一種基于微博的心理壓力值預測方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及信息傳播領(lǐng)域，具體設(shè)及一種基于微博的屯、理壓力值預測方法及系 統(tǒng)。
【背景技術(shù)】
[0002] 青少年時期是一個人成長的重要階段。在運個生理屯、理快速變化的時期，青少年 們會遭受到來自各方面的壓力，如學業(yè)壓力，自我認知壓力，人際交往壓力，和情感壓力。調(diào) 查顯示青少年們已經(jīng)成為美國最有壓力的群體。運項調(diào)查采訪了 1，950個成年人和1，018 個青少年，在調(diào)查中，基于10分的壓力總分，青少年們的壓力評分為5. 8,大于成年人的壓 力分值5. 1。31%的青少年表示深受壓力困擾，30%的青少年會因壓力感到難過或沮喪。根 據(jù)對香港19所中學近9, 100名學生的調(diào)查發(fā)現(xiàn)：49. 9%的受訪學生出現(xiàn)輕微甚至嚴重的抑 郁癥狀，如哭泣、討厭自己、食欲改變等，他們的壓力主要來自學業(yè)前途、考試、外貌體形等。 逾兩成學生曾出現(xiàn)輕度至嚴重自殺念頭。
[0003] 上述調(diào)查表明，青少年們在他們的成長環(huán)境中面臨著巨大的壓力。持續(xù)的強壓會 對他們的生理和屯、理健康都造成嚴重的損害，例如焦慮、高血壓、免疫力下降、抑郁、屯、臟 病，甚至自殺；而且由于青少年們經(jīng)驗的缺乏及屯、理調(diào)控機制的不健全，他們可能意識不到 屯、理壓力對自己的潛在危害，W至于不能尋求并得到有效幫助。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了一種基于微博的屯、理壓力值預測方法及系 統(tǒng)，能提前預知目標對象屯、理壓力，W便目標對象管理自身壓力，進而避免屯、理壓力帶來的 潛在傷害。 陽〇化]本發(fā)明提出了一種基于微博的屯、理壓力值預測方法，包括：
[0006] 對目標對象發(fā)布的微博信息進行檢測，獲取每條微博信息的壓力值和發(fā)文時間， 并根據(jù)所述每條微博信息的壓力值和發(fā)文時間，建立所述目標對象的第一壓力時間序列；
[0007] 對所述第一壓力時間序列按照預設(shè)時間粒度進行劃分，獲取多個與所述預設(shè)時間 粒度對應的第二壓力時間序列；
[0008] 獲取所述每個第二壓力時間序列內(nèi)微博信息的壓力值，根據(jù)所述每個第二壓力時 間序列內(nèi)微博信息的壓力值建立時間序列模型，并根據(jù)所述時間序列模型確定目標對象在 下一第二壓力時間序列內(nèi)微博信息的壓力值。
[0009] 可選的，所述獲取所述每個第二壓力時間序列內(nèi)微博信息的壓力值，根據(jù)所述每 個第二壓力時間序列內(nèi)微博信息的壓力值建立時間序列模型，包括：
[0010] 采集每個第二壓力時間序列內(nèi)微博信息的壓力值的最大值、最小值、平均值； W11] 根據(jù)所有第二壓力時間序列內(nèi)微博信息的壓力值的最大值和壓力值的累計和，建 立所述時間序列模型； 柳1引或者
[0013] 所有第二壓力時間序列內(nèi)微博信息的壓力值的最小值、壓力微博比例和微博的總 數(shù)目，建立所述時間序列模型；
[0014] 或者
[0015] 所有第二壓力時間序列內(nèi)微博信息的壓力值的平均值、壓力微博比例和壓力值的 累計和，建立所述時間序列模型；
[0016] 其中，所述壓力值的累積和為所有第二壓力時間序列內(nèi)微博信息的壓力值的和的 累計和，所述微博的總數(shù)目為所有第二時間序列內(nèi)發(fā)布的微博信息的數(shù)量的累積和，所述 壓力微博比例為每個第二時間序列內(nèi)壓力微博比例的和的累積和，所述每個第二時間序列 內(nèi)壓力微博比例為每個第二時間序列內(nèi)微博信息的壓力值大于零的微博信息的數(shù)量與每 個第二時間序列內(nèi)微博信息的數(shù)量。 陽017] 可選的，所述時間序列模型為：
[0018]
[0019] 其中，Lw為目標對象在第n+1個第二壓力時間序列內(nèi)微博信息的壓力值，C為常 數(shù)，Ai，B郝0 1為預設(shè)參數(shù)，k為模型的項數(shù)，L。W，L。k。，. . .L。為前k個第二壓力時間序 列內(nèi)微博信息的壓力值，￡nk+2,…，e。，分別為使E(e=〇，E(e"kJ= 0…，E( 〇 = 0，E(enJ= 0的白噪聲誤差項；X。w，X。k+2, . . .X。為前k個第二壓力時間序 列內(nèi)微博信息的壓力值的累計和，或者為前k個第二壓力時間序列內(nèi)微博信息的壓力值的 累計和化及壓力微博比例，或者為前k個第二壓力時間序列內(nèi)微博信息的壓力值的壓力微 博比例和微博信息的數(shù)目。
