張子楠，劉 璇，張 蔚，趙蘇鑒，鄭 睿

（中央民族大學(xué) 信息工程學(xué)院，北京 100081）

0 引言

隨著我國(guó)經(jīng)濟(jì)社會(huì)的穩(wěn)步發(fā)展，人們生活水平不斷提升，但同時(shí)競(jìng)爭(zhēng)加劇使當(dāng)代青年人群心理上承受的壓力比以往任何時(shí)代都大［1］。家庭、學(xué)校和社會(huì)都可能帶給他們困擾，從而使他們產(chǎn)生煩躁緊張的心理狀態(tài)，引發(fā)敏感、焦慮、偏執(zhí)、抑郁等一系列心理問(wèn)題［2-3］。當(dāng)代青年人群在普遍承受很大壓力的環(huán)境下無(wú)法找到一種合理的帶有情感交互的壓力宣泄方式。青年是國(guó)家的未來(lái)和希望，青年的心理健康問(wèn)題對(duì)青年的人生成長(zhǎng)至關(guān)重要。有指向性的溝通、有判別性的針對(duì)，以及合理的情感反饋成為解決青年人群抑郁焦躁心理問(wèn)題的有效方法，能夠幫助青年人群緩解郁悶、低落等消極情緒［4］。

針對(duì)青年人群的心理引導(dǎo)機(jī)制常常采用觀察談話(huà)、問(wèn)卷調(diào)查、心理咨詢(xún)［5］或者進(jìn)行心理健康普查、開(kāi)展心理健康教育活動(dòng)等方式，目前主流心理引導(dǎo)機(jī)制為建立心理健康網(wǎng)絡(luò)教育平臺(tái)［6］，定期進(jìn)行網(wǎng)絡(luò)線(xiàn)上心理健康輔導(dǎo)教育，幫助青年人群普及心理健康知識(shí)，樹(shù)立健康的心理意識(shí)。這些方式可在一定程度上提供科學(xué)有效的心理援助和心理輔導(dǎo)，但實(shí)際運(yùn)行成本較高、運(yùn)行周期長(zhǎng)，需要大量的人力、物力。青年人群仍然缺乏緩解心理壓力、消除郁悶情緒的有效方式［7］。

為了解決上述問(wèn)題，本文通過(guò)網(wǎng)絡(luò)日記情感交互方式，改進(jìn)傳統(tǒng)青少年心理治療對(duì)策在主動(dòng)引導(dǎo)青少年心理情緒交互方面的不足，采用深度學(xué)習(xí)算法，結(jié)合心理學(xué)，設(shè)計(jì)并實(shí)現(xiàn)基于深度學(xué)習(xí)的小程序日記寫(xiě)作平臺(tái)。通過(guò)情感分析、內(nèi)容智能推薦、虛擬寵物語(yǔ)音交互、四季冥想等功能，以及符合當(dāng)代青年人群審美潮流的UI 界面，使當(dāng)代青年人群找到一個(gè)合理的情緒交互釋放方式，有效緩解當(dāng)代青年人群在浮躁迷茫情緒下產(chǎn)生的心理問(wèn)題。

1 平臺(tái)架構(gòu)

日記情緒分析寫(xiě)作平臺(tái)基于微信小程序進(jìn)行開(kāi)發(fā)，微信小程序是一個(gè)無(wú)需下載和安裝即可使用的應(yīng)用程序，實(shí)現(xiàn)了觸手可及的應(yīng)用夢(mèng)想［8］。用戶(hù)搜索掃描后即可打開(kāi)應(yīng)用程序，方便可靠，日活躍用戶(hù)達(dá)到兩億。日記書(shū)寫(xiě)方便、快捷、無(wú)障礙，能夠以最低的成本到達(dá)用戶(hù)手中，讓不同受眾可以方便地使用。

