Integrasi Knowledge Graph dan CNN-GRU dalam Pendidikan Kesehatan Mental dan Intervensi Krisis Psikologis Mahasiswa

ABSTRAK
Untuk meningkatkan kemampuan prediktif perilaku depresi di kalangan mahasiswa dan meningkatkan sistem peringatan kesehatan mental bagi mahasiswa, penelitian ini mengusulkan model prediksi mesin vektor pendukung dengan grafik pengetahuan depresi dan model prediksi depresi dengan unit loop gerbang jaringan saraf konvolusional, menurut platform Weibo dan bahasa, jenis kelamin, perilaku, dan karakteristik emosional, untuk memprediksi perilaku depresi di kalangan mahasiswa. Model yang dibangun oleh lembaga penelitian mengungguli model perbandingan di semua indikator, dengan peningkatan rata-rata 9,95%, 12,2%, 14,55%, dan 11,55% dalam akurasi, ingatan, skor F1, dan presisi. Selain itu, nilai area di bawah kurva karakteristik operasi subjek dalam model prediksi akhir cenderung menjadi 0,872, yang merupakan peningkatan rata-rata 0,059. Akurasi, ingatan, skor F1, dan presisi model prediksi yang diusulkan telah ditingkatkan dengan rata-rata 0,216, 0,140, ​​0,169, dan 0,081. Dengan demikian, model yang dibangun oleh lembaga penelitian tersebut menunjukkan kemampuan prediktif yang unggul terhadap perilaku depresif, sehingga menyediakan referensi teoritis untuk mengoptimalkan sistem peringatan kesehatan mental bagi mahasiswa.