心理测评结果的评估方法、装置、设备和存储介质与流程

1.本技术属于计算机技术领域，尤其涉及一种心理测评结果的评估方法、装置、设备和存储介质。


背景技术：

2.目前，通过心理测评问卷(比如量表或者自由编写的测评问题)来进行心理测评。一个好的心理测评问卷应该是可信和有效的。因此，可信度和有效度是评价心理测评问卷好坏的重要指标。其中，可信度是心理测量结果稳定性和一致性程度的指标。
3.在实际测试中，心理测评总是会存在误差。心理测评误差的存在，会导致心理测评结果不够准确。如此，无法确定通过心理测评问卷得到的心理测评结果能否代表测评对象的真实心理状态。


技术实现要素：

4.本技术实施例提供一种心理测评结果的评估方法、装置、设备和存储介质，能够确定通过心理测评问卷得到的心理测评结果能否代表测评对象的真实心理状态。
5.一方面，本技术实施例提供一种心理测评结果的评估方法，包括：
6.获取测评对象针对心理测评问卷填写的测评数据，以及所述测评对象在填写所述心理测评问卷的过程中的行为数据；
7.将所述测评数据和所述行为数据输入至心理状态预测模型中，得到所述测评对象的心理状态预测结果；
8.根据所述心理状态预测结果和所述测评对象的心理测评结果是否一致，对所述心理测评结果进行评估，所述心理测评结果是至少根据所述测评数据得到的心理测评结果。
9.另一方面，本技术实施例提供了一种心理测评结果的评估装置，包括：
10.第一获取模块，那个月获取测评对象针对心理测评问卷填写的测评数据，以及所述测评对象在填写所述心理测评问卷的过程中的行为数据；
11.数据输入模块，用于将所述测评数据和所述行为数据输入至心理状态预测模型中，得到所述测评对象的心理状态预测结果；
12.测评评估模块，用于根据所述心理状态预测结果和所述测评对象的心理测评结果是否一致，对所述心理测评结果进行评估，所述心理测评结果是至少根据所述测评数据得到的心理测评结果。
13.再一方面，本技术实施例提供了一种心理测评结果的评估设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
14.所述处理器执行所述计算机程序指令时实现上述的心理测评结果的评估方法。
15.再一方面，本技术实施例提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述的心理测评结果的评估方法。
16.本技术实施例的心理测评结果的评估方法、装置、设备和存储介质，通过心理状态预测模型中得到测评对象的心理状态预测结果，由于输入至心理状态预测模型中的数据不仅包括测评对象针对心理测评问卷填写的测评数据，还包括测评对象在填写心理测评问卷的过程中的行为数据。由于测评对象的行为数据在一定程度上也反映了测评对象的心理状态，使得心理状态预测模型是基于测评对象在多方面的数据预测出的心理状态预测结果。因此，心理状态预测结果比较具有参考价值。然后，根据心理状态预测结果和测评对象的心理测评结果是否一致，对心理测评结果进行评估，从而确定心理测评结果能否代表测评对象的真实心理状态。
附图说明
17.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是本技术提供的心理测评结果的评估方法的一个实施例的流程示意图；
19.图2是本技术的心理状态预测模型的一个实施例的流程示意图；
20.图3是本技术的第一数据处理网络进行数据处理的一个实施例的示意图；
21.图4是本技术的第二数据处理网络进行数据处理的一个实施例的示意图；
22.图5是本技术的第三数据处理网络进行数据处理的一个实施例的示意图；
23.图6是本技术提供的心理测评结果的评估装置的一个实施例的结构示意图；
24.图7是本技术提供的心理测评结果的评估设备的硬件结构示意图；
25.图8是本技术提供的心理测评结果的评估设备的另一个实施例的结构示意图；
26.图9是本技术提供的数据采集模块的一个实施例的结构示意图；
27.图10是本技术提供的存储模块的一个实施例的结构示意图；
28.图11是本技术提供的存储模块的另一个实施例的结构示意图。
具体实施方式
29.下面将详细描述本技术的各个方面的特征和示例性实施例，为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本技术进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本技术，而不是限定本技术。对于本领域技术人员来说，本技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本技术的示例来提供对本技术更好的理解。
30.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
31.在进行心理测评时，心理测评的误差包括随机误差，随机误差产生的因素和测评对象在测评过程中的情绪、外界干扰等外在因素有关。而心理测评误差的存在，会导致心理测评结果不够准确。如此，无法确定通过心理测评问卷得到的心理测评结果能否代表测评对象的真实心理状态。
