陷的;他们的个性发展显然是不平衡的;和他们的意识形态和道德进步是阻碍1]。关注大学生心理健康,为大学生创造和改善相关系统心理危机干预,追踪大学生心理健康状态实时、干涉大学生正在经历一个心理危机。大学生,作为社会人,必须与他人互动和依赖他们的家庭的支持,学校和社会2,3]。因此,社会支持对大学生心理健康教育是至关重要的。高校应该优先帮助大学生发展中一个强大的社会支持系统作为流程的一部分,加强和改善他们的心理健康教育。
目前,传统心理健康评估主要是基于自我评估问卷调查和结构化面试(4,数据和信息通过人际互动获得的评估,以评估心理健康状况的评估。虽然这种传统心理健康评价方法主观把握心理健康状况的受试者从尺度的角度来看,有偏差的社会期望反应实现过程和评估任务(5,6),和评价不是很好7,8]。一些研究者已经开始应用生态瞬态评估理论和社会网络数据对精神健康评估任务。方法数据标签,专家分析或自我评定的规模,形成的数据集、数据特征提取(9),和模型训练实现的自动评估心理健康(10,11]。传统心理健康教育模式主要是基于教师的“教学”。这个模型训练过程转化为一个简单的“知识产业”的过程。尽管学生可以掌握系统,他们掌握坚实的心理学理论和概念,但是忽略了这个模型。让学生独立学习。即使在一些大学心理健康教育使用互联网,形式过于简单,效果并不理想。
随着“网络+”时代的到来,新技术为代表的人工智能正在逐步重塑教育服务体系和现有的教育(打开那扇关闭的门12,13]。交互网络教育是很常见的,这为大学心理健康教育的发展开辟了新的可能性。一些大学正在形成三到四级心理健康教育网络,如学校咨询中心为大学生心理健康教育、本科生和教师心理健康教育工作站,和大学生互助协会。为大学生心理健康教育的模型本文提出了基于细粒度并行计算编程,包括一个具体的行动计划和实施方案。
本文研究和创新上述问题从以下方面:(1)我们建议大学生心理健康的评价模型基于多通道数据融合。最大的规则用于熔断器和计算多通道数据,和潜在的条件随机域算法用于准确评估个体的心理健康水平,考虑到学生的心理变化在一个特定的时间内。(2)基于细粒度的情感词典构建心理预警模型。它使用用户的情绪状态的变化作为结果显示输出,并使心理危机事件的预警分析筛选心理危机的迹象。
本文分为五个部分,组织结构如下:部分1介绍了研究的背景和现状的大学生心理健康教育,提出和总结了本文的主要任务。部分2介绍了大学生心理健康教育的理论基础研究。部分3介绍了大学生心理健康教育的实现基于细粒度并行计算编程模型。部分4通过实验比较了该模型的性能。部分5是全文的总结。
2。相关工作
2.1。研究现状和发展趋势的大学生心理健康教育
道认为,心理健康是一种持续的心理状态中,一个人可以适应,有活力,充分发挥他的身体和心理潜力(14]。这不仅是一种减轻精神疾病也条件活跃繁荣。艾森伯格认为,心理健康应该包括三个方面:正常的精神状态,和谐的人际关系,和完整的社会适应15]。王等人。16]提出的10个标准水平的生理节奏意识,代表心理活动强度、宽容的心理活动,心理康复能力,心理自控能力,自信,和社会互动环境适应性。本文总结了心理健康教育的内容从许多方面,如情绪调节和锻炼,为了更好地开展心理健康教育,促进心理健康教育,为学生的发展打下良好的基础”心理健康从综合的角度来看,平衡,和发展的大学生心理健康教育。通过综合前人的经验和教训,Mc和其他人总结等内容举行讲座,加强公共关系,进行健康调查,完善网络教育体系,积极倡导自我教育。在网络时代,网络教育体系和课程教育方法非常广泛(17]。张检查为大学生心理健康教育的意义和结果讨论具体的工作机制18]。根据锣,心理健康是生命的关键内涵增长和中起关键作用的学生的生命成长,生命的意义也发挥了重要作用,保持和发展大学生心理健康(19]。最后,生命的意义和心理健康是互补的,这是至关重要的大学生心理健康教育的彻底检查。
