摘要：本文通過大數(shù)據(jù)文本處理技術(shù)，采用知識圖譜技術(shù)實時監(jiān)控所覆蓋學生群體網(wǎng)絡(luò)自媒體（如微博）等文本信息，實時形成三級危機預(yù)警報告，輔助人工評估進行危機預(yù)防及干預(yù)，并通過大數(shù)據(jù)輔助建構(gòu)“實時評估—智能風控—危機干預(yù)”心理危機預(yù)警的智能服務(wù)體系，為高校心理健康工作提供智能保障。

關(guān)鍵詞：大數(shù)據(jù);智能服務(wù);心理危機預(yù)警;心理健康

中圖分類號：G642 ?文獻標識碼：B ?論文編號：1674-2117（2021）07-0105-04

十九大報告指出，推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能與實體經(jīng)濟深度融合。[1]說明大數(shù)據(jù)時代的數(shù)據(jù)儲備、技術(shù)理念，正以前所未有的方式預(yù)測事物發(fā)展趨勢，改變大學生的知識體系、生活方式及心理健康水平。大學生作為接觸最活躍思想、最先進技術(shù)、最密集知識的排頭兵群體，其心理健康標準體系在大數(shù)據(jù)時代產(chǎn)生了革命性的變化，導(dǎo)致認知、情感與行為方式的改變，給高校危機干預(yù)提供了海量化、實時化、個性化、可量化數(shù)據(jù)資源。[2]在互聯(lián)網(wǎng)高速發(fā)展的今天，網(wǎng)絡(luò)社交媒體成為大學生傾訴想法、宣泄情緒的重要平臺，這些信息中包含了很多心理危機信息，為危機干預(yù)提供了豐富而寶貴的數(shù)據(jù)。[3]

高校心理危機干預(yù)的研究現(xiàn)狀

目前，抑郁癥、焦慮癥等心理問題已經(jīng)成為高校大學生心理危機干預(yù)中的高發(fā)問題，然而目前高校心理危機干預(yù)面臨很多因互聯(lián)網(wǎng)技術(shù)的發(fā)展而帶來的挑戰(zhàn)[4]：第一，微信、微博、QQ等社交媒體蘊含著大學生心理危機評估診斷重要線索，但無法實時提取分析;第二，傳統(tǒng)心理危機評估多依靠經(jīng)驗或直覺，反饋模糊延遲，難以量化評估與風險控制[5];第三，危機干預(yù)機制延遲僵化，效率低下，事故頻發(fā)[6];第四，危機干預(yù)的跟蹤評估機制缺乏可持續(xù)性。

知識圖譜技術(shù)

本研究利用互聯(lián)網(wǎng)大數(shù)據(jù)提供海量數(shù)據(jù)，挖掘微博大數(shù)據(jù)文本信息，采用知識圖譜技術(shù)，對特定群體的學生“實時監(jiān)控”其微博、知乎等特定網(wǎng)站，從學生信息中篩選高風險的自殺人群，并實時監(jiān)控心理危機的風險程度，根據(jù)監(jiān)控報告結(jié)合人工評估結(jié)果，采取心理危機干預(yù)行動。[7]對清洗出來的準確可靠的信息進行結(jié)構(gòu)化描述、關(guān)聯(lián)、組織，將其轉(zhuǎn)化為知識圖譜的知識。[8]2018年1月至2019年1月，本研究已經(jīng)對770余人進行心理危機預(yù)警及干預(yù)行動，對58人獲得有效干預(yù)，及時發(fā)現(xiàn)自殺情緒，阻止自殺行為。

危機預(yù)警分級標準

為了更加精準地篩選、甄別危機個體，本研究提出危機預(yù)警分級系統(tǒng)。根據(jù)自殺方式的確定性、時間緊迫性等因素確定危機風險級別，級別越高代表危機越大、自殺風險越大。[9]具體的危機預(yù)警分級如下頁表所示。

