楊玲玲
近年來(lái),社會(huì)經(jīng)濟(jì)的快速發(fā)展為我們帶來(lái)眾多壓力和挑戰(zhàn)。聯(lián)合國(guó)專家曾預(yù)言:從21世紀(jì)開(kāi)始,心理問(wèn)題將是困擾人們發(fā)展和造成多方面問(wèn)題的罪魁禍?zhǔn)祝?]。大學(xué)相當(dāng)于半個(gè)社會(huì),對(duì)于大學(xué)生們各方面的壓力也隨之而來(lái),繼而引發(fā)各種不同程度的心理健康問(wèn)題,心理教育和心理咨詢的重要性日益凸現(xiàn)。2003年衛(wèi)生部的調(diào)查統(tǒng)計(jì)顯示,我國(guó)大學(xué)生中16.0%~25.4%的學(xué)生存在不同程度的心理障礙[2]。針對(duì)大學(xué)生的心理特點(diǎn),圍繞大學(xué)生常見(jiàn)的心理問(wèn)題,結(jié)合心理咨詢領(lǐng)域的專業(yè)知識(shí)和成功經(jīng)驗(yàn),利用人工智能、計(jì)算機(jī)網(wǎng)絡(luò)等技術(shù),構(gòu)建心理咨詢專家系統(tǒng)具有重要的現(xiàn)實(shí)意義。
本文設(shè)計(jì)的心理咨詢專家系統(tǒng)模型包括五個(gè)功能模塊,分別是心理知識(shí)模塊、心理測(cè)評(píng)模塊、心理咨詢模塊、用戶管理模塊和知識(shí)庫(kù)管理模塊。系統(tǒng)總體結(jié)構(gòu)如圖1所示。
圖1 心理咨詢專家系統(tǒng)總體結(jié)構(gòu)圖
用戶進(jìn)入系統(tǒng)后,可以直接輸入心理問(wèn)題癥狀表現(xiàn)來(lái)進(jìn)行心理咨詢,癥狀表現(xiàn)從情緒、認(rèn)知、行為和軀體反應(yīng)四個(gè)方面體現(xiàn)[3],咨詢方式包括教師在線咨詢、朋輩在線咨詢和計(jì)算機(jī)輔助決策三種;進(jìn)入系統(tǒng)后可以先進(jìn)行在線測(cè)評(píng),通過(guò)推理機(jī)對(duì)測(cè)評(píng)結(jié)果進(jìn)行推理,系統(tǒng)根據(jù)測(cè)試結(jié)果自動(dòng)推薦咨詢方式或用戶自主選擇咨詢方式;用戶還可以通過(guò)心理知識(shí)模塊學(xué)習(xí)一些心理方面的常識(shí)知識(shí),了解一些經(jīng)典案例,使用的時(shí)候只需點(diǎn)擊相應(yīng)的知識(shí)點(diǎn)即可實(shí)現(xiàn)查詢;為方便用戶、輔導(dǎo)教師和朋輩輔導(dǎo)員查閱,系統(tǒng)將咨詢信息、測(cè)評(píng)結(jié)果和心理咨詢過(guò)程等記錄在心理檔案中;同時(shí),系統(tǒng)對(duì)于記錄的檔案信息進(jìn)行統(tǒng)計(jì)分析,找出影響大學(xué)生心理健康的原因,防患于未然,減少大學(xué)生心理問(wèn)題。
心理咨詢專家系統(tǒng)的知識(shí)庫(kù)采用框架-產(chǎn)生式結(jié)構(gòu)??蚣芟到y(tǒng)反映大學(xué)生心理問(wèn)題分類情況,產(chǎn)生式系統(tǒng)采用規(guī)則-知識(shí)表示方式,由算法庫(kù)、規(guī)則庫(kù)和知識(shí)庫(kù)三部分組成。其中算法庫(kù)為各類擬合曲線、函數(shù)及算法集合;規(guī)則庫(kù)是基于算法庫(kù)構(gòu)成的類集合,具有相同或相似算法的知識(shí)抽象為規(guī)則;知識(shí)由規(guī)則衍生并實(shí)例化,繼承規(guī)則的所有屬性和方法[4]。
框架結(jié)構(gòu)分為兩級(jí):首先,依據(jù)心理問(wèn)題種類定義一級(jí)框架,根據(jù)大學(xué)生常見(jiàn)心理問(wèn)題,細(xì)分為抑郁、強(qiáng)迫、恐懼、焦慮、網(wǎng)癮、神經(jīng)衰弱六類[5];然后,根據(jù)產(chǎn)生某心理異常的原因定義二級(jí)框架,如學(xué)習(xí)與生活的壓力、交際困難、網(wǎng)絡(luò)依賴等。框架劃分方式如表1所示。
表1 框架劃分方式