基于深度學(xué)習(xí)的小程序日記寫(xiě)作平臺(tái)利用云服務(wù)器部署的深度神經(jīng)網(wǎng)絡(luò)，對(duì)小程序客戶(hù)端用戶(hù)上傳的日記進(jìn)行情感分析，給予每一位用戶(hù)符合心情的推薦和提示，通過(guò)小程序的功能渲染達(dá)到情感交互目的。日記情感分析寫(xiě)作平臺(tái)主要由四大部分組成，分別是算法模型層、數(shù)據(jù)存儲(chǔ)層、交互接口層和數(shù)據(jù)應(yīng)用層，平臺(tái)總體架構(gòu)如圖1 所示。

Fig.1 Overall architecture diagram of the platform圖1 平臺(tái)總體架構(gòu)

1.1 算法模型層

日記情緒分析寫(xiě)作平臺(tái)的算法模型層依賴(lài)于百度云云服務(wù)器部署，主要通過(guò)訓(xùn)練好的雙向長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò)分析用戶(hù)日記數(shù)據(jù)得到情感值，結(jié)合對(duì)海量數(shù)據(jù)進(jìn)行分析得到在工作、學(xué)習(xí)、人際交往3 個(gè)不同方向標(biāo)簽的匹配，從云服務(wù)器Mysql 數(shù)據(jù)庫(kù)中尋找到符合日記情緒的推薦內(nèi)容和情感語(yǔ)句，通過(guò)Flask 微型Web 框架API 接口將數(shù)據(jù)以Json 格式返回。

1.2 數(shù)據(jù)存儲(chǔ)層

日記寫(xiě)作平臺(tái)數(shù)據(jù)存儲(chǔ)層涉及數(shù)據(jù)庫(kù)應(yīng)用，共分為兩大部分：第一部分為微信小程序自帶的云服務(wù)器，通過(guò)云服務(wù)便攜存儲(chǔ)不同微信用戶(hù)的OpenID 賬號(hào)以及日記的主體信息；第二部分為百度云服務(wù)器關(guān)系數(shù)據(jù)庫(kù)Mysql，通過(guò)Mysql 存儲(chǔ)制作的推薦內(nèi)容及情感語(yǔ)句庫(kù)。數(shù)據(jù)信息匹配可利用SQL 查詢(xún)以提高數(shù)據(jù)查詢(xún)速度［9］。

1.3 交互接口層

交互接口層將服務(wù)器和數(shù)據(jù)應(yīng)用層串聯(lián)起來(lái)，是數(shù)據(jù)流通傳遞的橋梁。API 接口為交互層調(diào)用接口，一方面通過(guò)微信小程序自帶的云服務(wù)器WebService 接口實(shí)現(xiàn)用戶(hù)個(gè)人信息以及用戶(hù)日記數(shù)據(jù)的渲染。此外，F(xiàn)lask 是一個(gè)使用Python 編寫(xiě)的輕量級(jí)Web 應(yīng)用框架［10］，通過(guò)部署與百度云服務(wù)器Flask 框架制作情緒分析的API 接口，將從云服務(wù)器接收到的數(shù)據(jù)送達(dá)至數(shù)據(jù)應(yīng)用層進(jìn)行頁(yè)面渲染。

1.4 數(shù)據(jù)應(yīng)用層

數(shù)據(jù)應(yīng)用層展示本質(zhì)為前端數(shù)據(jù)渲染，通過(guò)與服務(wù)器的交互才能顯示和應(yīng)用數(shù)據(jù)［11］。微信小程序中的視圖層是wxml，作用是按照其視圖層樣式設(shè)計(jì)對(duì)邏輯層數(shù)據(jù)進(jìn)行渲染處理，并且將視圖層產(chǎn)生的事件傳送到邏輯層；JavaScript 為邏輯層，作用是將交互接口層處理后的數(shù)據(jù)傳遞給wxml 視圖層進(jìn)行渲染。數(shù)據(jù)應(yīng)用主要體現(xiàn)在：①個(gè)人日記展示、上傳、刪除和修改功能；②情感推薦內(nèi)容和情感分析圖表個(gè)性化展示；③虛擬寵物語(yǔ)音交互，通過(guò)交互接口層返回的數(shù)據(jù)進(jìn)行文字語(yǔ)音化，以語(yǔ)音形式展現(xiàn)。通過(guò)上述3 種不同的數(shù)據(jù)渲染在小程序的前端頁(yè)面，結(jié)合特色的UI設(shè)計(jì)，合理清晰地展示數(shù)據(jù)。