许多国内研究人员进行深入研究的影响大学生的心理健康教育,深入展示了各种方法的特点和内容。孟等的研究结果表明,84%的大学生心理健康课程的教学方法20.],而玉等人的研究结果表明,心理健康教育中发挥着重要作用改善心理健康,和大学生和其他教育方法有不同的效果21]。新等人的研究结果表明,心理健康教育是一种有效的方法提高少数民族大学生的心理健康(22]。李2年追踪449名学生的心理健康,发现心理健康教育可以显著提高学生的心理健康。最有效的心理健康教育方法是心理讲座23]。
内容、方法和人员培训的方法,其中人员培训的具体方法是最突出的,将成为未来最重要的主题研究大学生心理健康教育。以下是不同类型的高校心理健康教育培训可用。我们建立了一个专业致力于培养大学生心理健康教育从业人员,提高人员培训的系统化和标准化水平,并为学校的长远发展奠定了坚实的基础,从学校的自己的取向和教育资源。应该给学生的心理健康教育。
2.2。研究细粒度并行计算编程
通用处理器线程级别的投机技术可以利用细粒度的并行性,细粒度操作对应线程在通用处理器和任务创建和分配由运行时系统来管理线程池。西安投资很多钱在开发新的通用cpu,它结合可重构计算技术(24)与英特尔X86架构和可重构计算技术应用到信息安全芯片和密码芯片。
Paji等人提出一种新的编程模型,它允许程序员声明应用程序作为一组任务,这些任务可以并行执行,并描述任务之间的依赖关系的承诺(25]。然后,并发任务自动映射到可重构计算资源的领空执行。这项技术有效地利用细粒度pipeline-level并行应用程序。喀什等人设计了一个管道处理单元和互连网络架构,其中包括粗粒度和细粒度数据路径,封装这些建筑功能作为一个执行机制,并提供了一个编译器为可重构处理器允许程序员编写程序。使用复杂的控制流和高级编程工具创建高性能的应用程序(26]。刘等人设计了一个由多个可重构阵列共享可编程寄存器,它提供给程序员的编程方法。当程序员编写程序对可重构处理器,他们可以选择的流处理模式或私营模式寄存器根据应用程序的特征。
3所示。方法
3.1。理论模型的建设大学生心理健康的影响因素
大学生心理健康教育是一项系统工程的合作学校,家庭和社会9]。大学生心理健康教育旨在帮助教育者培养学生良好的心理素质,提高他们的心理素质用心理学的理论和技术,教育学,甚至精神病学根据大学生的生理和心理发展的特点。心理功能可以使学生的潜能发挥,促进整体提高学生的综合素质和个人学生教育的和谐发展。
人类意识形态不是静态的;它的发展变化而在社会实践。意识形态的转变活动尤其明显的积极的社会变革时期。意识形态活动的兴衰在今天的大学生也符合时代的特点。年轻大学生的心理和情感压力很大的过渡时期的社会和经济发展,也容易产生强烈的情感孤独和焦虑。预防教育是必需的在心理教育以提高大学生自我防卫意识和生存技能,提高他们的心理素质,防范潜在的风险因素,并提高教育质量提供科学、有效的心理干预学生的问题。
个体心理适应系统中的各种功能元素,包括防御机制,不断受到生态和文化背景和家庭教养过程中个人发展和逐步形成的心理结构特征与特定的文化背景和文化价值和文化取向的形成法律法规。
家庭也通过生理特征形成过程中生物适应下一代通过基因的方法,形成特定的生理和功能的特定国家的特征。的过程中心理适应环境的输入和输出,防御机制系统反过来影响心理适应系统的熵状态,然后影响到心理健康状态。他们的具体关系如图1。
