青春期是心理问题的高发期,其中心理疾病和自杀问题尤为突出。现有利用计算机相关技术解决心理预警问题的方式主要有两种,一是通过计算机辅助用户完成各类心理测试来发现用户心理问题,二是通过Fast Text等现有主流文本分类模型对用户对话做分类来识别用户的心理问题,前者预警效率低,后者预警准确率低。在青少年心理预警领域,本文引入BERT-Text CNN及其改进模型来提高现有主流分类模型的预警准确率,同时引入知识图谱技术,利用该技术来提高预警效率。（1）提出基于BERT-Text CNN的心理预警分类模型。基于BERT-Text CNN模型,根据心理咨询对话数据集中的烦恼类型、心理疾病、自杀倾向标签,分别建立预警分类模型,并与其他主流模型进行对比实验,结果显示本模型的准确率等指标都优于其他主流模型,模型在各标签上的准确率分别为0.705、0.857、0.960,表明了BERT-Text CNN分类模型在心理预警领域的可行性和有效性。（2）针对BERT预训练模型训练参数量大、速度慢等缺点,ALBERT采用了SOP和参数共享的训练策略,既增加了模型的语义信息又减少了训练参数。基于此,本文提出了ALBERT-Text CNN分类模型,并在相同数据集上展开实验,结果显示ALBERTText CNN相比BERT-Text CNN平均可减少2个Epoch,同时模型在三个标签上的准确率分别提高了约3.1%、1.8%、1.6%,表明了ALBERT-Text CNN模型在训练效率、准确率上的提升。进一步,针对ALBERT动态预训练模型初始化不稳定、收敛慢等问题,本文融合了静态预训练模型Glove,提出了ALBERT-Glove混合词嵌入机制,建立了ALBERT-Glove-Text CNN双通道分类模型,并与单通道模型进行对比实验,结果显示Glove-Text CNN效果较差,ALBERT-Glove-Text CNN相比ALBERT-Text CNN平均可减少1.3个Epoch,同时模型在三个标签上的准确率分别提高了约1.2%、1.1%、1.0%,表明了ALBERT-Glove-Text CNN双通道分类模型在训练效率、准确率上的提升。（3）按照自顶向下的知识图谱构建方式,设计了心理疾病、自杀倾向等本体和因果、顺承等关系,并给本体和关系添加属性,通过知识抽取获取图谱数据,利用Neo4j完成了心理预警知识图谱的构建工作,并分析了图谱的预警过程及原理。（4）基于前文的研究成果,从工程角度构建了两种应用服务,一是通过ALBERTGlove-Text CNN模型构建了心理预警分类应用服务,识别逐轮对话中的心理预警信息,二是基于心理预警知识图谱,通过图谱的运行机制构建了心理预警图谱应用服务,根据已获取的预警信息推理得到更多相关心理预警信息。以上应用服务将作为课题所属心理健康对话平台预警工作的基础。