2 平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)

2.1 軟件系統(tǒng)總體設(shè)計(jì)

在算法模型層，采用跨平臺(tái)的Python 作為開(kāi)發(fā)語(yǔ)言，使用開(kāi)源機(jī)器學(xué)習(xí)Pytorch 框架以及Python 爬蟲(chóng)技術(shù)爬取到的日記數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)搭建訓(xùn)練。在交互接口層和數(shù)據(jù)應(yīng)用層之間采用開(kāi)源Flask+Wsgi+Nginx 框架進(jìn)行接口制作，通過(guò)Nginx 進(jìn)行負(fù)載均衡［12］，采用關(guān)系型數(shù)據(jù)庫(kù)Mysql和云數(shù)據(jù)庫(kù)存儲(chǔ)用戶(hù)數(shù)據(jù)和推薦數(shù)據(jù)，在數(shù)據(jù)應(yīng)用層采用JavaScript+wxml+wxss 進(jìn)行前端頁(yè)面展示。系統(tǒng)功能架構(gòu)如圖2 所示。

Fig.2 System function architecture diagram圖2 系統(tǒng)功能架構(gòu)

2.2 功能詳細(xì)設(shè)計(jì)與說(shuō)明

2.2.1 心情日記

心情日記有3 個(gè)功能入口：新增日記、查看日記以及天氣展示。新增日記功能主要是將用戶(hù)寫(xiě)好的日記正文先調(diào)用文本安全鑒別接口識(shí)別，若識(shí)別失敗則提示用戶(hù)需要修改日記，識(shí)別成功則調(diào)用交互接口層的API 接口進(jìn)行情感分析，將日記數(shù)據(jù)包括日記標(biāo)題正文、情緒值和上傳圖片等結(jié)構(gòu)化信息上傳到云服務(wù)器進(jìn)行存儲(chǔ)，若情感分析調(diào)用識(shí)別失敗，則存儲(chǔ)本次狀態(tài)等待下一次接口調(diào)用，流程如圖3 所示。查看日記功能是通過(guò)云服務(wù)器WebService 接口實(shí)現(xiàn)不同用戶(hù)日記的獲取，渲染到小程序前端頁(yè)面供用戶(hù)查看；天氣展示功能是結(jié)合地理位置獲得當(dāng)前區(qū)域的天氣，從而展示個(gè)性化的詩(shī)句，如圖4 所示。

Fig.3 Flow of writing diary圖3 撰寫(xiě)日記流程

2.2.2 四季冥想

四季冥想功能入口主要有3 個(gè)：四季計(jì)時(shí)、語(yǔ)音交互以及虛擬寵物互動(dòng)。四季冥想是針對(duì)于四季變換設(shè)置固定的冥想時(shí)間，讓用戶(hù)靜心冥想放松心神，當(dāng)用戶(hù)點(diǎn)擊四季變化時(shí)，頁(yè)面會(huì)按照四季更迭進(jìn)行變化，點(diǎn)擊冥想計(jì)時(shí)按鈕則進(jìn)入到冥想頁(yè)面，用戶(hù)可以設(shè)置喜歡的顏色，在特定時(shí)間進(jìn)行冥想。語(yǔ)音交互功能調(diào)用了交互接口層，通過(guò)用戶(hù)的日記信息進(jìn)行標(biāo)簽匹配，從而在情感語(yǔ)料庫(kù)匹配到符合用戶(hù)情緒的哲理短句進(jìn)行數(shù)據(jù)應(yīng)用層的頁(yè)面渲染，通過(guò)文字和語(yǔ)音方式讓用戶(hù)進(jìn)行情感互動(dòng)。虛擬寵物互動(dòng)則是在頁(yè)面下端放置一只暖心陪伴的寵物犬，用戶(hù)可以和寵物犬進(jìn)行簡(jiǎn)單交互，如圖5 所示。