32.针对上述技术问题，本技术提供一种心理测评结果的评估方法。在该心理测评结果的评估方法中，获取测评对象针对心理测评问卷填写的测评数据，以及测评对象在填写心理测评问卷的过程中的行为数据；然后，将该获取的数据输入至心理状态预测模型中，得到心理状态预测结果。最后，在根据测评对象针对心理测评问卷填写的测评数据得到心理测评结果的情况下，比较心理状态预测结果和心理测评结果是否一致，对心理测评结果进行评估。
33.图1是本技术提供的心理测评结果的评估方法的一个实施例的流程示意图。如图1所示，心理测评结果的评估方法包括：
34.s102，获取测评对象针对心理测评问卷填写的测评数据，以及测评对象在填写心理测评问卷的过程中的行为数据。
35.在s102中，在电子设备显示心理测评问卷的网页的过程中，可以在后台收集测评对象填写的测评数据，并收集测评对象在填写心理测评问卷的每道题目的过程中，测评对象填写每道题目所花费的时长、修正每道题目的次数、以及在填写每道题目之后回看该题目的次数等行为数据。
36.心理测评结果的评估方法还包括：
37.s104，将测评数据和行为数据输入至心理状态预测模型中，得到测评对象的心理状态预测结果。
38.在s104中，通过心理状态预测模型可以从测评数据和行为数据中提取用于表征测评对象的心理状态特征的特征数据，然后，根据该特征数据得到测评对象的心理状态预测结果。
39.测评对象的心理状态预测结果可以包括：测评对象的心理处于正常状态的第一置信度，该第一置信度可以表示测评对象的心理处于正常状态的概率。
40.测评对象的心理状态预测结果还可以包括：测评对象的心理处于异常状态的第二置信度，该第二置信度可以表示测评对象的心理处于异常状态的概率。由于心理异常状态的类型有多种，因此，第二置信度的数量可以为多个，测评对象的心理状态预测结果可以包括：测评对象的心理处于各个类型的异常状态的第二置信度。
41.假设心理异常状态包括：强迫、人际关系敏感、抑郁、焦虑以及敌对等，测评对象的心理状态预测结果中可以包括：测评对象具有强迫特点的置信度、测评对象的人际关系敏感的置信度、测评对象抑郁的置信度、测评对象焦虑的置信度、测评对象具有敌对情绪的置信度。
42.心理测评结果的评估方法还包括：
43.s106，根据心理状态预测结果和测评对象的心理测评结果是否一致，对心理测评结果进行评估，心理测评结果是至少根据测评数据得到的心理测评结果。
44.在s106中，比较心理状态预测结果和测评对象的心理测评结果是否一致，当心理状态预测结果和测评对象的心理测评结果一致时，可以确定通过心理测评问卷得出的心理
测评结果是准确的，该心理测评结果能够代表测评对象的真实心理状态。当心理状态预测结果和测评对象的心理测评结果不一致时，说明心理测评结果可能不准确，需要重新对测评对象的心理状态进行测评或者采用其他方式对测评对象的心理状态进行测评。
45.在本技术实施例中，由于输入至心理状态预测模型中的数据不仅包括测评对象针对心理测评问卷填写的测评数据，还包括测评对象在填写心理测评问卷的过程中的行为数据。由于测评对象的行为数据在一定程度上也反映了测评对象的心理状态，使得心理状态预测模型是基于测评对象在多方面的数据预测出的心理状态预测结果。因此，心理状态预测结果比较具有参考价值。然后，根据心理状态预测结果和测评对象的心理测评结果是否一致，对心理测评结果进行评估，从而确定心理测评结果能否代表测评对象的真实心理状态。
46.为了更好地说明本技术实施例的技术效果，下面通过一个对比例来进行说明。
47.在相关技术的对比例中，可以采集测评对象的生理特征；根据该生理特征对心理测评结果进行评估。
48.但是，一方面，由于对比例中的方案依赖于第三方设备来采集测评对象的生理特征，如此导致在应用和推广时存在比较大的局限性。而本技术实施例中，可以在后台获取测评对象在填写心理测评问卷的过程中的行为数据，不需要依赖于第三方设备采集，从而方便了后期的应用和推广。
49.另一方面，由于个体与个体之间的生理特征差异比较大，而且第三方设备采集的生理特征本身就存在了随机误差，通过存在随机误差的生理特征对心理测评结果进行评估，导致评估结果就会存在原理性的误差。而本技术实施例中，不依赖于第三方设备采集，可以在后台获取测评对象的行为数据，不存在获取的行为数据具有误差，从而使得对心理测评结果的评估更加准确。
50.再一方面，对比例中的生理特征更容易受到外在因素影响，因此，基于生理特征对心理测评结果的评估结果不够准确。而本技术实施例中，相比于生理特征，行为数据不是那么容易受到外在因素影响，从而使得基于行为数据对心理测评结果的评估结果更加准确。比如，测评对象吃了某个药物，就会导致心率增大，而测评对象在填写问卷时的行为数据基本不受药物的影响。
51.在本技术的一个或多个实施例中，s106可以包括：
52.确定心理测评结果中测评对象的心理状态与第一置信度以及第二置信度中的至少一项是否匹配，得到匹配结果；
53.根据匹配结果，对心理测评结果进行评估。
54.在本技术实施例中，通过确定心理测评结果中测评对象的心理状态与第一置信度以及第二置信度中的至少一项匹配，在不匹配的情况下，说明心理测评结果与心理状态预测结果不一致，有可能心理测评结果无法代表测评对象的真实心理状态，需要进一步地对测评对象的心理状态进行测评。
55.在本技术的一个或多个实施例中，根据匹配结果，对心理测评结果进行评估，可以包括：
56.当匹配结果包括心理测评结果中测评对象的心理状态正常，第一置信度小于第一预设阈值，以及最大的第二置信度大于第二预设阈值，则确定心理测评结果不准确；
