基于抑郁词典社交网络心理障碍检测方法.docVIP

基于抑郁词典社交网络心理障碍检测方法 　　摘要：在中国，微博作为主流的社交媒体工具，是个人用户发表自己意见和表达情感的一个网络平台。?{研发现，抑郁用户和非抑郁用户在社交互动，语言使用，情绪表达上有着很大的不同，这也使得通过社交网络的方式获取数据建立预测模型成为可能。文章通过微博爬虫的方法获取抑郁与非抑郁用户微博数据，基于传统情感词典在抑郁预测上词语的局限性和不足，本文利用深度遍历词向量同义词的方法，构建适合预测抑郁场景的抑郁词典。结合知网情感词典，表情符号词典对用户博文进行情感分析，并在此基础上建立分类器进行用户的抑郁预测和分类。 　　关键词：微博；抑郁；词向量；分类预测 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）07-0244-04 　　现代社会节奏加快，人们工作和学习的压力都非常的大，每个人或多或少都有着心理上的问题，比如紧张，烦躁，焦虑甚至是抑郁。长期处于这种心理状态下会影响人们的工作和生活状态，并有可能发展为精神疾病，极大影响了人们的生活质量和水平，许多人因为心理障碍产生了消极的生活态度，严重的心理疾病患者甚至会做出过激的行为。每年因为心理疾病死亡的人数也在不断增加中，这更加让我们意识到心理问题的重要性。如何鉴定自己是否有心理障碍以及如何科学的防治是一个急需解决的问题。 　　心理疾病一般是慢慢积累而成，从偶尔的烦躁苦恼慢慢可以演变成频繁的焦虑甚至是严重的抑郁。但是对于自己是否存在心理障碍的迹象，个人主观一般会存在偏歧。一般情况下，心理问题的发现以及心理障碍的检测都是采用心理问卷的形式，这种方法虽然能很有效地检测出人们的心理障碍，但是需要患者意识到自身的心理问题进行主动的检测，并且很多抑郁患者对于自身的心理问题存在主观上的认知偏差，所以这种方式存在一定的局限性。 　　微博作为人们发表自己意见，抒发情感的一个常用的社交媒体软件，其文本，语音，图片，视频等包含了大量的语义及情感信息。通过获取用户的微博数据可以进行数据的分析，统计出处理所需的信息，并对这些信息用机器学习的算法进行学习，构造出关于心理障碍的分类器。利用这个分类器可以有效地鉴别出需要鉴定的用户哪些是有心理障碍的如抑郁焦虑等，对于这些人可以建议他们去医院做更深入的心理检测，从而遏制心理障碍的进一步扩大以及减少不理智行为的产生。 　　1相关研究 　　目前国外在社交网络和心理学统计方面已经有了很多成熟的研究和应用。麻省理工的心理学教授倾向通过TheBigFive（大五类人格特征）来描述人的人格与个性。大五类因素包括：严谨性、外向性、开放性、宜人性与神经质人格特质。0代表Openness to experience（开放性），C代表Conscientiousness（严谨性），E代表F.xtraversion（外向性），A代表Agreeableness（宜人性），N代表Neuroticism（神经质）。大五人格的研究对在心理学上研究心理障碍提供了理论支持，目前有基于大五人格的心理健康问卷供人们自我检测心理健康状态。 　　Balani S等人采集Reddit上的用户数据，通过进行数据分类，标签定制，特征定义之后开发了一个基于内容特征的分类器，对reddit上的帖子进行自我表达高中低的级别判断。并统计分析了个人自我表达的多少和心理健康状态之间的关系。 　　Choudhury M De等人采集Reddit上半匿名社区的用户的个人信息，帖子言论信息，与其他用户的互动信息等建立评分体系，依据评分结果建立用户预测分类模型。模型主要预测个人用户是否会在将来有自杀的想法或者行为。 　　Q Hu等人通过调查问卷的形式获取了心理评测人员的个人信息，并获取他们的微博信息。提取了静态特征以及动态特征在内的一共972个特征，经过特征分析后采用逻辑回归的方式进行分类器的构造，并进行了用户数据的回归分析。 　　国内研究者白朔天等人采用多任务回归学习预测微博用户的心理健康状况，并且构造了抑郁与焦虑的相关度分析。何跃等人采用了分词统计表情符号的方法，并采用SVM的方法构造情感分类器。 　　总体而言，目前国外在情感分类，抑郁检测等方面做得研究有很多，关注的心理障碍种类也很多，采用的方法都是基于机器学习的算法，分类主要集中于Facebook、Twitter以及reddit等这些社交媒体，也有Instagram上的相关研究。国内目前主要集中在微博情感分类上，但是很多都是针对微博文本本身的情感进行处理，以及针对微博文本语义上的处理，在特征的提取上多针对文本的信息，个人信息、语言行为特征等有所缺失。综上，微博数据有着很多可以挖掘和利用的信息，在帮助研究个人心理，人际关系方面有着很大作用。本文针对多用户的信息采集，采取多种特征的定义提取，并采用多