Fig.4 Display of the composing diary page圖4 撰寫(xiě)日記頁(yè)面展示

Fig.5 Display of the four seasons meditation page圖5 四季冥想頁(yè)面展示

2.2.3 情緒分析

推薦內(nèi)容的設(shè)計(jì)與制作是根據(jù)當(dāng)代青年人群的潮流趨向，從色彩的心理效應(yīng)、色彩偏好和流行色等元素出發(fā)，融合心理學(xué)知識(shí)進(jìn)行深入研究［13］，日記寫(xiě)作平臺(tái)提供一系列具有特色的書(shū)單以及對(duì)應(yīng)不同領(lǐng)域的合理解決方案。當(dāng)用戶(hù)通過(guò)Tab 選項(xiàng)進(jìn)入此頁(yè)面，小程序自動(dòng)加載云數(shù)據(jù)庫(kù)中最近3 篇日記的情緒值以及對(duì)應(yīng)的標(biāo)簽領(lǐng)域，進(jìn)行云服務(wù)器Mysql 數(shù)據(jù)庫(kù)推薦內(nèi)容匹配，合理準(zhǔn)確地展示推薦內(nèi)容。此外，針對(duì)用戶(hù)情感的分析總結(jié)，通過(guò)Pyeharts 繪制心情值變化圖，將用戶(hù)日記情緒變化合理展示給用戶(hù)，如圖6 所示。

2.2.4 個(gè)人中心

該日記寫(xiě)作平臺(tái)使用微信的開(kāi)放平臺(tái)接口，在用戶(hù)授權(quán)后便可以采集到該微信用戶(hù)的身份標(biāo)識(shí)、微信昵稱(chēng)以及微信頭像，用戶(hù)可以自己設(shè)置背景頁(yè)面，查看通知和日記心情值，用戶(hù)個(gè)人中心如圖7 所示。

3 平臺(tái)關(guān)鍵技術(shù)分析

為了達(dá)到智能化情感交互目的，該日記寫(xiě)作平臺(tái)主要采取了深度學(xué)習(xí)BiLSTM 神經(jīng)網(wǎng)絡(luò)進(jìn)行情感分析，對(duì)日記的文本內(nèi)容進(jìn)行正負(fù)向判斷，根據(jù)情緒值匹配到合理的推薦內(nèi)容，使用特色化設(shè)計(jì)的微信小程序功能如情緒分析、語(yǔ)言交互等進(jìn)行渲染展示。

Fig.6 Sentiment analysis page display圖6 情緒分析頁(yè)面展示

Fig.7 Display of personal center page圖7 個(gè)人中心頁(yè)面展示

3.1 情感分析算法模型設(shè)計(jì)

3.1.1 訓(xùn)練日記數(shù)據(jù)采集

本文選定了某在線(xiàn)日記網(wǎng)站，對(duì)上面公開(kāi)無(wú)隱私的中文日記數(shù)據(jù)進(jìn)行分析，編寫(xiě)Python 爬蟲(chóng)腳本程序?qū)ζ浜Ａ咳沼洈?shù)據(jù)進(jìn)行爬取，將爬取到的中文日記數(shù)據(jù)利用Pandas庫(kù)存儲(chǔ)在csv 文件中，初步獲得沒(méi)有加工的中文日記數(shù)據(jù)4萬(wàn)余條。之后，利用Jieba 庫(kù)進(jìn)行分詞操作，采用StopwordsCN 停用詞表和正則表達(dá)式過(guò)濾其中對(duì)情感分析影響小的詞語(yǔ)、英文數(shù)字和標(biāo)點(diǎn)符號(hào)，采用人工手動(dòng)標(biāo)注方式，共完成2.5 萬(wàn)個(gè)日記數(shù)據(jù)標(biāo)簽制作，并進(jìn)行標(biāo)簽復(fù)核，最后得到一份含有情感標(biāo)簽的日記訓(xùn)練數(shù)據(jù)集。

