社交网络中的抑郁症用户语言和行为特征分析及检测

摘要：

[目的/意义]通过在线工具来分析社交网络用户的语言和行为特征,对抑郁症患者进行预测性研究.[方法/过程]从推特上收集自我披露的抑郁症信息,提取抑郁症用户和正常用户在社交网络中的语言和行为特征信息.在对特征信息进行分析和验证的基础上,利用机器学习算法预测抑郁症用户.[结果/结论]研究发现,用户在社交网络上的语言和行为特征能够反映其心理状态,从中提取的各类特征可用于抑郁用户的检测.在抑郁症用户预测方法中,随机森林分类器的表现最好.基于Empath的词语类别特征在不同类型分类中具有最高的预测得分,而主题特征的得分排名较低.

关键词：抑郁症、社交网络、机器学习、分类、用户、语言、特征分析、检测

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学青年基金项目"社交媒体视域下的跨学科用户发现及其推荐研究"项目编号: 17CTQ047

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：76-87