许多研究表明使用消极的心理防御机制会减少与增加个人的人际情感、人际氛围,和积极的人生目标价值。大学生的心理生活空间不仅包括过去和现在的参照系,而且未来趋势参考。相应地,适应总是发生在不同心理时空的标准,有不同的来源的心理时空,所以信息处理和行为监督可以有不同的时间安排。
大学生心理健康教育并不局限于解决一些学生的心理问题,也是全面提高学生心理素质,促进他们的健康成长和成功。健康的人格和良好的个性会使学生充分利用他们的心理潜能,不断提高他们的竞争力,努力实现自我价值。
3.2。心理健康评估
心理健康是个体心理功能平衡的和谐状态,心理健康和最常见的异常状态是焦虑和抑郁1]。大学生在校园和社会之间的过渡时期,在各方的压力下,和容易暴露各种心理问题,其中抑郁症尤为突出(20.]。
人需要一种归属感,但缺乏归属感经常会导致精神疾病,和积极的人际关系是预防心理问题的关键。辅导员和教师占绝大多数的学校管理。他们的工作是照顾每个学生,特别是内向的学生,通过预测他们的需求,交流关心和爱他们,防止感情和关系的支持。掌握所有科学文化知识需要一个强大的心理基础。思维缓慢,缺乏兴趣和学习的动机,和缺乏理解基本的学习方法,所有这些都有助于心理素质低,很难在社会中生存,更不用说为大学生创造参与复杂的科学或知识创新活动。
大学生心理健康评价模型的设计基于大数据,为了获得理想的诊断结果,大学生心理健康。累计值特征之间的比较结果的文本和所有单词的文本特征如下:
有伟大的差异特征词汇在同一个文本。最多有一个相同的功能词在文本中 ,这样的价值只能是0或1。它可以获得有相同数量的功能词在文本中和文本 。的公式如下:
文本相似性之间的比率是相同数量的功能词和小 话语在不同的文本功能,总数和相似性之间的文本可以获得如下:
群集索引尺度自适应,设置一个固定的阈值,分类的文本相似度高于阈值到一个类别,并使用获得的聚类结果作为评价指标。
传统计算系统使用一个I / O总线连接功能的设备。它是易于使用和强大的,但是功能单元之间的数据传输必须经过缓慢的I / O总线。与通用处理器之间的通信频率的增加和各种DSA DSA(领域特定的体系结构)的时代,大部分计算芯片SoC集成通用处理器和DSA。切换时多组配置信息,配置控制器之间的控制依赖和数据路径必须满足无限的时间。结果,运行时数据路径经常等待配置控制器查询状态之前手动加载配置,减少数据通路的利用率。
为了解决这个问题,复杂的控制流,特别是变长循环,难以有效执行的可重构计算资源有限的数据通路,这一章增加了数据流的主动加载机制执行基于经典的动态可重构处理器的动态调度。有功负载执行机制简化了编译器的设计和有效地处理复杂的控制流图所示2。
编译器必须为动态调度决定操作的执行顺序和手动加载的可重构处理器,硬件架构是由编译器为一个二维表,和编译器必须确定每个运营商的相对关系。编译器只需要决定哪些处理元素PE(处理元素)与动态可重构处理器上执行操作符调度和动态加载。处理器的硬件体系结构是空间上分开,所以编译器不需要考虑操作符。在今天的先进的社会中,大学生经常发布文字、图片、表情,和其他社交媒体平台上的模态数据在同一时间来表达他们的想法和感受。不同类型的模态数据可以提供更具描述性的信息相结合。更加全面和系统的分析和评价学生的心理健康可以通过多通道数据集成和理解。
多通道信息的有效融合是多通道情感计算的关键问题(27]。它使用的最大规则来计算情感倾向值文本和图像,准确判断学生的心理状态,充分考虑情感因素。当表达的具体计算过程
其中,分类器的数量和类别和吗的概率值是 - - - - - -类型的情感类别。
LSTM(长短期记忆)主要是由三个门进出控制信息流在内存中:输入门,忘记大门,大门和输出。这些门的价值主要可以帮助网络避免错误的梯度更新。