3.1.2 神經(jīng)網(wǎng)絡(luò)搭建

考慮到在對(duì)情緒日記進(jìn)行情感分類(lèi)時(shí)，日記文本數(shù)據(jù)對(duì)上下文具有較強(qiáng)的依賴(lài)性，同時(shí)日記文本數(shù)據(jù)相對(duì)于一般數(shù)據(jù)要龐大冗長(zhǎng)，傳統(tǒng)的機(jī)器學(xué)習(xí)算法模型不能很好地處理該問(wèn)題。因此，日記寫(xiě)作平臺(tái)采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法，選取雙向長(zhǎng)短神經(jīng)網(wǎng)絡(luò)（Bidirectional Long Short-Term Memory）。該神經(jīng)網(wǎng)絡(luò)是為了解決基于長(zhǎng)文本序列的模型訓(xùn)練過(guò)程中的梯度消失和梯度爆炸等問(wèn)題而提出的［14］，同時(shí)使用輸入門(mén)和輸出門(mén)讓信息選擇式通過(guò)。輸入門(mén)、輸出門(mén)和遺忘門(mén)以及Memory Cell 設(shè)計(jì)，使得BiLSTM 單元具備了保存、讀取、重置和更新長(zhǎng)距離歷史信息的能力［15］。

針對(duì)爬取的大量日記信息，在BiLSTM 神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，經(jīng)過(guò)訓(xùn)練輪數(shù)變化、失活層變化、神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)變化、神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)變化4 個(gè)方面的模型參數(shù)調(diào)整后，設(shè)計(jì)了一個(gè)6 層的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法模型，整個(gè)算法模型涉及的參數(shù)近1 000 萬(wàn)個(gè)，針對(duì)中文日記數(shù)據(jù)識(shí)別的準(zhǔn)確率在87%。該算法模型可以高效、準(zhǔn)確地進(jìn)行情感傾向判斷，如圖8 所示。

Fig.8 BiLSTM neural network model圖8 BiLSTM 神經(jīng)網(wǎng)絡(luò)模型

3.1.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練調(diào)優(yōu)

深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練調(diào)優(yōu)工作主要由4 個(gè)方面組成：改變模型訓(xùn)練次數(shù)、改變模型失活層比重、改變模型結(jié)點(diǎn)個(gè)數(shù)、改變模型網(wǎng)絡(luò)結(jié)構(gòu)。通過(guò)這4 個(gè)方面參數(shù)變化，尋找最合適、最準(zhǔn)確的深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行日記數(shù)據(jù)情感分析。

（1）網(wǎng)絡(luò)訓(xùn)練輪數(shù)變化。在相同的參數(shù)情況下，參數(shù)設(shè)計(jì)如圖9 所示，分別訓(xùn)練5 次和50 次，找到訓(xùn)練集準(zhǔn)確率最大，以及出現(xiàn)過(guò)擬合時(shí)訓(xùn)練的輪數(shù)、準(zhǔn)確率變化如圖10所示。在這樣的參數(shù)配置下，通過(guò)觀察不同訓(xùn)練次數(shù)準(zhǔn)確率對(duì)比圖可知，實(shí)驗(yàn)驗(yàn)證集最大的準(zhǔn)確率在81.5%左右，當(dāng)訓(xùn)練輪數(shù)在15 輪以上，訓(xùn)練集過(guò)擬合現(xiàn)象明顯。

Fig.9 Initial experiment parameter setting圖9 初試實(shí)驗(yàn)參數(shù)設(shè)置

Fig.10 Comparison of accuracy of training times圖10 訓(xùn)練次數(shù)準(zhǔn)確率對(duì)比

（2）網(wǎng)絡(luò)失活層比重變化。在上述實(shí)驗(yàn)基礎(chǔ)上位于BiLSTM 層和LSTM 層之間增加一層失活系數(shù)為0.3 的失活層，準(zhǔn)確率變化如圖11 所示，與之前實(shí)驗(yàn)相比，驗(yàn)證集的準(zhǔn)確率提升0.5%～1%，準(zhǔn)確率變化不大，驗(yàn)證集的準(zhǔn)確率在80%左右。

Fig.11 Increased accuracy change image of deactivated layer圖11 增加失活層準(zhǔn)確率變化圖像

