一种基于双层学习和模块控制的多维度心理健康评估方法

本发明公开了一种基于双层学习和模块控制的多维度心理健康评估方法，包括模块控制加权、双层学习框架和双向一致性约束，模块控制加权：基于最小支配集和控制频次，显式区分量表不同子项目在抑郁网络中的地位，实现差异化权重赋值；双层学习框架：先逐一模型对子项目预测，再加权合并得出总分，既保留多维度症状信息，又衔接最终的整体判断；双向一致性约束：在损失函数中加入子项目‑总分耦合项，保证局部预测与整体预测相互配合，从而增强可解释性与实用价值。本发明既实现子项目级别的精细预测和核心条目识别，又使子项目预测与整体分数预测在同一框架下得到双向约束，防止局部与整体间出现不一致，提升方法的可解释性和可靠度。