心理咨詢專家系統(tǒng)推理模型設(shè)計(jì)?

楊玲玲

1 引言

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。

2 系統(tǒng)總體框架設(shè)計(jì)

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。

3 知識(shí)庫(kù)設(shè)計(jì)

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)

4 不確定性推理［9］

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。

5 結(jié)語(yǔ)

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.