57.当匹配结果包括心理测评结果中测评对象的心理状态正常，第一置信度小于第一预设阈值，以及最大的第二置信度不大于第二预设阈值，则根据最大的第二置信度与第二大的第二置信度之间的差值，对心理测评结果进行评估；
58.当匹配结果包括心理测评结果中测评对象的心理状态正常，第一置信度大于第一预设阈值，则确定心理测评结果准确；
59.当匹配结果包括心理测评结果中测评对象的心理状态异常，第一置信度大于第一预设阈值，则确定心理测评结果不准确；
60.当匹配结果包括心理测评结果中测评对象的心理状态异常，第一置信度小于第一预设阈值，以及最大的第二置信度大于第二预设阈值，则确定心理测评结果准确。
61.下面对心理测评结果与心理状态预测结果是否匹配进行示例性说明。
62.作为一个示例，当匹配结果包括心理测评结果中测评对象的心理状态正常，而第一置信度小于第一预设阈值(比如0.5)，说明心理状态预测模型预测出测评对象的心理状态只有小概率是正常的。
63.在此情况下，需要根据最大的第二置信度进一步地进行判断，判断结果分为两种情况：
64.第一种情况是最大的第二置信度大于第二预设阈值(比如0.7)，说明心理状态预测模型预测出测评对象的心理状态是异常的概率比较大。因此，心理状态预测结果中测评对象的心理状态与第一置信度以及第二置信度不匹配，即心理测评结果和心理状态预测结果不一致。在此情况下，可以认为测评对象在填写心理测评问卷的过程中有意识干扰做题，可能存在最大第二置信度对应类型的异常状态的心理问题。
65.第二种情况是最大的第二置信度不大于第二预设阈值，说明心理状态预测模型预测出测评对象的心理状态是异常的概率比较小。在此情况下，根据最大的第二置信度与第二大的第二置信度之间的差值，对心理测评结果进行评估。
66.具体地，如果最大的第二置信度与第二大的第二置信度之间的差值不大于第三预设阈值(比如0.3)，说明两个类型的异常状态的第二置信度较为接近，此时可能是心理状态预测模型预测的结果有问题，此时可以忽略心理状态预测模型预测的结果，确定心理测评结果是准确的。
67.如果最大的第二置信度与第二大的第二置信度之间的差值大于第三预设阈值(比如0.3)，说明心理状态预测模型预测的结果没有问题，则可以确定心理测评结果不准确。然后，可以输出推荐信息，该推荐信息用于推荐测评对象再做一个针对最大第二置信度对应类型的异常状态的心理问题的专项问卷，以进一步分析测评对象的心理是否处于该类型的异常状态；如果没有该专项问卷，可以推荐测评对象请求心理医生介入。
68.作为另一示例，如果第一置信度大于第一预设阈值(比如0.5)，则说明心理状态预测模型预测出测评对象的心理状态大概率是正常的。另外，如果心理状态预测结果中测评对象的心理状态为正常，此时心理状态预测结果中测评对象的心理状态与第一置信度相匹配，即心理状态预测结果和测评对象的心理测评结果一致。在此情况下，可以确定心理测评结果准确。
69.作为又一个示例，如果第一置信度大于第一预设阈值(比如0.5)，则说明心理状态预测模型预测出测评对象的心理状态大概率是正常的。而如果心理状态预测结果中测评对
象的心理状态为异常，说明心理状态预测结果中测评对象的心理状态与第一置信度不匹配，即心理状态预测结果和测评对象的心理测评结果不一致。很有可能心理测评结果不准确，心理测评结果无法代表测评对象的真实心理状态。在此情况下，可以请测评对象重新测评，必要时请求心理医生介入。
70.作为再一个示例，当匹配结果包括心理测评结果中测评对象的心理状态异常，第一置信度小于第一预设阈值，以及最大的第二置信度大于第二预设阈值，则确定心理测评结果准确。在一个实施例中，可以确定测评对象存在最大的第二置信度对应类型的异常状态的心理问题。
71.在本技术实施例中，通过比较心理状态预测结果和测评对象的心理测评结果是否一致，将测评对象在填写心理测评问卷的过程中外界因素的干扰考虑其中，对心理测评结果进行评估，提高了心理测评结果的信效度。
72.在本技术的一个或多个实施例中，根据匹配结果，对心理测评结果进行评估之后，心理测评结果的评估方法还可以包括：
73.在心理状态预测结果和测评对象的心理测评结果不一致的情况下，根据心理状态预测结果中测评对象的心理状态与第一置信度以及第二置信度的匹配情况，对心理测评结果进行校正。
74.在本技术实施例中，可以对心理测评结果进行校正，比如，心理测评结果中测评对象的心理状态正常，第一置信度小于第一预设阈值，且最大的第二置信度大于第二预设阈值，在此情况下，可以将心理测评结果校正为测评对象处于最大的第二置信度对应类型的异常状态。由此，使得心理测评结果能够代表测评对象的真实心理状态，提高了心理测评结果的信效度。
75.在本技术的一个或多个实施例中，如图2所示，将测评数据和行为数据输入至心理状态预测模型中，得到测评对象的心理状态预测结果，可以包括：
76.将测评数据和行为数据输入至心理状态预测模型中的第一数据处理网络，得到目标数据；
77.将目标数据输入至心理状态预测模型中的第二数据处理网络，得到用于表征测评对象的心理状态特征的目标特征数据；
78.将目标特征数据输入至心理状态预测模型中的第三数据处理网络，得到心理状态预测结果。