（3）網(wǎng)絡(luò)結(jié)點(diǎn)數(shù)目變化。在上述實(shí)驗(yàn)基礎(chǔ)上將BiLSTM層和LSTM 層的神經(jīng)元節(jié)點(diǎn)數(shù)都擴(kuò)大1 倍，準(zhǔn)確率對(duì)比如圖12 所示，將Bi-LSTM 和LSTM 層神經(jīng)元結(jié)點(diǎn)的數(shù)目擴(kuò)大了1倍，效果準(zhǔn)確率提高3%，達(dá)83%左右。

Fig.12 Changes in accuracy of expanded network nodes圖12 擴(kuò)大網(wǎng)絡(luò)結(jié)點(diǎn)準(zhǔn)確率變化

（4）網(wǎng)絡(luò)模型結(jié)構(gòu)變化。在上述實(shí)驗(yàn)基礎(chǔ)上將最后LSTM 層之后增加一層神經(jīng)元結(jié)點(diǎn)數(shù)為128 的全連接層，并調(diào)整失活層的系數(shù)，動(dòng)態(tài)調(diào)整學(xué)習(xí)率變化，準(zhǔn)確率對(duì)比如圖13 所示，模型準(zhǔn)確率得到一定提升，穩(wěn)定在87%左右，因此采用此神經(jīng)網(wǎng)絡(luò)算法結(jié)構(gòu)模型進(jìn)行日記情感傾向分析。

Fig.13 Change of the accuracy rate after increasing the fully connected layer圖13 增加全連接層準(zhǔn)確率變化

3.1.4 情感分析算法模型評(píng)估

情感分析又稱(chēng)觀點(diǎn)挖掘，研究人們?cè)谖谋局斜磉_(dá)的情感、態(tài)度和觀點(diǎn)［16］。文本情感分析方法主要有情感詞典方法和機(jī)器學(xué)習(xí)方法［17］，對(duì)于情感分析的效果評(píng)價(jià)和測(cè)試，針對(duì)本文中文日記數(shù)據(jù)集，采用3 種不同的方式對(duì)相同中文文本數(shù)據(jù)集的準(zhǔn)確率進(jìn)行對(duì)比。第一種方法是傳統(tǒng)基于情感詞典進(jìn)行的情感分析，利用事先準(zhǔn)備的基準(zhǔn)詞以及獲得的大量情感正負(fù)特征詞語(yǔ)對(duì)文本進(jìn)行分析，對(duì)于有感情詞的句子，采用計(jì)算感情值判別其感情傾向及感情程度［18］；第二種方法是基于機(jī)器學(xué)習(xí)樸素貝葉斯進(jìn)行情感分析，樸素貝葉斯是一種基于概率的學(xué)習(xí)算法，它基于假設(shè)的先驗(yàn)概率，給定假設(shè)下觀察不同特征的概率［19］；第三種方法是目前使用的BiLSTM 深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行的情感分析，使用上述數(shù)據(jù)集抽離出來(lái)的單獨(dú)5 000 條測(cè)試集，采用不同情感分析方法進(jìn)行準(zhǔn)確率效果對(duì)比，如表1 所示。

Table 1 Accuracy comparison表1 準(zhǔn)確率對(duì)比

通過(guò)結(jié)果可以看到，BiLSTM 神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率達(dá)87%左右，相較于傳統(tǒng)的情感字典和機(jī)器學(xué)習(xí)中的樸素貝葉斯分類(lèi)，準(zhǔn)確率有一定提升，在中文日記數(shù)據(jù)集上取得了不錯(cuò)的分類(lèi)效果。

3.2 用戶(hù)情感交互功能設(shè)計(jì)

3.2.1 推薦算法及推薦內(nèi)容設(shè)計(jì)

隨著信息化浪潮的不斷推進(jìn)，人們不僅很難從越來(lái)越龐雜的信息中找到感興趣的信息，同時(shí)信息也越來(lái)越難以向?qū)ζ涓信d趣的用戶(hù)呈現(xiàn)。個(gè)性化推薦系統(tǒng)通過(guò)建立用戶(hù)與信息產(chǎn)品之間的二元關(guān)系，利用已有的選擇過(guò)程或相似性關(guān)系挖掘每個(gè)用戶(hù)潛在感興趣的對(duì)象，進(jìn)而進(jìn)行個(gè)性化推薦［20］。通過(guò)上述神經(jīng)網(wǎng)絡(luò)算法模型可以得到日記情緒傾向，對(duì)于年輕人的情感反饋問(wèn)題，一些緩解用戶(hù)情緒的信息被合理準(zhǔn)確地匹配并且推送出來(lái)解決青年人群的情感反饋問(wèn)題。