本研究通過Python爬蟲八爪魚等工具抓取大數(shù)據(jù)，獲得心理危機監(jiān)測智能系統(tǒng)所需的信息知識支撐，構(gòu)建常見高危心理病癥的知識圖譜，提供心理危機相關(guān)的各種基本信息，如抑郁癥表征、焦慮癥表征，用于篩選、抓取社交媒體（如微博等）信息進行分析與判斷。本研究對心理危機進行心理畫像描述，如抑郁癥的知識圖譜對自殺方式、自殺計劃、自殺行動、自殺時間、自殺地點、自殺體驗、負性情緒、痛苦表達等描述，由不同心理危機的知識圖譜組合構(gòu)成。本研究的文本處理知識圖譜由自殺圖譜、時間圖譜、空間圖譜、意愿圖譜等作為主要構(gòu)成集合。

（1）自殺圖譜。本研究利用大數(shù)據(jù)文本處理技術(shù)監(jiān)控高、中、底三級自殺危機學生群體。根據(jù)自殺方式（采用何種行為方式實施自殺計劃，如跳樓、投河、服藥、上吊等）、自殺計劃（根據(jù)自殺計劃的詳細具體程度判定，計劃越詳細、實施的可能性越大）、自殺行動（根據(jù)采取自殺行動，如相約自殺、遺言自殺等）描述進行記分評估。

（2）時間圖譜。時間圖譜是對危機事件中嵌入時間的描述，包括絕對時間（如日歷、節(jié)假日等）和相對時間（如過去、現(xiàn)在、將來等）的描述。

（3）空間圖譜?？臻g圖譜或稱為地點圖譜，是對危機事件中嵌入空間地理位置的描述，包括定位地點（自媒體軟件定位）和描述地點（空間地理位置的文本描述）。

（4）意愿圖譜。意愿圖譜是對危機事件的主體的主觀愿望或相近情緒的描述，主要用于判定分析危機主體是否有自殺意愿及自殺意愿強烈程度（分為不想自殺、比較想自殺、非常想自殺三級）。

根據(jù)以上危機預(yù)警分級標準，進行語義數(shù)據(jù)處理，對抓取的數(shù)據(jù)進行數(shù)據(jù)挖掘、分析，生成對應(yīng)的危機預(yù)警報告，針對高危、中危、低危三級不同危機程度，采取相應(yīng)的危機干預(yù)行動方案。

危機預(yù)防智能系統(tǒng)

本研究根據(jù)心理危機預(yù)警分級標準，建立語義大數(shù)據(jù)處理流程，能夠每天固定時間段從系統(tǒng)抓取數(shù)據(jù)，進行數(shù)據(jù)清洗、數(shù)據(jù)分析、結(jié)果報告、危機判斷、生成報告等步驟，并根據(jù)危機報告結(jié)合人工評估復(fù)核，最后制訂危機干預(yù)方案，進行危機干預(yù)行動。

本研究對心理危機預(yù)警的文本處理過程如下頁圖所示，大數(shù)據(jù)分析通過以下幾個步驟完成。

（1）數(shù)據(jù)抓取：利用八爪魚工具在微博抓取當天數(shù)據(jù)，生成HTML格式數(shù)據(jù)。數(shù)據(jù)抓取模塊需要根據(jù)各個知識圖譜設(shè)定操作化指標判斷需要抓取的數(shù)據(jù)，且避免重復(fù)抓取造成數(shù)據(jù)冗余。

（2）數(shù)據(jù)清洗：把抓取的數(shù)據(jù)對其每一條信息提取關(guān)鍵詞信息，關(guān)鍵詞需要10個屬性——時間、發(fā)文地址、微博賬號、微博名稱、文案內(nèi)容、情緒關(guān)鍵詞、回復(fù)對象微博名稱、回復(fù)對象微博地址、回復(fù)內(nèi)容、回復(fù)情緒關(guān)鍵詞，將關(guān)鍵詞信息生成一個文件，將其他無關(guān)信息刪除。

（3）數(shù)據(jù)分析：將數(shù)據(jù)清洗后匯總文件進行分析處理。采用自然語言處理工具進行分詞與句法分析。采用知識圖譜進行推理分析，分級提取信息：0～3級為低危，3～6級為中危，7～10級為高危。這一過程需要使用知識圖譜及其風險判斷的規(guī)則算法。這些規(guī)則采用了基于邏輯程序語言Prolog中的定義子句文法（Definite Clause Grammars，DCG）知識轉(zhuǎn)換規(guī)則。對于DCG規(guī)則加上面向知識圖譜推理能力的擴展描述，從知識圖譜中獲得領(lǐng)域知識的理解來解讀每一條信息，以判斷此信息的風險級別，如定義8級危機風險為：自殺計劃已定，自殺日期基本確定。描述這種邏輯程序規(guī)則的算法為：

Statement（crisis risk（7），[plan，time）），-->

Uninterested Text（_M1），rdfs Subclass of （Time， future， timeOntology），

Uninterested Text（_M2），rdfs Subclass of （Plan， crisisplan， crisisOntology），

Uninterested Text（_M3）.