79.在本技术的一个或多个实施例中，上述的行为数据包括测评对象的多个行为数据，每个行为数据表征测评对象的不同行为。比如，有的行为数据是测评对象填写心理测评问卷中各道题目所花费的时长，还有的行为数据是测评对象修正心理测评问卷中各道题目的次数，还有的行为数据是测评对象在填写每道题目之后回看该题目的次数等行为数据。
80.基于上述的行为数据，将测评数据和行为数据输入至心理状态预测模型中的第一数据处理网络，得到目标数据，可以包括：
81.通过第一数据处理网络中的第一卷积核，对测评数据和多个行为数据中的第一行为数据进行卷积处理，得到用于表征测评数据和第一行为数据的目标数据；
82.通过第一数据处理网络中的第二卷积核，对上一次卷积处理得到目标数据和多个行为数据中第二行为数据进行卷积处理，得到新的目标数据，直到对多个行为数据中的各
个行为数据进行卷积处理完为止。
83.作为一个示例，在通过第一数据处理网络中的第一卷积核，对测评数据和多个行为数据中的第一行为数据进行卷积处理之前，可以先对测评数据进行卷积处理和池化处理，然后，再将经过卷积处理和池化处理之后的测评数据输入至第一卷积核中进行处理。
84.下面结合图3的示例说明本技术实施例中第一数据处理网络的数据流程。
85.假设行为数据包括测评对象填写各道题目所花费时长的行为数据l1，测评对象修正各道题目的次数的行为数据l2，测评对象在填写每道题目之后回看该题目的次数的行为数据l3，测评对象完成整个心理测评问卷的时间的行为数据l4。
86.如图3所示，第一数据处理网络的数据处理流程包括：
87.s202，通过尺度为5*5*64的卷积核对测评数据进行步长为2的卷积，然后传入至最大池化层中；
88.s204，通过最大池化层中3*3的卷积核对s202处理得到的结果进行步长为2的池化；
89.s206，通过卷积核a对s204池化后的数据和行为数据l1进行步长为2的卷积，得到目标数据1，该目标数据1表征测评数据l0和行为数据l1。卷积核a可以为3*3*64大小的卷积核；
90.s208，通过卷积核b对上一次卷积处理得到的目标数据1和行为数据l2进行步长为2的卷积，得到目标数据2，该目标数据2表征测评数据l0、行为数据l1和行为数据l2，卷积核b可以为3*3*128大小的卷积核；
91.s210，通过卷积核c对上一次卷积处理得到的目标数据2和行为数据l3进行步长为2的卷积，得到目标数据3，该目标数据3表征测评数据l0、行为数据l1、行为数据l2和行为数据l3，卷积核c可以为3*3*256大小的卷积核；
92.s212，通过卷积核d对上一次卷积处理得到的目标数据3和行为数据l2进行步长为2的卷积，得到目标数据4，该目标数据4表征测评数据l0、行为数据l1、行为数据l2、行为数据l3和行为数据l4，卷积核d可以为3*3*512大小的卷积核；
93.s214，对于目标数据4进行步长为2的平均池化。
94.至此，第一数据处理网络的数据处理流程完毕。由于输入的测评数据和行为数据具有较高的维度，使用卷积与池化操作可以对高维度的数据进行降维，变成较低维度的数据，便于第二数据处理网络进行处理。而且，将测评数据和各个行为数据进行结合，方便第二数据处理网络从中提取表征测评对象的心理状态特征的特征数据。
95.在此之后，第二数据处理网络对第一数据处理网络得到的目标数据进行处理。在本技术的一个或多个实施例中，将目标数据输入至心理状态预测模型中的第二数据处理网络，得到用于表征测评对象的心理状态特征的目标特征数据，可以包括：
96.在各个目标数据按照得到的先后顺序排列的情况下，从最后一个目标数据开始，依次对各个目标数据进行如下的处理：
97.对于第i个目标数据，对第i 1个目标数据对应的组合数据进行下采样，得到采样数据；对第i个目标数据和采样数据进行计算，得到第i个目标数据对应的组合数据，i∈[1，n-2]，n为目标数据的总数量；
[0098]
在得到各个目标数据对应的组合数据之后，从各个目标数据对应的组合数据中，
提取各个目标数据对应的特征数据；
[0099]
将各个目标数据对应的特征数据进行连接，得到用于表征测评对象的心理状态特征的目标特征数据。
[0100]
下面结合图4的示例说明本技术实施例中如何通过第二数据处理网络得到目标特征数据。
[0101]
如图4所示，由于依次得到目标数据1、目标数据2、目标数据3、目标数据4和目标数据5，这几个目标数据按照得到的顺序依次排列。然后，对于最后两个目标数据(即目标数据4和目标数据5)，从图3可以看出，由于这两个目标数据中均包括测评数据、行为数据l1至行为数据l4，即这两个目标数据包括的数据比较全面，不需要进行数据组合，直接将目标数据4作为其对应的组合数据4，将目标数据5作为其对应的组合数据5。
[0102]
然后，针对目标数据3，对目标数据3进行1*1的卷积。由于该卷积得到的数据的维度与组合数据4的维度不同，因此，对组合数据4进行下采样，得到采样数据，使得卷积得到的数据维度与采样数据的维度相同。然后，通过一个层(比如eltwise层)对卷积得到的数据和采样数据进行相加、相乘和取最大值的计算，得到目标数据3对应的组合数据3，组合数据3可以表征目标数据3和目标数据4之间的关系。
[0103]
采用得到组合数据3的类似方式，得到目标数据2对应的组合数据2，以及目标数据1对应的组合数据1，在此不再赘述。
[0104]
然后，在得到目标数据1至目标数据5分别对应的组合数据之后，将各个组合数据输入至对应的区域生成网络(region proposal network，rpn)中，可以从各个组合数据中提取对应的特征数据。