在對(duì)海量日記進(jìn)行統(tǒng)計(jì)和分析時(shí)，發(fā)現(xiàn)青年人群的壓力廣泛集中在3 個(gè)領(lǐng)域：工作、學(xué)習(xí)及社會(huì)關(guān)系處理。在得到用戶(hù)這一篇日記的情感傾向后，為了與之前已經(jīng)制作在這3 個(gè)領(lǐng)域富有特點(diǎn)的推薦內(nèi)容進(jìn)行配對(duì)，日記平臺(tái)采用了基于統(tǒng)計(jì)分類(lèi)的大數(shù)據(jù)標(biāo)簽匹配算法，通過(guò)之前的大量日記數(shù)據(jù)分析，得到了在這3 個(gè)領(lǐng)域的眾多關(guān)鍵字標(biāo)簽，如期末考試、實(shí)習(xí)工作、朋友陪伴等一系列大數(shù)據(jù)標(biāo)簽，當(dāng)用戶(hù)上傳日記到云服務(wù)器數(shù)據(jù)庫(kù)中，進(jìn)行日記內(nèi)容與大數(shù)據(jù)標(biāo)簽采用正則表達(dá)式findall 匹配模式，準(zhǔn)確辨識(shí)此日記屬于哪一個(gè)領(lǐng)域，從而結(jié)合情感傾向?qū)τ脩?hù)進(jìn)行基于規(guī)則的智能化推薦。

界面設(shè)計(jì)理念主要是符合當(dāng)代青年群體的潮流，采用暖色色調(diào)，將橙、黃、紅、橘色等暖色調(diào)巧妙地運(yùn)用到界面設(shè)計(jì)中。對(duì)大量日記數(shù)據(jù)進(jìn)行分析，挑選制作眾多精美的文字圖片，從勵(lì)志書(shū)籍、冒險(xiǎn)傳記到不同學(xué)科的學(xué)習(xí)及工作關(guān)系處理等，讓用戶(hù)從智能化的情緒推薦內(nèi)容中獲得情感體驗(yàn)，緩解壓力情緒，如圖14 所示。

Fig.14 Display of personalized recommended content圖14 個(gè)性化推薦內(nèi)容展示

3.2.2 平臺(tái)功能設(shè)計(jì)

為了更好地實(shí)現(xiàn)情緒交互功能，對(duì)高校學(xué)生壓力釋放方式進(jìn)行調(diào)研。結(jié)果顯示，排名靠前的分別為：相互溝通、暖心陪伴、放空心緒等。因此，按照功能需求，對(duì)日記寫(xiě)作平臺(tái)分別設(shè)計(jì)語(yǔ)音交互、虛擬寵物、四季冥想這3 個(gè)特殊功能。按照需求分析進(jìn)行功能設(shè)計(jì)，經(jīng)過(guò)多元化的情緒交互功能，一定程度地緩解用戶(hù)負(fù)面情緒。

語(yǔ)音交互功能通過(guò)建立情緒語(yǔ)料庫(kù)實(shí)現(xiàn)，精心編寫(xiě)合理情感短句，共達(dá)300 余句，當(dāng)用戶(hù)心情低落書(shū)寫(xiě)日記時(shí)，算法模型分析結(jié)果為負(fù)向，通過(guò)情緒語(yǔ)料庫(kù)數(shù)據(jù)的匹配小程序頁(yè)面渲染，將情感短句用慢速溫柔的女聲語(yǔ)音化，起到鼓勵(lì)安撫的作用。

