一种基于正无标记学习的大学生心理健康预测方法

摘要

传统的人工调查、谈话等方式在大学生心理评估与筛查工作中成效显著，但需耗费巨大的人力和物力.得益于高校信息化产生的海量数据，利用机器学习技术来对学生心理健康进行预测的研究得到了越来越多的教育和科研工作者的关注，然而，学生的内在真实心理状态极其隐匿，使样本标注十分困难，尤其是负样本（即没有心理问题的学生）难以界定.原有的研究将来自心理测评量表的评估结果作为样本标记进行建模，但心理评测量表的主观性强，得出的结论的真实性和可靠性难以保证，这会严重影响模型的性能.针对学生的真实心理状态极度隐匿导致负样本难以界定这一挑战性问题，提出一种基于PU学习（Positive-Unlabeled Learning）的心理健康预测方法 PUMPS(Positive Unlabeled Learning for Mental Prediction of Students).在真实数据集上的实验结果表明，所提方法的正确率、查准率、查全率以及F1分数等四项指标均优于传统方法，尤其是查全率，高于次优方法 20.73%.

关键词

心理健康 / 正无标记学习 / 大学生 / 半监督学习 / 多视图学习