[0105]
将多个特征数据进行连接，得到用于表征测评对象的心理状态特征的目标特征数据。
[0106]
在得到目标特征数据之后，将目标特征数据输入至第三数据处理网络中，得到心理状态预测结果。
[0107]
图5是本技术的第三数据处理网络进行数据处理的一个实施例的示意图。如图5所示，目标特征数据分别输入至两个分类器，得到心理状态预测结果。一个分类器用于预测测评对象的心理是否正常，得到测评对象的心理处于正常状态的第一置信度。另一个分类器用于预测测评对象的心理是否处于各个类型的异常状态，得到测评对象的心理处于各个类型的异常状态的第二置信度。
[0108]
其中，第三数据处理网络中的每个分类器的处理可以包括利用3*3*256大小的卷积核进行的卷积和步长为2的最大池化。
[0109]
在本技术的一个或多个实施例中，测评数据包括测评对象针对心理测评问卷中每道测评题目填写的测评数据，行为数据包括测评对象在填写每道测评题目时的行为数据。
[0110]
根据心理状态预测结果和测评对象的心理测评结果是否一致，对心理测评结果进行评估之前，心理测评结果的评估方法还可以包括：
[0111]
对于各个测评题目，将测评题目的测评数据和行为数据进行合并，得到测评题目的综合测评数据；
[0112]
根据测评题目的综合测评数据、测评题目对应的参考测评数据，确定测评题目对应的测评结果评分；
[0113]
根据各个测评题目对应的测评结果评分，确定心理测评结果。
[0114]
在本技术实施例中，综合测评数据可以为向量，在此情况下，在根据测评题目的综合测评数据、测评题目对应的参考测评数据，确定测评题目对应的测评结果评分之前，还需要对综合测评数据进行归一化处理，得到一个数值。在得到该数值之后，可以通过如下的公式计算测评结果评分。
[0115][0116]
其中，z代表某个测评题目的测评结果评分，x代表对综合测评数据进行归一化处理得到的数值，代表预先收集好的样本测评数据的平均数，s代表预先收集好的样本测评数据的标准差。
[0117]
在计算得到心理测评问卷中各个测评题目的测评结果评分之后，可以确定心理测评结果。下面对如何确定心理测评结果进行示例性说明。
[0118]
作为一个示例，根据与同一异常心理状态相关的测评题目的测评结果评分，确定测评对象是否存在该异常心理问题。比如，将用于测评抑郁的测评题目的测评结果评分进行求和，得到一个总和，根据该总和判断测评对象是否存在抑郁的问题。
[0119]
作为另一个示例，将心理测评问卷中所有测评题目的测评结果评分进行相加，得到一个总和，根据该总和判断测评对象是否存在心理问题。
[0120]
在本技术的一个或多个实施例中，将测评题目的测评数据和行为数据进行合并，得到测评题目的综合测评数据，可以包括：
[0121]
获取测评题目的测评数据对应的第一向量以及测评题目的行为数据对应的第二向量；
[0122]
将测评题目的第一向量和第二向量在目标方向上拼接，得到测评题目的综合测评数据，目标方向为与第一向量和第二向量相匹配的方向。
[0123]
其中，若第一向量和第二向量为行向量，那么目标方向为行方向；若第一向量和第二向量为列向量，那么目标方向为列方向。
[0124]
下面通过一个示例说明如何获取测评题目的测评数据对应的第一向量。
[0125]
作为一个示例，假设一个测评题目具有abcde五个选项，如果测评对象选择ad，该测评题目的测评数据对应的第一向量为[1,0,0,1,0]。另外，如果测评对象完成该测评题目的时间为5秒，那么将该时间添加至第一向量的最后，形成综合测评数据[1,0,0,1,0,5]。
[0126]
作为另一个示例，假设测评对象只选择b，则该测评题目的测评数据对应的第一向量为[0,1,0,0,0]。另外，如果测评对象完成该测评题目的时间为10秒，那么将该时间添加至第一向量的最后，形成综合测评数据[0,1,0,0,0,10]。
[0127]
与本技术提供的一种心理测评结果的评估方法，本技术还提供一种心理测评结果的评估装置。
[0128]
图6是本技术提供的心理测评结果的评估装置的一个实施例的结构示意图。如图6所示，心理测评结果的评估装置300包括：
[0129]
第一获取模块302，那个月获取测评对象针对心理测评问卷填写的测评数据，以及测评对象在填写心理测评问卷的过程中的行为数据；
[0130]
数据输入模块304，用于将测评数据和行为数据输入至心理状态预测模型中，得到
测评对象的心理状态预测结果；
[0131]
测评评估模块306，用于根据心理状态预测结果和测评对象的心理测评结果是否一致，对心理测评结果进行评估，心理测评结果是至少根据测评数据得到的心理测评结果。
[0132]
在本技术实施例中，由于输入至心理状态预测模型中的数据不仅包括测评对象针对心理测评问卷填写的测评数据，还包括测评对象在填写心理测评问卷的过程中的行为数据。由于测评对象的行为数据在一定程度上也反映了测评对象的心理状态，使得心理状态预测模型是基于测评对象在多方面的数据预测出的心理状态预测结果。因此，心理状态预测结果比较具有参考价值。然后，根据心理状态预测结果和测评对象的心理测评结果是否一致，对心理测评结果进行评估，从而确定心理测评结果能否代表测评对象的真实心理状态。
[0133]