框架主要由槽集、社會(huì)性關(guān)系及行為信息三部分組成。如圖2所示,槽集是由多個(gè)槽構(gòu)成的集合,包括多個(gè)知識(shí),單體槽由槽值、知識(shí)、默認(rèn)槽值和槽值域組成[6]。槽值描述槽在框架內(nèi)的可信任程度,是知識(shí)推理過(guò)程中隸屬概率和規(guī)則權(quán)值的計(jì)算結(jié)果;默認(rèn)槽值是滿足該槽匹配的閾值;槽值域描述的是槽的可信任取值范圍。社會(huì)性關(guān)系由子框架、父類框架、終結(jié)情況和框架級(jí)別四部分組成,用于描述與其他框架的從屬關(guān)系。行為信息由框架基本信息和守護(hù)程序信息兩部分組成,用于描述框架的動(dòng)作[7]。
圖2 框架結(jié)構(gòu)
專家系統(tǒng)的知識(shí)中,知識(shí)表達(dá)一般處于中心地位,是知識(shí)學(xué)習(xí)與獲取的基礎(chǔ),是知識(shí)記憶、處理與利用的前提。知識(shí)表達(dá)的形式有很多,常見(jiàn)的方式有符號(hào)表達(dá)、產(chǎn)生式表達(dá)、語(yǔ)義網(wǎng)絡(luò)表達(dá)、框架表達(dá)和模糊邏輯表達(dá)等[8]。隨著智能化技術(shù)的進(jìn)步,對(duì)知識(shí)表達(dá)的可共享性、準(zhǔn)確性及直觀性的要求有了進(jìn)一步提高,通過(guò)對(duì)現(xiàn)有的知識(shí)表達(dá)方法進(jìn)行分析,提出了一種由規(guī)則衍生知識(shí)的設(shè)計(jì)思想,建立知識(shí)與規(guī)則的繼承關(guān)系,設(shè)計(jì)基于多級(jí)框架的知識(shí)表達(dá)結(jié)構(gòu)。
知識(shí)是規(guī)則的實(shí)例對(duì)象,所以知識(shí)的結(jié)構(gòu)、屬性和行為方法將完全繼承父類規(guī)則,即知識(shí)的表達(dá)同樣包括知識(shí)主體和知識(shí)擴(kuò)展集。知識(shí)主體結(jié)構(gòu)將繼承規(guī)則的主體組成,并依據(jù)推理需要衍生出其他多態(tài)元素;知識(shí)的擴(kuò)展集包括執(zhí)行算法、權(quán)值、隸屬概率和模式內(nèi)容。
知識(shí)的主體除繼承規(guī)則外,由知識(shí)序列、知識(shí)標(biāo)識(shí)、知識(shí)描述、心理問(wèn)題類別、診斷框架、隸屬概率6部分組成;并由父類規(guī)則的唯一標(biāo)識(shí)描述與規(guī)則的繼承關(guān)系。知識(shí)的主體結(jié)構(gòu)如圖3所示。其中,知識(shí)標(biāo)識(shí)是知識(shí)的唯一性標(biāo)識(shí);診斷框架描述導(dǎo)致心理問(wèn)題原因知識(shí)的所屬框架;隸屬概率是用于計(jì)算模式匹配程度及規(guī)則滿意度;知識(shí)序列是指知識(shí)在框架內(nèi)的槽序列。
圖3 知識(shí)的主體結(jié)構(gòu)
現(xiàn)實(shí)中我們掌握的經(jīng)驗(yàn)知識(shí)及獲取的條件信息大部分是不完全、不精確的,具有不確定性,所以就要求專家系統(tǒng)中的知識(shí)表示和處理以及推理方法必須能處理這種不確定性。
貝葉斯方法是用于建立不確定性推理的一種方法,并在著名的PROSPECTOR專家系統(tǒng)中首次采用[10]。心理咨詢知識(shí)具有一定的模糊性,為了便于系統(tǒng)推理,在每個(gè)事實(shí)的后面添加一個(gè)數(shù)值,用來(lái)描述事實(shí)的真實(shí)程度。在不確定性推理過(guò)程中,根據(jù)算法執(zhí)行結(jié)果尋找匹配規(guī)則時(shí),存在同框架內(nèi)多知識(shí)匹配的不確定性情況。多知識(shí)匹配沖突可使用貝葉斯方法處理。
定義知識(shí)k的事實(shí)論據(jù) pH,隸屬概率G(k),權(quán)值V(k→r)(r表示知識(shí)k的隸屬規(guī)則),三者的聯(lián)系如式(1)描述:
定義事件E,H分別表示不同知識(shí)闡述的事實(shí),H表示假設(shè),E表示支持假設(shè)的論據(jù),用H和E重寫貝葉斯式(2)。
其中:p(H)為事件H發(fā)生的先驗(yàn)概率;p(E|H)為事件H發(fā)生后的論據(jù)E概率;p(?H)是事件H不發(fā)生的先驗(yàn)概率;p(E|?H)是事件H不發(fā)生時(shí)候論據(jù)E的概率。
事實(shí)H的先驗(yàn)概率 p(H)必須在檢驗(yàn)論據(jù)前定義。在ES中,閾值概率的初始情況由領(lǐng)域?qū)<抑付?,由貝葉斯方法計(jì)算后驗(yàn)概率 p(H|E)。
由貝葉斯方法衍生,如果根據(jù)單個(gè)論據(jù)E,提出了多個(gè)假設(shè)H1、H1、…、Hm,或給定多事實(shí)論據(jù)E1、E1、…、En,反向推廣假設(shè)H的發(fā)生概率,假設(shè)和論據(jù)都必須是互斥且完備的。
對(duì)于單個(gè)論據(jù)E和多個(gè)假設(shè)H1、H1、…、Hm的情況,如式(3)描述。
對(duì)于多個(gè)論據(jù) E1、E1、…、En和多個(gè)假設(shè) H1、H1、…、Hm的情況,如式(4)描述。
由于所有組合條件的概率計(jì)算難度較大,在專家系統(tǒng)中,可以忽略微小的論據(jù),并假設(shè)論據(jù)間條件獨(dú)立,得到式(5)。
20世紀(jì)70年代早期,Shortliffe提出了著名的確信因子方法,并用于處理醫(yī)療診斷專家系統(tǒng)MYCIN中的不確定性信息[10]。利用確信因子計(jì)算框架內(nèi)槽值符合率,滿足框架的驗(yàn)證標(biāo)準(zhǔn)。設(shè)框架內(nèi)知識(shí)集Kf={kf1,kf2…kfn},知識(shí)可簡(jiǎn)化表達(dá)為
框架的槽值符合率包括可信度計(jì)算(正度量)和不可信計(jì)算(逆度量),假定原始符合率范圍為[0,1]。設(shè)貝葉斯結(jié)果 p'=p(H|E),定義確信因子槽值正度量函數(shù)MB(p'),逆度量函數(shù)MD(p'),則通過(guò)先驗(yàn)條件概率計(jì)算的槽值公式如式(6)、(7)所示。
將MB(p'),MD(p')綜合為確信因子{cf}如式(8)所示。
因此,{cf}可以表達(dá)知識(shí)的槽值符合率。研究多知識(shí)觸發(fā)的{cf},給出包含知識(shí)全集Kf={kf1,kf2...kfn}的框架滿意度:
不確定性推理能很好地處理推理過(guò)程的不精確性、相對(duì)性、不完全性等一切不確定因素,能很好處理和計(jì)算條件不確定性對(duì)推理結(jié)論不確定性的影響,將主觀因素對(duì)推理過(guò)程和結(jié)果的影響降到最低。系統(tǒng)中的推理采用論據(jù)累計(jì)的貝葉斯方法和確信因子算法,實(shí)現(xiàn)模式的不確定性推理。在推理中,首先用戶輸入心理癥狀及其真值,在各心理癥狀匹配過(guò)程中,我們已根據(jù)心理知識(shí)和專家經(jīng)驗(yàn)獲得有效數(shù)據(jù)和統(tǒng)計(jì)信息,并定義了每一個(gè)事件的概率,同時(shí)各論據(jù)之間也相互獨(dú)立,使用貝葉斯推理使推理結(jié)果正確概率較高,更具有合理性和可操作性。在概率未知的框架內(nèi)槽值符合率的推理過(guò)程中,可使用確信因子,可以增量管理獲得的數(shù)據(jù)、合取式假設(shè)、析取式假設(shè),以及可信度不同的論據(jù)。利用貝葉斯方法和確信因子相結(jié)合的推理機(jī)制,所得結(jié)果比單一方法更合理,更有說(shuō)服力。
本文首先根據(jù)實(shí)際需求設(shè)計(jì)系統(tǒng)總體框架,然后根據(jù)規(guī)則衍生知識(shí)的思想構(gòu)建知識(shí)庫(kù),最后采用論據(jù)累計(jì)的貝葉斯方法和確信因子方法,實(shí)現(xiàn)模式的不確定性推理。大學(xué)生心理咨詢專家系統(tǒng)充分利用了人工智能領(lǐng)域的技術(shù)優(yōu)勢(shì)和人類心理專家的寶貴經(jīng)驗(yàn),具有準(zhǔn)確性高、擴(kuò)展性強(qiáng)等優(yōu)點(diǎn),可為大學(xué)生心理咨詢起到積極的輔助作用。