Statement（crisis risk（7），[plan，time）），-->

Uninterested Text（_M1），

rdfs Subclass of （Plan， crsisPlan， crsisOntology），

Uninterested Text（_M2），

rdfs Subclass of （Time future，timeOntology），

Uninterested Text（_M3）.

這一算法邏輯為：如果一條信息談到自殺計劃和自殺時間，且沒有關(guān)于這個自殺計劃的否定表達，這條信息將被判斷為危機風險7級，即高危風險。

（4）危機判斷：上述算法規(guī)則中，“rdfs Subclass of”用于判斷是否包含自殺圖譜中描述的某種自殺計劃及時間圖譜中關(guān)于將來的時間描述?！皍ninterestedText”進一步判斷這個語句不包含否定愿望圖譜。根據(jù)算法篩選評估信息危機評分：7～10分為高危信息，4～6分為中危信息，0～3分為低危信息。

（5）生成報告：根據(jù)算法評估結(jié)果，生成大數(shù)據(jù)危機預(yù)警報告。高危信息為立刻上報人工復(fù)核處理，中危信息為每天固定時間上報，待人工復(fù)核，低危信息為過濾信息，不做處理。

（6）人工復(fù)核：高校心理健康中心組織心理學專家團隊進行人工復(fù)核，專家根據(jù)平臺預(yù)警信息追溯信息來源，對文本進行專業(yè)評估，如復(fù)核結(jié)果為高危自殺信息，會立刻通知學校危機干預(yù)工作團隊，如復(fù)核結(jié)果為中危自殺信息，會定期通知學校危機干預(yù)工作團隊。

（7）危機方案制訂：學校危機干預(yù)工作團隊根據(jù)大數(shù)據(jù)報告和人工復(fù)核結(jié)果，迅速做出反應(yīng)，制訂對應(yīng)的危機干預(yù)方案。

（8）危機干預(yù)行動：學校由學生處、保衛(wèi)處、校醫(yī)院等多個危機干預(yù)核心部門協(xié)同展開危機干預(yù)行動，及時聯(lián)系校外醫(yī)院、公安等部門聯(lián)動，力求在最短時間內(nèi)化解危機。

結(jié)果分析

本研究通過對選定的某高校大學生學生微博數(shù)據(jù)進行實時監(jiān)控，從2018年1月至2019年1月，每日發(fā)布危機報告。為了評估該系統(tǒng)的危機干預(yù)大數(shù)據(jù)分析的信度與效度，隨機抽取了30天的監(jiān)控數(shù)據(jù)進行人工數(shù)據(jù)分析檢驗。數(shù)據(jù)共有42702條危機信息，平均每天1423.4條有效信息，其中發(fā)現(xiàn)了58條高危信息（7級以上），125條中危信息（4～6級），587條低危信息（3級以下）。通過對中危、高危信息進行大數(shù)據(jù)結(jié)果和人工復(fù)核結(jié)果的風險級別和正確率進行分析發(fā)現(xiàn)，本研究心理危機預(yù)警的大數(shù)據(jù)評估結(jié)果高危信息檢出正確率為84.98%，中危信息檢出正確率為78.74%，低危信息檢出正確率為72.36%，總體平均正確率為78.69%。本研究從42702條信息中抓取770條危機信息，抓取1.80%危機數(shù)據(jù)，剔除98.20%無效信息，大大減輕了人工復(fù)核的工作量，從而提高人工復(fù)核的工作效率和復(fù)核準確率。