在本技术的一个或多个实施例中，心理状态预测结果包括：测评对象的心理处于正常状态的第一置信度，测评对象的心理处于各个类型的异常状态的第二置信度。
[0134]
测评评估模块306可以包括：
[0135]
第一确定单元，用于确定心理测评结果中测评对象的心理状态与第一置信度以及第二置信度中的至少一项是否匹配，得到匹配结果；
[0136]
评估单元，用于根据匹配结果，对心理测评结果进行评估。
[0137]
在本技术实施例中，通过比较心理状态预测结果和测评对象的心理测评结果是否一致，将测评对象在填写心理测评问卷的过程中外界因素的干扰考虑其中，对心理测评结果进行评估，提高了心理测评结果的信效度。
[0138]
在本技术的一个或多个实施例中，评估单元包括：
[0139]
第一确定子单元，用于当匹配结果包括心理测评结果中测评对象的心理状态正常，第一置信度小于第一预设阈值，以及最大的第二置信度大于第二预设阈值，则确定心理测评结果不准确；
[0140]
第二确定子单元，用于当匹配结果包括心理测评结果中测评对象的心理状态正常，第一置信度小于第一预设阈值，以及最大的第二置信度不大于第二预设阈值，则根据最大的第二置信度与第二大的第二置信度之间的差值，对心理测评结果进行评估；
[0141]
第三确定子单元，用于当匹配结果包括心理测评结果中测评对象的心理状态正常，第一置信度大于第一预设阈值，则确定心理测评结果准确；
[0142]
第四确定子单元，用于当匹配结果包括心理测评结果中测评对象的心理状态异常，第一置信度大于第一预设阈值，则确定心理测评结果无法代表测评对象的真实心理状态；
[0143]
第五确定子单元，用于当匹配结果包括心理测评结果中测评对象的心理状态异常，第一置信度小于第一预设阈值，以及最大的第二置信度大于第二预设阈值，则确定心理测评结果准确。
[0144]
在本技术的一个或多个实施例中，心理测评结果的评估装置300还可以包括：
[0145]
校正模块，用于在心理状态预测结果和测评对象的心理测评结果不一致的情况下，根据心理状态预测结果中测评对象的心理状态与第一置信度以及第二置信度的匹配情况，对心理测评结果进行校正。
[0146]
在本技术实施例中，可以对心理测评结果进行校正，比如，心理测评结果中测评对
象的心理状态正常，第一置信度小于第一预设阈值，且最大的第二置信度大于第二预设阈值，在此情况下，可以将心理测评结果校正为测评对象处于最大的第二置信度对应类型的异常状态。由此，使得心理测评结果能够代表测评对象的真实心理状态，提高了心理测评结果的信效度。
[0147]
在本技术的一个或多个实施例中，数据输入模块304可以包括：
[0148]
第一输入单元，用于将测评数据和行为数据输入至心理状态预测模型中的第一数据处理网络，得到目标数据；
[0149]
第二输入单元，用于将目标数据输入至心理状态预测模型中的第二数据处理网络，得到用于表征测评对象的心理状态特征的目标特征数据；
[0150]
第三输入单元，用于将目标特征数据输入至心理状态预测模型中的第三数据处理网络，得到心理状态预测结果。
[0151]
在本技术的一个或多个实施例中，行为数据包括测评对象的多个行为数据，每个行为数据表征测评对象的不同行为。
[0152]
第一输入单元可以包括：
[0153]
第一卷积子单元，用于通过第一数据处理网络中的第一卷积核，对测评数据和多个行为数据中的第一行为数据进行卷积处理，得到用于表征测评数据和第一行为数据的目标数据；
[0154]
第二卷积子单元，用于通过第一数据处理网络中的第二卷积核，对上一次卷积处理得到目标数据和多个行为数据中第二行为数据进行卷积处理，得到新的目标数据，直到对多个行为数据中的各个行为数据进行卷积处理完为止。
[0155]
在本技术的一个或多个实施例中，第二输入单元可以包括：
[0156]
第二确定子单元，用于在各个目标数据按照得到的先后顺序排列的情况下，从最后一个目标数据开始，依次对各个目标数据进行如下的处理：对于最后两个目标数据，将每个目标数据作为各自的组合数据；
[0157]
采样计算子单元，用于对于第i个目标数据，对第i 1个目标数据对应的组合数据进行下采样，得到采样数据；对第i个目标数据和采样数据进行计算，得到第i个目标数据对应的组合数据，i∈[1，n-2]，n为目标数据的总数量；
[0158]
特征提取子单元，用于在得到各个目标数据对应的组合数据之后，从各个目标数据对应的组合数据中，提取各个目标数据对应的特征数据；
[0159]
连接子单元，用于将各个目标数据对应的特征数据进行连接，得到用于表征测评对象的心理状态特征的目标特征数据。
[0160]
在本技术的一个或多个实施例中，测评数据包括测评对象针对心理测评问卷中每道测评题目填写的测评数据，行为数据包括测评对象在填写每道测评题目时的行为数据。
[0161]
心理测评结果的评估装置300还可以包括：
[0162]
合并模块，用于对于各个测评题目，将测评题目的测评数据和行为数据进行合并，得到测评题目的综合测评数据；
[0163]
第一确定模块，用于根据测评题目的综合测评数据、测评题目对应的参考测评数据，确定测评题目对应的测评结果评分；
[0164]
第二确定模块，用于根据各个测评题目对应的测评结果评分，确定心理测评结果。
[0165]
在本技术的一个或多个实施例中，合并模块可以包括：
[0166]
