基于智能手机感知数据的心理压力评估方法

作     者：王丰 王亚沙 王江涛 熊昊一 赵俊峰 张大庆 Wang Feng;Wang Yasha;Wang Jiangtao;Xiong Haoyi;Zhao Junfeng;Zhang Daqing

作者机构：高可信软件技术教育部重点实验室(北京大学)北京100871 北京大学信息科学技术学院北京100871 计算机网络和信息集成教育部重点实验室南京210018 北京大学软件工程国家工程研究中心北京100871 密苏里科技大学计算机科学系美国密苏里州罗拉65409 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2019年第56卷第3期

页      面：611-622页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(61772045) 

主　　题：心理压力 情境感知 特征工程 自动评估 机器学习 

摘      要：较大的心理压力对大学生的心理和生理均会产生危害.心理压力往往在前期容易被人忽视,从而导致严重的问题.因此,如果能较早发现心理压力,并进行合理干预,有益于人的身心健康.传统心理压力检测方法以问卷调查和借助专业设备的评估为主,但都存在成本较高,且对被评估对象侵扰较大等不足.另一方面,随着智能手机的快速普及,通过手机中内置的位置、声音、加速度等多种传感器感知用户的行为习惯,并基于感知数据评估用户心理压力成为一种低成本、低侵扰的心理压力评估手段.在此背景下,针对基于智能手机感知数据分析,对评估大学生心理压力的方法展开了研究,从感知数据中提取合理的特征,提出了一种更高效的心理压力评估方法.首先,讨论了如何从原始的手机感知数据提取出合理的特征;其次,介绍将心理压力评估转化为分类问题,并使用半监督学习方法构造分类模型;最后,在开放数据集StudentLife上对上述模型进行实验验证.实现结果表明:该方法在心理压力检测精确度和召回率等方面均优于基线方法.