盡管本研究的風險信息報告的平均正確率為78.69%，但是大數(shù)據(jù)報告生成后，仍然立刻對危機信息進行人工復(fù)核，即讓心理學專業(yè)人員進行文本評估后，再制訂危機干預(yù)方案，從而保證了危機干預(yù)行動沒有出現(xiàn)誤判或失誤。

本研究對心理危機預(yù)警的危機評估和危機干預(yù)中體現(xiàn)了大數(shù)據(jù)分析的優(yōu)勢，尤其是知識圖譜的技術(shù)特點。雖然本系統(tǒng)不能做到100%的危機檢出率，但本研究將從這些遺漏信息中再次分析，以改進現(xiàn)有的危機判斷規(guī)則，提高大數(shù)據(jù)技術(shù)支撐的決策準確率。

結(jié)論

本研究采用文本處理技術(shù)建立高校心理智能干預(yù)平臺，對特定群體的大學生社交媒體信息進行實時監(jiān)控，發(fā)現(xiàn)心理危機信息并生成危機報告進行預(yù)警，進而為高校心理中心提供危機干預(yù)方案和行動的數(shù)據(jù)支撐。通過一年的數(shù)據(jù)監(jiān)測，監(jiān)測結(jié)果充分證明了大數(shù)據(jù)技術(shù)在心理危機預(yù)警與危機干預(yù)領(lǐng)域中的巨大應(yīng)用價值和發(fā)展空間。大數(shù)據(jù)技術(shù)作為心理危機干預(yù)的支撐，拓展了大數(shù)據(jù)的技術(shù)價值，提高了危機檢出率，減少了自殺發(fā)生率，突出了大數(shù)據(jù)技術(shù)的社會價值。今后的研究將進一步改進危機判斷規(guī)則與算法，以提高大數(shù)據(jù)技術(shù)的正確檢出率。

參考文獻：

[1]習近平.決勝全面建成小康社會奪取新時代中國特色社會主義偉大勝利——在中國共產(chǎn)黨第十九次全國代表大會上的報告[N].人民日報，2017-10-28（01）.

[2]高雯，董成文，竇廣波，等.心理危機干預(yù)的任務(wù)模型[J].中國心理衛(wèi)生雜志， 2017，31（01）：89-93.

[3]高勁松，黃梅，付家煒.基于年度高頻關(guān)鍵詞的研究熱點提取與可視化研究[J].現(xiàn)代情報，2020，40（12）：130-139.

[4]李飛，葛魯嘉.大數(shù)據(jù)之于心理健康教育：功能邊界與實施取向[J].思想理論教育，2016（07）：87-91.

[5]張麗，周建松，李凌江.精神創(chuàng)傷急性期危機干預(yù)方法評價[J].中國心理衛(wèi)生雜志， ?2016，30（08）：561-567.

[6]陳真真，楊雪梅.中小學生心理援助熱線來電者的特征及咨詢內(nèi)容[J].中國心理衛(wèi)生雜志，2016，30（12）：933-935.

[7]馬海群，張濤，李鐘雋.新時代文獻信息的價值重構(gòu)：人工智能技術(shù)和智慧服務(wù)[J/OL].情報理論與實踐，2020.

[8]陳婉珍，何雪松.大數(shù)據(jù)驅(qū)動的社會工作：前景與挑戰(zhàn)[J].社會科學，2017（07）：74-81.

[9]張倩，鄭涌.創(chuàng)傷后成長：5·12地震創(chuàng)傷的新視角[J].心理科學進展，2009，17（03）：623-630.

作者簡介：王會麗（1985—），河北雄安人，重慶大學副教授，研究方向為心理健康教育。

本文為2019年度教育部人文社會科學研究項目“基于大數(shù)據(jù)的高校心理危機‘實時評估—智能風控—危機干預(yù)—發(fā)展可塑智能機制”2018年重慶市教委人文社會科學研究項目（18SKSZ001）“大數(shù)據(jù)時代增強青年文化自信的引領(lǐng)力與凝聚力研究”的階段性成果，2018年重慶市“十三五”教育科學規(guī)劃重點項目（2018-GX-083）“基于大數(shù)據(jù)的高校心理健康服務(wù)智能化服務(wù)體系研究”、重慶大學“心理育人”名師工作室（2020SZK-19）等階段性成果。