获取单元，用于获取测评题目的测评数据对应的第一向量以及测评题目的行为数据对应的第二向量；
[0167]
拼接单元，用于将测评题目的第一向量和第二向量在目标方向上拼接，得到测评题目的综合测评数据，目标方向为与第一向量和第二向量相匹配的方向。
[0168]
本技术提供一种心理测评结果的评估设备，该设备包括：处理器以及存储有计算机程序指令的存储器，处理器执行计算机程序指令时实现上述任意一项的心理测评结果的评估方法。
[0169]
图7是本技术提供的心理测评结果的评估设备的硬件结构示意图。
[0170]
如图7所示，心理测评结果的评估设备可以包括处理器401以及存储有计算机程序指令的存储器402。
[0171]
具体地，上述处理器401可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0172]
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在综合网关容灾设备的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。
[0173]
存储器可包括只读存储器(rom)，随机存取存储器(ram)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。
[0174]
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种心理测评结果的评估方法。
[0175]
在一个示例中，心理测评结果的评估设备还可包括通信接口403和总线410。其中，如图7所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
[0176]
通信接口403，主要用于实现本技术实施例中各模块、装置、单元和/或设备之间的通信。
[0177]
总线410包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
[0178]
图8是本技术提供的心理测评结果的评估设备的另一个实施例的结构示意图。如图8所示，心理测评结果的评估设备500包括：
[0179]
问卷模块502，用于显示心理测评问卷；
[0180]
数据采集模块504，用于采集测评对象针对心理测评问卷填写的测评数据，以及测评对象在填写心理测评问卷的过程中的行为数据；
[0181]
数据分析模块506，用于根据各个测评题目的测评数据和行为数据，计算出该测评题目对应的测评结果评分；
[0182]
存储模块508，用于存储测评对象的测评数据和行为数据，以及各个测评题目对应的测评结果评分；
[0183]
处理模块510，用于将测评数据和行为数据输入至心理状态预测模型中，得到测评对象的心理状态预测结果；根据各个测评题目对应的测评结果评分，确定测评对象的心理测评结果；然后，根据心理状态预测结果和测评对象的心理测评结果是否一致，对心理测评结果进行评估。
[0184]
数据采集模块504可以为如图9所示的高速数据采集模块，高速数据采集模块包括现场可编程门阵列(field-programmable gate array，fpga)，fpga连接有模数转换器和时钟模块。fpga还连接有存储器，比如可擦除可编程只读存储器(erasable programmable read only memory，eprom)。fpga还连接有总线，比如紧凑型外设部件互连标准(compact peripheral component interconnect，cpci)总线和cpcie总线。fpga3为固定eprom加载，高速模数转换器以4路交错方式进行模数转换，因此每路以750mhz频率产生一个8bit数据。每路数据流量为750mhz
×
8bit。由于fpga资源限制、i/o管脚频率与管脚规模等限制，每路数据先通过一片fpga四分频，即产生16路187.5mhz的8bit数据。这样提高了数据传输的速度。
[0185]
影响模数转换器的动态性能指标之一就是时钟模块，时钟模块必须具有非常微小的时钟抖动和相位噪声。时序不确定性/时钟抖动越严重，对模数转换器的基底噪声的影响越恶劣，因此信噪比越低。实施时可选择具有确定性或者抖动不是很频繁的时钟模块以提高信噪比。
[0186]
在电气特性上，cpci总线以局部总线标准(peripheral component interconnect，pci)为基础，解决了vme(versamodule eurocard)等总线技术与pci总线不兼容的问题，使得基于pc的x86架构、硬盘存储等技术能在工业领域使用。同时由于在接口等地方做了重大改进，采用cpci技术的服务器、工控电脑等拥有了高可靠性、高密度的优点。cpcie是cpci标准基于pcie总线的升级版本，将cpcie和cpci两种总线结合，能够赋予模块高处理性能。
[0187]
fpga还外接有ddr2存储板。采用ddr2存储模组作为存储介质，一个ddr2存储模组的数据流量为400mhz
×
64bit、存储容量为2gb。采用基于xilinx fpga的控制器实现ddr2存储模组的读、写、校验。fpga外部预留ddr2内存颗粒，以便数据触发缓存，冗余备份使用。
[0188]