[1]江光榮.心理咨詢與治療[M].合肥:安徽人民出版社,2001.
JIANG Guangrong.Psychological Counseling and Treatment[M].Hefei:Anhui People's Press,2001.
[2]徐建才.高校個(gè)別心理輔導(dǎo)作用探究[J].集美大學(xué)學(xué)報(bào),2008,9(4):58-62.
XU Jiancai.Study on individual psychological counseling in colleges and universities[J].Journal of Jimei University,2008,9(4):58-62.
[3]賈爽.大學(xué)生心理咨詢專家系統(tǒng)的研究和實(shí)現(xiàn)[D].合肥:安徽大學(xué),2013.
JIA Shuang.College students psychological counseling expert system research and implementation[D].Hefei:Anhui University,2013.
[4]蔡自興,約翰·德?tīng)柦?,龔?高級(jí)專家系統(tǒng):原理、設(shè)計(jì)及應(yīng)用[M].北京:科學(xué)出版社,2005.
CAI Zixing,John·Durkin,GONG Tao.Advanced Expert System:Principles,Design and Application[M].Beijing:Science Press,2005.
[5]Kavsek MJ,Seiffge-Krenke I.The differentiation of coping traits in adolescence[J].International Journal Behavioral Development,1996.
[6]張可佳.基于混合智能的聚驅(qū)區(qū)塊生產(chǎn)動(dòng)態(tài)預(yù)警方法研究[D].大慶:東北石油大學(xué),2016.
ZHANG Kejia.Research on the Method of Production Dynamics Early Warning in Polymer Flooding Block Based on H.I.S.[D].Daqing:Northeast Petroleum University,2016.
[7]Joesph Giarratano著,印鑒等譯.專家系統(tǒng)原理與編程[M].北京:機(jī)械工業(yè)出版社,2000.Joesph Giarratano.Expert Systems Principles and Programming[M].Beijing:China Machine Press,2000.
[8]鄭麗敏.人工智能與專家系統(tǒng)原理及其應(yīng)用[M].北京:中國(guó)農(nóng)業(yè)大學(xué)出版社,2004.
ZHENG Limin.Artifical Intelligence and Expert System Principles and Application[M].Beijing:China Agricultural University Press,2004.
[9]Michael Negnevitsky著,陳薇等譯.人工智能—智能系統(tǒng)指南[M].北京:機(jī)械工業(yè)出版社,2012.
Michael Negnevitsky.Artificial Intelligence—A Guide to Intelligence Systems Third Edition[M].Beijing:China Machine Press,2012.
[10]尹朝慶,尹浩.人工智能專家系統(tǒng)[M].北京:水利水電出版社,2002.
YIN Chaoqing,YIN Hao.Artificial Intelligence Expert System[M].Beijing:Water Conservancy And Hydropower Press,2002.