一种基于RPA的大学生情绪分析预警机器人设计

邓 河 郭 飞

（长沙民政职业技术学院，湖南 长沙 410004）

当代大学生因学业、就业、人际关系、恋爱或家庭等因素造成压力过大，挫折应对不良等问题，加之身心发展不平衡，容易引发各种心理危机。根据《2022年大学生心理健康状况调查报告》显示，大约21.48%的大学生可能存在抑郁风险，45.28%的大学生可能存在焦虑风险。更有甚者引发急性精神疾病，发生自杀、凶杀等恶性后果，严重威胁着大学生身心健康和生命安全，影响着家庭、学校和社会的和谐、稳定。

而高校辅导员老师作为学生心理健康成长的引领者，有必要适时地了解学生心理动态和情绪危机，以便能及时干预，避免学生因不良情绪带来的危害。随着新媒体时代的到来，社交媒体作为分享意见、经验、观点的工具和平台，已经逐渐成为当代大学生表达情绪的主要途径和通道，这也成为了高校辅导员了解学生情绪动态的一个重要窗口[1]。本文研究基于机器人流程自动化（Robotic Process Automation，RPA）技术，通过自动采集学生社交媒体上的文章及留言等内容，完成对学生积极情绪和消极情绪的自动分析、自动预警等功能，便于辅导员老师能全面实时监测学生的情绪状态并及时干预。

RPA是一种非侵入的自动化技术[2]，它依据预先录制的脚本模拟人操作电脑的行为，与应用系统进行交互并完成预期任务。其技术原理是模拟人的手工操作，将人的重复性、有一定规则性的工作转变为机器人工作，从而代替人工操作。

1 机器人流程定义

机器人流程定义阶段主要完成PDD（Process Definition Document）文档的撰写。PDD文档也叫流程定义文档，用于记录RPA流程自动化开发中的需求分析阶段，分析记录用户与开发方达成的流程设计方案。PDD文档是RPA自动化流程开发的第一环节，体现了RPA自动化流程开发的规范和指南，为下一步RPA自动化流程的细化和脚本实现做准备。

现阶段可以提供学生发布信息的国内媒体非常多，有新闻中的评论、论坛留言、微信朋友圈、微博、QQ空间等等。高校辅导员在实际工作过程中，需要经常性查看学生的微信朋友圈和QQ动态信息，以监测学生的心理健康情况。本文以微信朋友圈和QQ好友动态为信息采集来源，通过RPA技术实现自动采集、自动分析、自动预警。大学生情绪分析预警机器人业务流程定义如图1所示。

表1 机器人流程定义说明

图1 机器人流程定义

2 机器人流程方案设计

机器人流程方案设计阶段完成的成果物是SDD（Solution Design Document）文档，SDD文档也叫方案设计文档，用于设计满足自动化流程项目需求的方案，是RPA开发中PDD文档之后的第二个环节，为下一步编码做准备。具体SDD文档正文主要包括三部分内容，分别是整体设计、流程设计和输入输出规范。其中，整体设计用于分析说明自动化流程的部署和所需要用到的各系统之间的交互关系[3]；在整体设计的基础上，流程设计对编码中所需开发的正常流程和异常流程进行设计；此外，还需对编码过程中的文件、文件夹和命名进行规范。

2.1 整体设计

整体设计包括环境部署和系统交互。由于RPA自动化流程常常涉及用户公司内部业务，需要在内网执行，但又需要和外网的系统相交互，因此需要考虑网络环境的部署和系统交互关系。情绪分析预警机器人涉及的系统及程序表如表2所示。

表2 情绪分析预警机器人涉及的系统及程序表

2.2 流程设计

流程设计部分描述机器人需要执行的完整的正常流程。情绪分析预警机器人的正常流程如图2所示。

图2 机器人流程设计图

流程设计图的关键流程步骤说明如表3所示。

2.3 输入输出规范

设计过程中，还需对编码过程中的文件、文件夹和命名进行规范，情绪分析预警机器人的输入输出规范如图3所示。

图3 输入输出规范

3 机器人流程实现

本文机器人的实现采用Uibot软件工具实现。使用流程创造者工具创建机器人流程，分别实现抓取信息、情绪分析两个子流程。

在前期，还需准备一个数据抓取名单表格，表格字段包括学生的学号、姓名、联系电话、QQ号、微信号。另外，还需准备一个json格式的配置文件，配置好账号及加密的密码等信息。

3.1 抓取信息子流程

抓取信息子流程主要用于采集学生社交媒体上公开发布的信息，包括QQ动态消息和微信朋友圈信息，通过Uibot设计流程自动完成信息采集功能，依次进入名单中的学生QQ空间和微信朋友圈，实现文章数据的采集。实现伪代码如下。

3.2 情绪分析子流程

本文基于知网情感词典（HowNet）来实现学生情绪分析。HowNet词典包括中文词语和英文词语，不同语言的词语又分为正面评价词语、负面评价词语、正面情感词语、负面情感词语、程度级别词语和主张词语。如图4所示。

图4 知网情感词典（HowNet）展示图

学生情绪分析具体步骤如下：

1.对文本进行分句，得到分词分句后的文本语料（使用哈工大的自然语言处理包Pyltp来实现分词和句子切分）。

2.分析和计算语句的情绪值（积极或消极）。具体规则是：

（1）首先计算和统计语句中的情绪词数量，即正面评价词语、负面评价词语以及正面情感词语和负面情感词语的数量。

（2）统计情绪词前后的程度副词，根据程度副词赋予不同的权重，乘以情绪词数量。

（3）以同样的方式加权句末的情感加强符号，如感叹号。

（4）统计语句的情绪值（正面值-负面值）。

3.统计整段文本的情绪值（所有语句正面值-所有语句负面值），得到该段文本作者所表达的情绪。

整体流程框图如图5所示。

图5 情绪分析处理流程图

具体实现中，使用Python语言开发情绪分析插件，然后在Uibot中调用此插件完成情绪分析。具体步骤如下：

（1）在终端窗口用命令“pip install pyltp”安装好Pyltp4.0，即哈工大自然语言处理包。

（2）在哈工大LTP主页上下载LTP模型，用于分词。

（3）编写Python情绪分析插件（代码编写见图5流程）。

（4）在Uibot中调用此插件，完成文本情绪分析。

3.3 分析预警统计报告

最后，情绪分析预警机器人可以按照指定的某天或指定的某个时间段，自动形成Excel格式的统计报告并发送至辅导员老师邮箱。统计报告如图6所示，按其设置预警阈值，机器人将其标红显示。

4 结束语

本文研究并实现了基于RPA技术的大学生情绪分析预警机器人。机器人的实现帮助了高校辅导员老师自动抓取并智能分析预警学生情绪，大大提高了老师的工作效率，并且能使老师及时介入对学生情绪方面的管理工作。为RPA技术的具体应用抛砖引玉。在接下来的研究中，将结合自然语言处理技术，进一步提高情绪分析的准确度，研究在“AI+RPA”模式[4]下高校学生心理预警云平台建设的相关问题。