基于云计算技术的网络心理特征预测系统设计

2022-01-08慕祎

电子设计工程 2022年1期

慕祎

（榆林职业技术学院，陕西榆林 719000）

心理健康对于当代人来说至关重要，目前我国正在不断加强人类心理疾病治疗方式的推广，消除心理疾病歧视，提高心理特征预测的准确率，促进人类的健康生活，已经成为当今医学界密切关注的问题[1-2]。

虽然目前相关学者已经提出了心理疾病的概念和治疗方法，但是人们对于自身心理疾病的程度和状态不能准确地估计，因此提出网络心理特征预测系统[3]。传统的网络心理特征预测系统，对于人类的心理活动解析不准确，造成心理预测结果出现偏差，对一些群体造成不可挽回的伤害[4]。

云计算技术是目前研究的新型技术，具有较强的计算能力，可以在短时间内计算出大量数据，利用云计算技术分析网络信息特征数据，可以有效提高计算的准确性。因此该文提出基于计算机技术的网络心理特征预测系统，用于准确预测心理特征量。

1 系统硬件设计

该文设计的网络心理特征预测系统硬件由服务器、处理器、数据采集器三部分组成，系统的硬件结构如图1 所示。

图1 网络心理特征预测系统硬件结构

1.1 服务器

该文采用开源式的Web 服务器作为网络心理特征预测系统硬件区域的服务器，为系统提供运行基础，维护系统的正常运行。开源Web 服务器是目前计算机领域的核心服务器，在6.0版本的基础上进行了升级处理，使服务器不仅适用于不同类型的系统，而且拓宽了服务器的应用领域。Web服务器结构如图2所示。

图2 Web服务器结构

观察图2 可知，Web 服务器的服务端口为8080，此服务器端口的安全性高，如果更改服务器端口地址，需要输入密钥进入conf 文件完成属性更改操作[5-6]。Web 服务器对于系统内部的压缩包会自动检测并解压到同名文件夹内，保证系统内部数据的安全性。Web 服务器采用Linux 内核为运行驱动动力，为系统的运行提供基础，并且Linux 内核可以模拟各类型的软件开发工具，减少服务器后台出现负载量超额、硬件设备崩溃的情况，提高系统的稳定性[7-8]。

1.2 处理器

为了提高网络心理特征预测系统的运行速度，该文采用RTY96 型号的处理器，此处理器以HJO 芯片为核心，配置各类电路为配置，完成系统的运行操作。处理器内部的电路主要由电源转换电路、存储器电路、RS422 总线电路、模拟量采集电路构成，每个电路具有独自的功能和任务，相互之间协调调用，维护网络心理特征预测系统的正常运行[9]。处理器电路图如图3 所示。

图3 处理器电路图

处理器的模拟采集电路工作任务是完成网络心理特征信号的转换，为预测系统提供数据分析材料[10-11]。模拟采集电路在各个节点处设定一个FPGA引脚，一方面引脚采用双核多通道模式，提高电路反应速度，另一方面引脚通过信号的识别，控制采集电路各个节点的开关状态，提高电路的执行效率[12-13]。

HJO 芯片的输出端子为RCA 3.5 端子和平衡端子共同协调控制，提高处理器的数据传输速度，此芯片的面积为145 cm×145 cm，面积小，但是存储容量大，是一款性价比较高的芯片。HJO 芯片的信噪比高达140 dB，总谐波失真和噪音为-122 dB，具有较强的抗干扰能力，降低大众的网络心理特征识别分析误差[14-15]。

1.3 数据采集器

网络心理特征预测系统硬件区域数据采集器的任务是识别网络心理特征，系统根据特征识别结果，提出相应的预测方向。数据采集器的核心组件是逻辑控制组件和信号解调组件，电源组件和数据存储组件为辅助组件。数据采集器电路图如图4所示。

图4 数据采集器电路图

由图4 可知，逻辑控制组件是由半指定电路技术的集成电路支持运行的，逻辑控制组件主要用于提取网络心理特征语句，逻辑排序各个特征之间的关系，为系统的预测结果奠定基础。通过服务器内部的总线连接处理器硬核和系统内的逻辑处理网络心理资源。电源组件是实现系统正常运行的前提，如果电源组件的性能不强，经过一段时间系统的运行，硬件设备和软件系统都有损耗，会降低设备的使用寿命。电源组件以28 V 转5 V、±15 V 功能的DC/DC 模块为核心，并且具备电源过压自动保护，一旦预测系统内部出现5 V、±15 V 的交互电压，则立即断开相应电路[16]。