上述cpci总线为j1 cpci，cpcie总线为pxie xj3或者xj4。上述fpga还连接有触发器。上述fpga还和背板连接器相连，可支持32gbyte存储，可自定义连接总线。上述fpga为xilinx v5fpga，此型号的fpga性能功能较好。
[0189]
存储模块508可以为如图10或图11所示的vpx高速存储模块，在一块6u vpx标准卡
板上，设置fpga和电源(powerpc)，电源通过fpga外挂ssd存储组，ssd存储组包括16个通过sata3.0数据线与fpga连接的ssd固态硬盘，每片ssd固态硬盘的容量为1t；fpga通过pcie3.0数据线连接电源。
[0190]
fpga的型号为xc7vx690t-2ffg1927i。此型号的fpga具有80个gth(gth是一种高速串行收发器)，单个gth速率可到28.05gb/s，同时集成3个pcie3.0控制器。电源的型号为t2080nxn8ttb。此型号的电源具有4核8线程，单核1.8ghz，提供16个串行器/解串器高速接口，支持pcie、xfi、srio等接口。ssd固态硬盘可以具体如下特点：单盘1tb，写速率可到520mb/s，读速率可到540mb/s。sata3.0标准速率为6gb/s，其性能要高于sata2.0数据线。sata2.0数据线和sata3.0数据线的线缆，从外观上面看不出什么太大的差别，不同厂家生产的线缆可能在颜色和线缆上面的标识上面明确了线缆的规格支持的是sata2.0或sata3.0，不过无论是sata2.0的线缆用在sata3.0硬盘和主板之间，还是sata3.0的线缆用在sata2.0的硬盘和主板之间都是可以通用的，不会有任何规格上的兼容问题。只不过，如果硬盘和主板都是支持sata3.0的设备标准，用的却是sata2.0的线缆，则实际的效果也就是sata2.0的标准了，只有用sata3.0数据线连接支持sata3.0的硬盘和主板时，才能达到sata3.0的标准。
[0191]
fpga利用其并发及高数据位宽特性，实现高速数据采集、存储和回放，采用raid0模式操作16片ssd，实现理论读写速度叠加；再者，fpga通过sata3.0接口与ssd进行数据交换。fpga与powerpc间为pci33.0接口，提供高速文件管理信息交换通道。sata3.0标准速率为6gb/s，1片ssd固态硬盘的容量为1t，16片ssd固态硬盘的容量为16t。
[0192]
存储模块508能达到16tb存储容量和6gb/s数据读写带宽的性能。
[0193]
vpx上的接口和光接口都可实现数据采集和回放。
[0194]
其中，数据记录(存储带宽或者记录带宽)是数据从板卡对外接口输入(如gth、mpo)，到达fpga，再由fpga写入ssd中。
[0195]
数据回放(回放带宽)是fpga从ssd中读出数据，通过对外接口输出。
[0196]
在数据记录和回放路径上的每个环节都会对数据带宽产生影响，数据带宽主要受限于三个环节：对外接口的性能(接口带宽性能)，处理器性能(处理器硬件性能和软件性能)，ssd性能。要实现6gb/s的连续数据记录和回放带宽，需要每个环节都要工作到接近理论速度，设计难度很大。
[0197]
基于vpx单槽结构的6gb/s存储模块，采用fpga powerpc，fpga外挂ssd存储组结构，实现数据存储功能。fpga实现高速数据采集回放接口及ssd读写，电源实现文件系统管理及万兆网数据导入导出接口，fpga和电源间通过pcie3.0总线进行数据交换。存储模块508主要具有如下的功能：支持光纤数据的记录、回放；支持磁盘的循环覆盖写；支持16片固态硬盘，每片的容量为1t；支持6gb/s数据读写带宽；支持采集数据的导出、删除；支持掉电异常恢复。
[0198]
另外，结合上述实施例中的心理测评结果的评估方法，本技术实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种心理测评结果的评估方法。
[0199]
需要明确的是，本技术并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具
体的步骤作为示例。但是，本技术的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本技术的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
[0200]
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本技术的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
[0201]
还需要说明的是，本技术中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本技术不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
[0202]
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
[0203]
以上，仅为本技术的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。