功能：资源推送系统
字数
2521 字
阅读时间
10 分钟
功能简介
基于用户情绪状态、行为数据和风险等级，智能推送个性化的心理资源，包括解压视频、放松音乐、心理文章、自助工具等，实现精准的心理健康支持。
所在页面
- 资源推送中心：主要功能页面，集中展示个性化推荐、分类资源库、推送设置和效果反馈
- 今天 Tab：情绪打卡后的智能推荐入口
- 树洞 Tab：风险预警时的资源推送
- 心情随笔 Tab：连续负向情绪的关怀推送
- 我的 Tab：定期健康推送和收藏管理
- 全局：基于用户行为的个性化推送通知
交互说明
1. 情绪打卡后推送
用户完成情绪打卡后，系统根据情绪状态立即推送相关资源：
- 焦虑状态：推送时间管理、放松技巧、正念练习资源
- 抑郁状态：推送活力唤醒、社交活动、成就感建立资源
- 愤怒状态：推送情绪调节、冲突处理、压力释放资源
- 开心状态：推送情绪维持、感恩练习、分享表达资源
2. 风险预警时推送
当系统检测到风险信号时，主动推送针对性资源：
中风险场景 (L2/R3级) 资源推送
- 触发条件：系统判定用户处于中等风险状态
- 推送形式：在"树洞"帖子或"今天"页面顶部显示橙色提示条
- 推送内容：
- "查看资源"选项：引导至资源地图页面
- "联系辅导员"选项：提供校内心理支持渠道
- 结构化自助工具包：针对中等风险的心理调适工具
- 资源整合：包含校内心理中心、辅导员联系方式、社团活动和外部公益热线等多种求助渠道
高风险场景 (L3/R4级) 资源推送
- 触发条件：风险升级为高度状态
- 推送形式：通过红色高亮的安全提示条强制展示
- 推送内容：
- SOS紧急支持入口：一键触发紧急求助流程
- 校园心理咨询入口：直接连接专业心理服务
- 强制性资源引导：确保用户以最短路径获得专业帮助
- 强制性机制：用户无法忽略提示，必须选择相应操作
低风险场景 (L1级) 资源推送
- 触发条件：系统检测到轻度风险信号
- 推送形式：温和的提醒和建议
- 推送内容：自我关怀资源、放松练习、基础心理调适工具
3. 定期健康推送
基于用户行为模式和健康需求，定期推送：
- 每周一：新的一周心理调适建议
- 每周三：中期压力管理提醒
- 每周五：周末放松和社交活动建议
- 每月初：心理健康月度计划和回顾
4. 个性化推荐机制
系统根据用户画像和行为数据，实现精准推荐：
- 情绪标签匹配：基于历史情绪数据推荐相关资源
- 行为模式分析：根据任务完成情况和资源使用反馈优化推荐
- 时间场景感知：结合时间段（考试周、假期等）调整推送内容
- 用户反馈学习：基于用户对资源的评价和收藏持续优化算法
5. 资源交互功能
用户可以对推送资源进行多种交互：
- 立即查看：点击推送通知直接打开资源详情
- 收藏管理：将有用资源收藏到个人资源库
- 效果反馈：对资源帮助程度进行评分（1-5星）
- 分享功能：将资源分享给朋友（在授权范围内）
- 稍后查看：将资源加入待看列表
界面元素
推送通知组件
- 推送卡片：包含资源标题、类型图标、简介、预览图
- 个性化标签：显示"为你推荐"、"热门资源"、"同类用户也在看"等标签
- 操作按钮："立即查看"、"收藏"、"不感兴趣"等快捷操作
资源详情页
- 资源展示：视频播放器、文章阅读器、音乐播放器等
- 相关信息：资源分类标签、使用时长、难度等级
- 推荐理由：说明为什么推荐这个资源给用户
- 相关资源：展示同类或系列资源推荐
个人资源库
- 收藏管理：用户收藏的资源列表，支持分类筛选
- 使用记录：资源查看历史和使用统计
- 偏好设置：资源推送偏好设置（类型、频率、时段）
数据需求
资源数据
resources：资源库表，包含资源ID、类型、标题、描述、内容、标签resource_categories：资源分类表，管理资源类型和层级关系resource_tags：资源标签表，支持多维度标签体系
推送数据
push_recommendations：推送记录表，记录推送时间、资源、用户、触发原因user_preferences：用户偏好表，存储用户对资源类型的偏好设置push_feedback：反馈数据表，记录用户对推送的交互和评价
分析数据
resource_analytics：资源使用分析表，统计资源使用效果recommendation_metrics：推荐算法指标表，跟踪推荐准确性和用户满意度user_engagement：用户参与度表，分析用户与推送资源的互动情况
推送策略
触发条件
- 情绪触发：情绪打卡检测到特定情绪状态
- 风险触发：风险等级达到预设阈值
- 时间触发：定期健康推送和特殊时间点
- 行为触发：用户行为模式变化（如连续多天未完成任务）
- 系统触发：新资源上线或系统功能更新
推送规则
- 频率控制：同一用户每日最多推送3次，避免过度打扰
- 内容去重：避免短时间内推送相似内容
- 时间窗口：尊重用户设置的免打扰时间段
- 质量优先：优先推送高评分、高相关性的资源
- 个性化权重：基于用户历史反馈调整推荐权重
效果评估
- 打开率：推送通知的点击打开比例
- 完播率：视频/音频资源的完整观看比例
- 收藏率：资源被收藏的比例
- 评分均值：用户对资源的评分统计
- 转化率：资源使用后用户情绪改善的比例
技术实现
推荐算法
- 协同过滤：基于相似用户的行为数据进行推荐
- 内容推荐：基于资源标签和用户偏好匹配
- 场景推荐：基于时间、场景、情绪状态的上下文推荐
- 混合推荐：结合多种算法的综合推荐策略
数据处理
- 实时计算：用户情绪打卡和风险预警的实时推送
- 批量处理：定期健康推送的批量计算和发送
- 离线分析：用户行为数据的离线分析和模型训练
- A/B测试：不同推送策略的效果对比和优化
隐私保护
数据安全
- 匿名化处理：用户行为数据匿名化，保护个人隐私
- 最小权限：仅收集必要的推荐相关数据
- 加密存储：敏感数据加密存储，防止泄露
- 访问控制：严格的数据访问权限控制
用户控制
- 推送开关：用户可以完全关闭推送功能
- 偏好设置：用户可以设置推送类型和频率偏好
- 反馈机制：用户可以对推送内容进行评价和反馈
- 数据导出：用户可以导出自己的偏好和使用数据
后续优化
功能扩展
- 智能对话推荐：在AI对话中实时推荐相关资源
- 社交推荐：基于好友关系的资源分享和推荐
- 专家推荐：心理专家精选和推荐的资源
- 场景化推荐：基于特定场景（如考试、求职）的专项资源包
算法优化
- 深度学习：引入深度学习模型提升推荐准确性
- 多目标优化：同时优化推荐准确性、多样性和新颖性
- 实时反馈：基于用户实时反馈动态调整推荐策略
- 跨平台整合：整合多平台数据，构建更完整的用户画像
贡献者
Cai Hongyu