四季冥想頁(yè)面功能借鑒了微信小程序倒計(jì)時(shí)的方法，幫助用戶(hù)進(jìn)行適度冥想。冥想可以通過(guò)自我調(diào)控練習(xí)，讓個(gè)體逐漸寧?kù)o、明晰和專(zhuān)注，從整體上產(chǎn)生一種心理幸福感［21］，達(dá)到減壓、釋放情緒的目的。按照冥想的規(guī)律和進(jìn)展，鼓勵(lì)用戶(hù)進(jìn)行規(guī)定時(shí)間的冥想，伴奏流水等白噪音，幫助用戶(hù)減輕焦慮、緩解疲勞。

虛擬寵物功能起陪伴作用，通過(guò)激發(fā)人類(lèi)的照料行為，為人類(lèi)帶來(lái)快樂(lè)和安慰［22］。共設(shè)計(jì)兩款獨(dú)具特色的虛擬寵物，不需要太多的言語(yǔ)交流，與寵物簡(jiǎn)單互動(dòng)，可幫助青年人群減少孤獨(dú)感，釋放一定壓力。

4 平臺(tái)功能測(cè)試

功能測(cè)試即測(cè)試微信小程序設(shè)計(jì)是否符合功能需求［11］。該日記寫(xiě)作平臺(tái)可以實(shí)現(xiàn)日記新建、刪除、修改等基本功能，并且能通過(guò)情緒分析模型對(duì)日記數(shù)據(jù)進(jìn)行情緒分析，實(shí)現(xiàn)內(nèi)容智能化推薦和虛擬寵物語(yǔ)言交互，從而達(dá)到緩解青年人群心理壓力的目的。

當(dāng)新建日記標(biāo)題為“心情有點(diǎn)難過(guò)”，日記主體為“今天的期末考試沒(méi)有按照平時(shí)的實(shí)力發(fā)揮，考試很失敗，估計(jì)成績(jī)?cè)诎嗌现邢掠危F(xiàn)在很是難過(guò)，不知道該如何面對(duì)父母老師”時(shí)，如圖15 所示，情感分析算法模型分析結(jié)果為負(fù)向，在日記的標(biāo)題處顯示顏色為紫色，大數(shù)據(jù)標(biāo)簽匹配方向?yàn)閷W(xué)習(xí)方向，情緒推薦內(nèi)容為“如何在考試前調(diào)整到最好狀態(tài)”，虛擬寵物語(yǔ)音交互結(jié)果為：”小狗提莫知道，不要因?yàn)橐粫r(shí)失意而惶惶不安，明天的太陽(yáng)依然絢爛”。平臺(tái)功能測(cè)試完成預(yù)期，基本滿(mǎn)足常見(jiàn)的情感交互需要。

Fig.15 Platform test effect圖15 平臺(tái)測(cè)試效果

5 結(jié)語(yǔ)

隨著社會(huì)競(jìng)爭(zhēng)加劇，人們承受的壓力也越來(lái)越大，青年人群的心理問(wèn)題備受關(guān)注，如何疏導(dǎo)和緩解青年人群消極負(fù)面情緒尤為重要。伴隨著移動(dòng)設(shè)備的不斷普及，利用云端遠(yuǎn)程算法模型精確高效地挖掘用戶(hù)信息，分析出有價(jià)值的數(shù)據(jù)，實(shí)現(xiàn)有指向性的溝通、有判別性的針對(duì)，以及合理的情感反饋將有助于青年人群減輕焦慮、緩解壓力。

本文從網(wǎng)絡(luò)日記交互的角度，對(duì)青年人群的心理問(wèn)題予以合理解決，設(shè)計(jì)了一種基于深度學(xué)習(xí)進(jìn)行情感分析的小程序日記寫(xiě)作平臺(tái)，幫助青年人群合理緩解壓力，維持良好心理狀況。采用深度神經(jīng)網(wǎng)絡(luò)算法對(duì)帶有情感傾向的日記數(shù)據(jù)進(jìn)行學(xué)習(xí)，得到情感傾向分析的算法模型，并提供多種情緒交互方式，為青年人群提供釋放壓力的有效途徑。同時(shí)，本文研究也為青年人群心理問(wèn)題研究提供了新的視角，以及理論和實(shí)踐上的參考。