在LSTM网络,忘记门主要负责信息网络将抛弃什么,也就是说,忘记门口将决定多少细胞状态最后一刻可以保留在当前电池状态 ,门会读 和输出值在[0,1] ,其中1意味着“完全保留”,0表示“完全丢弃”。
忘记门的公式如下:
在这里,代表LSTM网络的输出在最后一刻,代表输入LSTM网络当前的一刻,代表忘记门的权重矩阵,代表忘记门的偏见,qw代表了连接操作。
特征提取是进行卷积运算,在图像域卷积操作可以被看作加权求和的过程。卷积内核乘以每个像素的每个元素在这个区域的图像,并计算和产品激活这个职位的价值在未来功能映射。
有一个卷积核的大小之间的关系和滑动卷积核的步长,和特定的公式表达的关系1。 在哪里代表输出特性图的大小,代表输入特性图的大小,代表卷积核的大小,代表卷积的步长内核滑动。
本文基于内隐条件随机场的时间序列分析模型算法,可以挖出的内部发展规律不同心理健康水平在一段时间内,找出情绪变化和心理健康之间的关系。心理健康评估的过程模型如图3。
3.3。大学生心理健康的预警模型
由于情感的复杂性和研究的不完善规则,情感的定义不清楚。由于情绪的普遍性和复杂性,很难隐马尔可夫模型为代表的计算模型来模拟情绪状态的变化。摘要情感建模的角度进行文本情感分析。文字表达情绪状态由极性和强度数字化,和人类虚拟情感建模和形式化的数学方法,这是方便情感的研究和分析。
由于网络的快速进化的话,根本不存在什么新的网络词汇的情感词典的过程中可能会出现情感分析。使用so-PMI(情绪方位点明智的互信息)方法来计算词语之间的语义相似度,然后从网络获取新单词的重量。
为了避免情感偏差引起的简单的加法,评价词的数量和比例的评价词是全面考虑,和一个更合适的范围是通过中介系数。我们有
是基准词 - - - - - -情感类别和类型是中介系数。
通过上述分析,本文提出了一种情感分析算法基于权重因素,结合情感词汇重量和修改重量的计算方法:
其中,这个句子情感倾向的价值吗 , 是指的情感价值th情感词属于情感范畴 , 指的是修改的重量因素的情感词,是中介系数,当 ,文本往往是数量最多的一类情感词的句子,当 ,文本倾向于最大的情感强度的分类判决。
根据上述分析,获得心理预警的基本过程(图4):(1)访问微博实时web页面的文本数据并将其存储在本地数据库(2)添加停止单词列表来得到有用的单词标记(3)情感词典是用来提取情感词尽量减少遗漏引起的情感词不完整的规则(4)最后的重量是根据改进SO-PMI算法计算(5)根据体重依赖型剂量情绪分析算法,计算并显示文本的情感价值通过情绪趋势图输出
4所示。实验和结果
为了验证该评价模型的有效性的大学生心理健康,大学生被选为研究对象,并通过网络问卷分发给大学生。本文收集到的问卷都聚集来验证模型。图5的统计结果显示基于大数据的数据处理能力。
从图可以看出5,使用这个模型来评估大学生心理健康可以集群大数据从大量的数据和模型评价是准确的。从表可以看出1心理健康的评价结果的一致性大学生使用这个模型都是小于0。这表明大学生心理健康的指标体系由这个模型能满足判断需求和通过一致性测试。
评价指标体系的重量的大学生的心理健康是获得使用这个模型,一级指标的评价结果大学生心理健康如图6。
本文可以看出,该模型可以有效地评价结果的大学生心理健康,发现大学生的整体心理健康状况良好。从评估结果,可以看出大学生的评价结果在提高能力,学习策略和自我发展得分较低。
精度是通过比较量表得分与模型评估结果,与实验结果如表所示2。
健康和抑郁症是两个极端。在纵向发展,健康学生大多是正面的和积极的状态,虽然受到学生继续抑郁和负面态度外部刺激。因此,该模型可以更好地捕捉这两个类别的心理特征,并能有效地判断学生是否容易抑郁。
