一种基于养老机器人的健康监测方法及其养老机器人与流程

本发明涉人工智能，尤其涉及一种基于养老机器人的健康监测方法及其养老机器人。

背景技术：

1、随着社会老龄化，老人的数量越来越多，然而年轻人陪伴老人的时间越来越少，因此，随时时间的推移，老年人的心理可能会出现问题，如出现抑郁的可能。现在主要监测老年人的心理主要是基于老年人的行为，或者请专门的医生对老年人进行检查。然而主观的观察老年人的行为监测老年人的心理问题存在主观性，因此导致抑郁症判断准确低。请专门的医生对老年人进行检查，确定老年人的心理是否存在问题会导致成本的增高。

技术实现思路

1、本发明针对现有技术中存在的技术问题，提供一种基于养老机器人的健康监测方法及其养老机器人，用以提高抑郁症判断准确性以及降低预测成本。

2、第一方面，本发明提供一种基于养老机器人的健康监测方法，包括：

3、基于养老机器人获取用户在社交平台发布的历史贴文；

4、基于历史贴文通过预设的大语言模型提取抑郁症状特征、情绪历程特征和文本历史特征；

5、将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接，构建最终特征向量；

6、将所述最终特征向量输入至预训练的预测模型，通过所述预测模型经过多次迭代后输出预测值，基于预测值生成解释性输出。

7、根据本发明提供的一种基于养老机器人的健康监测方法，所述基于历史贴文提取抑郁症状特征，具体包括：

8、基于历史贴文通过预设的文本嵌入模型将贴文内容与症状模板进行文本嵌入；

9、计算每个历史贴文与症状模板之间的平均相似度，通过预设的用于注释的大语言模型对超出第一预设值的平均相似度对应的历史贴文进行注释；

10、根据经过用于注释的大语言模型注释的历史贴文对应的症状模板计算抑郁症状向量，获取抑郁症状特征。

11、根据本发明提供的一种基于养老机器人的健康监测方法，所述基于历史贴文提取情绪历程特征，具体包括：

12、获取历史贴文，通过预设的情绪嵌入模型将贴文内容与情绪模板进行文本嵌入；

13、计算所有历史贴文与每个情绪模板之间的相似度，获取相似度超过第二预设值的历史贴文，形成情绪集合；

14、基于所述情绪集合通过预设的用于情绪描述的大语言模型合成用户的情绪历程描述，获取情绪历程特征。

15、根据本发明提供的一种基于养老机器人的健康监测方法，所述基于历史贴文提取文本历史特征，具体包括：

16、将历史贴文通过预设的用于文本提取的大语言模型提取文本嵌入量；

17、基于所述文本嵌入量构建历史贴文集合，生成文本历史特征。

18、根据本发明提供的一种基于养老机器人的健康监测方法，所述将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接，构建最终特征向量，具体包括：

19、将所述情绪历程特征和文本历史特征进行直接集成相加，生成中间特征；

20、基于所述中间特征与抑郁症状特征进行拼接，生成最终特征向量。

21、根据本发明提供的一种基于养老机器人的健康监测方法，将所述最终特征向量输入至预训练的预测模型，通过所述预测模型经过多次迭代后输出预测值，基于预测值生成解释性输出，具体包括：

22、将所述最终特征向量输入至预训练的预测模型，基于预训练的预测模型通过梯度提升树构建决策树集合；

23、在决策树集合内选择最优分裂标准自动执行特征交互，完成特征融合，输出预测值；

24、基于所述预测值通过预设的用于文本解释的大语言模型生成文本类型的解释性输出。

25、第二方面，本发明还提供一种养老机器人，包括机器人控制中台、特征获取模块、特征提取模块、特征聚合模块和预测模块，所述机器人控制中台分别与所述特征获取模块、所述特征提取模块、所述特征聚合模块和所述预测模块连接，对各个模块进行控制和管理；

26、特征获取模块，用于基于养老机器人获取用户在社交平台发布的历史贴文；

27、特征提取模块，用于基于历史贴文通过预设的大语言模型提取抑郁症状特征、情绪历程特征和文本历史特征；

28、特征聚合模块，用于将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接，通过构建决策树集合生成最终特征向量；

29、预测模块，用于将所述最终特征向量输入至预训练的预测模型，通过所述预测模型经过多次迭代后输出预测值，基于预测值生成解释性输出。

30、第三方面，本发明还提供一种电子设备，包括：存储器，用于存储计算机软件程序；处理器，用于读取并执行所述计算机软件程序，进而实现如上述任一种所述基于养老机器人的健康监测方法。

31、第四方面，本发明还提供一种非暂态计算机可读存储介质，其特征在于，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现如上述任一种所述基于养老机器人的健康监测方法。

32、第五方面，本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种所述基于养老机器人的健康监测方法。

33、本发明提供的基于养老机器人的健康监测方法，利用养老机器人的高智能性，大语言模型强大的文本理解能力，评估每个用户的高风险文本是否反映出抑郁症状，从而为每个用户构建专家特征。此外，为了建模用户的情绪历程，使用文本嵌入模型来过滤情绪强度高的帖子，并利用大语言模型将这些文本总结成用户的情绪历程描述。这些情绪强度高的文本和情绪历程描述随后被向量化，生成情绪变化过程的表示。为了解决高准确性和高可解释性兼得的挑战，结合不同空间的特征，通过使用梯度提升树产生最终判断，达到了高准确性，实现对抑郁症的准确预测并降低预测成本。

技术特征：

1.一种基于养老机器人的健康监测方法，其特征在于，包括：

2.根据权利要求1所述的基于养老机器人的健康监测方法，其特征在于，所述基于历史贴文提取抑郁症状特征，具体包括：

3.根据权利要求1所述的基于养老机器人的健康监测方法，其特征在于，所述基于历史贴文提取情绪历程特征，具体包括：

4.根据权利要求1所述的基于养老机器人的健康监测方法，其特征在于，所述基于历史贴文提取文本历史特征，具体包括：

5.根据权利要求1所述的基于养老机器人的健康监测方法，其特征在于，所述将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接，构建最终特征向量，具体包括：

6.根据权利要求1所述的基于养老机器人的健康监测方法，其特征在于，将所述最终特征向量输入至预训练的预测模型，通过所述预测模型经过多次迭代后输出预测值，基于预测值生成解释性输出，具体包括：

7.一种养老机器人，其特征在于，所述养老机器人包括机器人控制中台、特征获取模块、特征提取模块、特征聚合模块和预测模块，所述机器人控制中台分别与所述特征获取模块、所述特征提取模块、所述特征聚合模块和所述预测模块连接，对各个模块进行控制和管理；

8.一种电子设备，其特征在于，包括：

9.一种非暂态计算机可读存储介质，其特征在于，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现如权利要求1-6任一项所述的基于养老机器人的健康监测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于养老机器人的健康监测方法。

技术总结本发明涉人工智能技术领域，提供一种基于养老机器人的健康监测方法及其养老机器人，该方法包括：基于养老机器人获取用户在社交平台发布的历史贴文；基于历史贴文通过预设的大语言模型提取抑郁症状特征、情绪历程特征和文本历史特征；将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接，构建最终特征向量；将所述最终特征向量输入至预训练的预测模型，通过所述预测模型经过多次迭代后输出预测值，基于预测值生成解释性输出。本发明提高了抑郁症判断准确性以及降低了预测成本。技术研发人员：彭孔涛,李文华,曹忠文受保护的技术使用者：深圳市视壮科技有限公司技术研发日：技术公布日：2024/11/18