车牌号识别是通过读卡器远距离读卡器和车辆所贴标签，在电脑信息中录入的车辆信息进行读卡，两者相吻合后，道闸自动打开，车辆进去地磅实现无人值守过磅。

信号解调组件是具有调制组件和解调组件双重功能的组件，其工作任务是将软件区域传输的网络心理特征信号转换为数据的形式，方便系统的预测操作，预测分析后再将预测结果通过信号解调组件转换格式后，发送回软件区域，实现客户端的调用。

2 系统软件设计

云计算是集成网络计算、分布式计算、计算机虚拟技术、负载均匀技术等一些计算机技术的总称，是一种新型计算技术。云计算的功能是在云框架结构下，通过低成本的计算机实体网络完成高功能的计算操作。云计算的特点包括自助服务性、资源共享性、成本低效率高、便捷性。

网络心理是指个人通过网络媒介传递出自己对世界的真实看法和态度。网络心理特征指的是可以代表网络心理内涵的量。随着网络信息时代的发展，大众发表看法和观点都通过网络实现，因为网络具有言论自由的特点，正是因为网络发言自由，采集到的网络数据才具有可靠性和真实性。

HTTP协议也被称为超本文传输协议，是在TCP/IP协议功能的基础上，存于TLS 和SSL 协议层内置的一个请求响应问答协议，经过协议传输的数据都以ASCII 码的数据格式进行封装，该文采用2.0 版本的HTTP协议，在原有基础上扩充了许多功能。HTTP 协议是安全性较高的协议，可以满足网络心理特征预测系统数据的保密性要求。基于云计算技术的网络心理特征预测系统软件处理流程如图5 所示。

图5 系统软件流程

由图5 可知，软件区域通过调用数据采集器在网络范围内搜寻关于心理状态的关键词和用户在网络中的行为，在数据采集器的数据存储组件中，管理人员定期向组件中存入网络心理关键词和关键行为，提高数据采集的准确率。网络心理数据的采集过程是首先提取存储组件中的心理关键词和关键行为，然后启动数据采集模块，调用云计算技术，在互联网范围内采集数据。

在完成网络心理数据采集后，将采集到的网络心理数据进行网络心理特征提取和选择操作。通过心理语句的使用频率和一些网络行为（重复点击页面提示条、查询偏激资料等）对比，将高频敏感词和违规行为进行排序，采用数据的归一化处理，提取出网络心理特征量。提取网络心理特征量的辅助公式如式（1）所示：

其中，独立变量的p个向量为（x1,x2,…,xp）。

事件yi发生的概率如式（2）所示：

其中，djt为网络心理特征量，M为网络心理量的总样本，yjt为常数。

预测公式如式（5）所示：

其中，p（A）为网络心理有效特征量占网络心理特征总量的概率，p（B）为网络心理特征的频率。如果网络心理特征关键词的相关度大于70%，那么此网络心理关键词是有效的网络心理特征。

3 实验研究

为了验证该文提出的基于云计算技术的网络心理特征预测系统的有效性，与传统基于数据挖掘的网络心理特征预测系统、基于小波计算的网络心理特征预测系统进行对比实验。设定实验参数如表1所示。

表1 实验参数

根据上述实验参数，选择该文系统与传统系统对网络心理特征进行预测，得到的预测结果准确率如图6 所示。

图6 预测结果准确率

由图6 可知，该文提出的基于云计算技术的网络心理特征预测系统预测准确率远高于传统系统。

云计算的自助服务性表现为提高预测系统的功能性，可以根据客户端申请的命令完成相应的计算，而不是客户作为被动方，操作局限的系统功能。云计算可以调用系统内任意区域的资源，并且可以对资源进行自由扩展，以降低成本提高系统的运行效率，使云计算具有新奇和复杂的计算架构和创新潜能。

预测时间实验结果如表2 所示。

表2 预测时间实验结果

由表2 可知，该文提出的系统预测时间更短，根据有效的网络心理特征对网络内的数据和行为进行分析，准确地预测出发展趋势下的网络心理特征，健康引导大众的心理发展。预测系统通过网络心理特征的频率和网络心理关键词的相关度，基于云计算技术在网络预测系统中设定心理网络特征的个数，分别计算各个网络心理特征的相关度，选取相关度最大的网络心理特征。