[发明专利]一种基于多因子量表数据的心理发展水平评估方法及系统

权利要求书

1.一种基于多因子量表数据的心理发展水平评估方法，其特征在于，所述方法包括：

获取数据库模块中存储的所有用户原始数据；所述用户原始数据中包括多个用户作答的量表题目答案及对应的答题时间；

对所述用户原始数据进行数据清洗，筛选出用户认真作答的量表题目答案作为样本点；

根据所述样本点建立单因子评估模型并确定每一个所述样本点对应的心理发展水平；

所述根据所述样本点建立单因子评估模型并确定每一个所述样本点对应的心理发展水平，具体包括：

获取所述样本点中用户认真作答的单量表题目答案对应的样本点作为单量表样本点；

采用最大最小距离算法确定多个所述单量表样本点的单量表初始聚类中心；

根据所述单量表初始聚类中心，采用K-means聚类算法迭代计算多个所述单量表样本点的单量表聚类中心，并将多个所述单量表样本点聚类为多个单量表簇；

将所述单量表聚类中心作为所述单因子评估模型；每个所述单量表簇对应一个心理发展水平；所述单量表样本点所在单量表簇对应的心理发展水平即为所述单量表样本点对应的心理发展水平；

根据所述心理发展水平确定多因子题目组；

根据所述多因子题目组对应的题目答案建立多因子评估模型；

获取当前用户作答的当前量表的当前题目答案；

根据所述当前量表的类型确定采用所述单因子评估模型或所述多因子评估模型作为当前评估模型；

根据所述当前题目答案和所述当前评估模型评估所述当前用户的心理发展水平。

2.根据权利要求1所述的心理发展水平评估方法，其特征在于，所述对所述用户原始数据进行数据清洗，筛选出用户认真作答的量表题目答案作为样本点，具体包括：

判断所述用户原始数据中第i个用户作答的量表题目答案中是否含有缺失值，获得第一判断结果；

若所述第一判断结果为第i个用户作答的量表题目答案中含有缺失值，剔除所述第i个用户作答的量表题目答案；

若所述第一判断结果为第i个用户作答的量表题目答案中没有缺失值，保留所述第i个用户作答的量表题目答案，形成预筛选后的数据集；

判断所述预筛选后的数据集中第i个用户作答的量表题目答案对应的答题时间是否在预设答题时间范围内，获得第二判断结果；

若所述第二判断结果为第i个用户作答的量表题目答案对应的答题时间不在预设答题时间范围内，剔除所述第i个用户作答的量表题目答案；

若所述第二判断结果为第i个用户作答的量表题目答案对应的答题时间在预设答题时间范围内，将所述第i个用户作答的量表题目答案作为用户认真作答的量表题目答案；

将第i个用户认真作答的量表题目答案组成一个列向量作为第i个样本点。

3.根据权利要求1所述的心理发展水平评估方法，其特征在于，所述根据所述心理发展水平确定多因子题目组，具体包括：

获取用户作答的多因子量表中的所有题目；

将所述题目作为自变量，将所述用户的心理发展水平作为因变量，通过有序多项逻辑回归模型得到每一个所述自变量与所述因变量之间的系数；

将每一个所述系数以预设值为显著性水平作T检验，得出与所述因变量显著相关的所述自变量；与所述因变量显著相关的所述自变量即为与所述心理发展水平显著相关的多因子题目组。

4.根据权利要求3所述的心理发展水平评估方法，其特征在于，所述根据所述多因子题目组对应的题目答案建立多因子评估模型，具体包括：

将每个用户作答的多因子题目组的题目答案组成一个列向量作为多因子量表样本点；

采用最大最小距离算法确定多个所述多因子量表样本点的多因子量表初始聚类中心；

根据所述多因子量表初始聚类中心，采用K-means聚类算法迭代计算多个所述多因子量表样本点的多因子量表聚类中心，并将多个所述多因子量表样本点聚类为多个多因子量表簇；

将所述多因子量表聚类中心作为所述多因子评估模型；每个所述多因子量表簇对应一个心理发展水平。