与先前的研究相比,本研究采用深度学习算法来处理网络内容数据,可获得深层语义知识和真实的情感极性的模态数据,如文本和图像,它需要更多的时间来评估比传统机器。该算法也有许多优点。通过分析学生在线实时发布的内容,它可以快速判断,不断跟踪学生的心理健康状况。
为了评价活性的影响加载机制在特定应用程序的性能,本研究选择5应用程序与长和可变循环,并手动编译配置信息来自两个执行机制。模拟器的评价结果表明,使用有源加载执行机制后,这5个应用程序的性能平均提高了1.33倍,相比之下,被动加载。为了分析性能优势的原因,在这项研究中,我们分析了逐周期执行状态八PEs的模拟器和获取数据7和8。
可以看出,所花费的时间积极地加载PE在配置和阻塞状态明显小于处于被动状态。进一步分析揭示了两个原因:作为主动加载机制不必等待发送的配置字配置控制器,每个体育阻塞状态的时间大大减少。加载配置词仍然可以执行,减少了时间的PE配置。
负面情绪中扮演重要角色的心理危机干预,在心理咨询中,咨询师是否有负面情绪和负面情绪的持续时间是重要的评价标准的心理状态。本文的研究目标是建立一个心理危机预警机制,通过实验测试和案例分析识别负面情绪。
本文的心理预警模型评估和测试微博用户的消极的想法。分析用户的情感动态趋势通过构建用户的情感趋势图,这充分反映了用户的心理反应和(图具有重要的参考意义9)。
情感趋势图显示用户1的负面情绪状态总是频繁,和多个微博经常发送消息在短时间内表达强烈的和集中的情绪。负面情绪占59%的微博文本,文本和一个微博的负面情绪可以达到−18日相关人员的注意。这些危机是可以避免的,如果及时和适当的干预措施实施。大学生是最活跃的互联网用户群体。随着信息技术的迅速发展,互联网已经成为不可或缺的一部分大学生学习和生活,让他们跟上时事,获取信息,表达情感,和获得乐趣。因此,建立一个良好的网络位置和提供良好的网络心理健康教育已经成为一个新的大学心理健康教育的发展要求。
与传统心理健康教育相比,网络心理健康教育有着独特的优势,也就是说,大学生可以获得心理服务在任何时候通过心理健康教育网站不受到时间和空间的限制。关注在线辅导、在线交流和讨论,所以困惑学生可以拓展他们的思维在时间和解决各种问题和难题在他们的学习和生活时间,加强网络心理健康教育团队。随着网络技术的发展,学校很快就会培养一种新的心理健康教育团队,将网络心理动力学心理变化,大学生的心理需求,并提供服务和服务科学。
5。结论
为大学生心理健康教育是一项具有挑战性的基础性、系统性、和创新项目。在某些方面,这不仅是一个应试教育的问题让我们过去,也是当今快速发展的社会需求。高度不稳定和有效的评价模型由大数据是有用的解决大学生心理健康问题。心理健康教育模式的平均准确率由大学生使用细粒度的并行计算编程是84.86%。模型可以有效地揭示了学生心理特征的变化趋势,如果能够准确地了解他们的心理健康状况。中国的情感分析的准确性可以提高利用双语知识,包括中文和英文,构建一个相对完整和详细的情感规范汉语词汇的字典。实验表明,本文提出的方法可以产生良好的结果,但它仍然有缺陷。在下一步中,本文将探讨上述方面为了发展一个更合适的心理领域的预警方法。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
本研究支持的专业项目的江'su教育科学“13日五年计划”期间:学习和实践“2 p5e”教学模式的思想政治理论课程的背景下中等职业学校“教学是没有教学”(批准号YZ - b / 2020/01)和苏州职业教育协会特别关键的话题:“好水”文化到中等职业思想政治教学实践研究(批准号Szzjzd202005)。