基于多模态深度学习的高校学生心理健康分类与预警方法

本发明公开了基于多模态深度学习的高校学生心理健康分类与预警方法。首先收集并筛选高质量的学生数据，对收集的数据进行预处理，再构建BCL多模态深度学习模型，使用BERT提取文本特征，通过双路CNN捕获多尺度语义信息，将文本特征与静态特征融合后通过残差连接多层感知机进行分类。采用集成学习策略，针对五个谈话主题分别训练模型，并通过自适应权重机制融合预测结果，提高分类准确率和鲁棒性；最后部署模型并生成心理健康状态分类结果，对高风险学生进行预警，并提供干预建议。通过融合辅导员与学生谈话文本记录和个人背景数据特征，利用深度学习模型对学生心理健康状态进行精准分类，并提供有效的预警机制。