[0020] 可選的，在根據(jù)所述時間序列模型確定目標對象在下一第二壓力時間序列內(nèi)微博 信息的壓力值后，包括：
[0021] 根據(jù)所述每個第二壓力時間序列內(nèi)微博信息的壓力值和對應的壓力事件，建立壓 力變化模式集模型；
[0022] 根據(jù)所述目標對象發(fā)布的微博信息W及微博信息的壓力值，獲取微博信息對應的 目標壓力事件W及所述目標壓力事件的起始時間；
[0023] 根據(jù)所述目標壓力事件的類型，對所述目標壓力事件與所述壓力變化模式集模型 進行匹配，獲取所述目標壓力事件對應的壓力變化模式；
[0024] 根據(jù)所述目標壓力事件的起始時間，通過所述目標壓力事件的壓力變化模式，獲 取所述目標壓力事件對所述目標對象在下一第二壓力時間序列內(nèi)微博信息的壓力值的修 正值；
[0025] 根據(jù)所述目標壓力事件對所述目標對象在下一第二壓力時間序列內(nèi)微博信息的 壓力值的修正值，對所述時間序列模型確定的目標對象在下一第二壓力時間序列內(nèi)微博信 息的壓力值進行修正，獲取所述目標對象在下一第二壓力時間序列內(nèi)微博信息的預測壓力 值。
[00%] 可選的，所述根據(jù)所述目標壓力事件對目標對象在下一第二壓力時間序列內(nèi)微博 信息的壓力值的修正值，對所述時間序列模型確定的目標對象在下一第二壓力時間序列內(nèi) 微博信息的壓力值進行修正，包括：
[0027] 對所述目標壓力事件對應的壓力變化模式按照事件發(fā)展時期進行劃分，獲取所述 壓力變化模式在不同時期的修正值；
[0028] 根據(jù)所述目標壓力事件對應的微博信息，獲取所述目標壓力事件的發(fā)展階段；
[0029] 對所述壓力變化模式的不同時期與所述目標壓力事件的發(fā)展階段進行匹配，獲取 與所述目標壓力事件的發(fā)展階段相匹配的修正值；
[0030] 根據(jù)所述與所述目標壓力事件的發(fā)展階段相匹配的修正值，對所述時間序列模型 確定的目標對象在下一第二壓力時間序列內(nèi)微博信息的壓力值進行疊加修正。
[0031] 本發(fā)明還提供了一種基于微博的屯、理壓力值預測系統(tǒng)，包括：
[0032] 檢測模塊，用于對目標對象發(fā)布的微博信息進行檢測，獲取每條微博信息的壓力 值和發(fā)文時間；
[0033] 第一建立模塊，用于根據(jù)所述每條微博信息的壓力值和發(fā)文時間，建立所述目標 對象的第一壓力時間序列；
[0034] 劃分模塊，用于對所述第一壓力時間序列按照預設(shè)時間粒度進行劃分，獲取多個 與所述預設(shè)時間粒度對應的第二壓力時間序列；
[0035] 第二建立模塊，用于獲取所述每個第二壓力時間序列內(nèi)微博信息的壓力值，并根 據(jù)所述每個第二壓力時間序列內(nèi)微博信息的壓力值建立時間序列模型；
[0036] 確定模塊，用于根據(jù)所述時間序列模型確定目標對象在下一第二壓力時間序列對 應的微博信息的壓力值。
[0037] 可選的，第二建立模塊用于：
[0038] 采集每個第二壓力時間序列內(nèi)微博信息的壓力值的最大值、最小值、平均值；
[0039] 根據(jù)所有第二壓力時間序列內(nèi)微博信息的壓力值的最大值和壓力值的累計和，建 立所述時間序列模型；
[0040] 或者
[0041] 所有第二壓力時間序列內(nèi)微博信息的壓力值的最小值、壓力微博比例和微博的總 數(shù)目，建立所述時間序列模型； W創(chuàng)或者
[0043] 所有第二壓力時間序列內(nèi)微博信息的壓力值的平均值、壓力微博比例和壓力值的 累計和，建立所述時間序列模型；
[0044] 其中，所述壓力值的累積和為所有第二壓力時間序列內(nèi)微博信息的壓力值的和的 累計和，所述微博的總數(shù)目為所有第二時間序列內(nèi)發(fā)布的微博信息的數(shù)量的累積和，所述 壓力微博比例為每個第二時間序列內(nèi)壓力微博比例的和的累積和，所述每個第二時間序列 內(nèi)壓力微博比例為每個第二時間序列內(nèi)微博信息的壓力值大于零的微博信息的數(shù)量與每 個第二時間序列內(nèi)微博信息的數(shù)量。
[0045] 可選的，所述時間序列模型為：
[0046]
[0047] 其中，Lw為目標對象在下一第二壓力時間序列對應的微博信息的壓力值，C為常 數(shù)，1。^，1。^2