- · 《语言研究》栏目设置[09/30]
- · 《语言研究》数据库收录[09/30]
- · 《语言研究》投稿方式[09/30]
- · 《语言研究》征稿要求[09/30]
- · 《语言研究》刊物宗旨[09/30]
社交网络中的抑郁症用户语言和行为特征分析及(5)
作者:网站采编关键词:
摘要:4 结 语 本文使用推特数据研究用户语言和行为特征与抑郁症的关系,通过用户在推特上的交互行为、语言的结构、语言的Empath类别和语言的主题等特征,
4 结 语
本文使用推特数据研究用户语言和行为特征与抑郁症的关系,通过用户在推特上的交互行为、语言的结构、语言的Empath类别和语言的主题等特征,考察了利用社交网络数据进行抑郁症检测的可能性,通过T检验方法分析了各类特征与抑郁症的关系,对比了逻辑回归、支持向量机、朴素贝叶斯、决策树和随机森林等机器学习算法对抑郁用户的检测效果,其中,随机森林算法效果最好,准确率达到90%以上,证明了抑郁症这类心理疾病可以在一些在线环境中检测到。但本研究仍然存在一些不足。首先,对社交网络用户的分析主要集中在互动行为和文本内容上,没有考虑用户之间的连接关系,如用户之间的网络拓扑结构等。其次,本文只在一个相对较小的样本数据集上取得了较好的效果,这些结论的广泛性需要在更大的样本空间中进行验证。第三,该类研究还较少关注如何识别不知道自己心理健康状况的抑郁症患者。因此,如何将这些特征应用到临床规则中仍需要进一步的研究。
表4 Empath特征值词语类别词语比例抑郁用户组正常用户组p值词语类别词语比例抑郁用户组正常用户组p值<<<<<<<<<<<<<<<<<<<<<<<<<< <<<<<<<<<<<<<< <<<<==< and <<<<<<<<<<<<<<<< <<<<<=<<<<<<<=<<=<.1422p<0.001
图5 主题数与困惑度关系图
表5 抑郁症用户主题类别及高频词主题ID主题类别关 键 词3,5,13,17心理疾病Mental Illness,Cancer,Depression,Diagnose,Doctor,Bipolar,Anxiety,Therapy,Health,Suicide,Sick,Stigma,Therapist0,1,4,12,19情 感Love,Hate,Happy,Hard,Good,Great,Life,Cute,Sorry,Please,Free,Tied,Joke,Positive,Alone,Perfect,Thank,Excited,Kind,Miss,Forgive,Stupid,Hurt10,11,2,14,18症 状Sleep,Tied,Hopeless,Bitch,Wine,Pointless,Help,Shit,Mood,Bear,Hope,Deal,Kill,Repeat,Relationship,Soul,Wrong,Tear,Crazy6,7,8,9,15,16其 他Study,Work,Life,Thing,World,Talk,Music,Vedio,Twitter,Game,Think,Know,Follow,Meet,Concert,Friend Speak,Like,Tonight,Date
表6 不同分类方法结果对比分类方法PrecisionRecallF1_ScoreAUCLogistic
图6 不同特征预测效果
图7 特征重要性
总之,自然语言处理和机器学习的发展,使基于社交媒体信息筛选高危人群成为可能。但由此引发的一系列关于数据所有权和隐私保护的伦理和法律问题亟待解决。
[1]刘雅姝,张海涛,徐海玲,等.近三年国外图书馆学与信息科学领域研究热点与前沿分析[J].现代情报,2019,39(9):168-177.
[2]田大芳,魏瑞斌.2017年国际信息科学与图书馆学研究热点分析[J].现代情报,2018,38(8):125-129.
[3]世界卫生组织.抑郁症[EB/OL]. zh/ news-room/fact-sheets /detail/depression,2019-05-11.
[4]抑郁症:“心灵感冒”可治[EB/OL]. 2017/0329/ c-.html,2019-05-11.
[5]Shen G Y,Jia J,Nie L Q,et Detection via Harvesting Social Media:A Multimodal Dictionary Learning Solution[C]//Proceedings of the 26th International Joint Conference on Artificial Intelligence,Melbourne,Australia:IJCAI,2017:3838-3844.
[6]DIGITAL IN 2017:GLOBAL OVERVIEW[EB/OL]. special-reports/digital-in-2017-global-overview,2019-05-18.
[7]Wu Y Y,Kosinski M,Stillwell Personality Judgments Are More Accurate Than Those Made By Humans[J].Proceedings of the National Academy of Sciences,2015,112(4),1036-1040.
[8]Broniatowski D A,Paul M J,Dredze and Local Influenza Surveillance Through Twitter:An Analysis of the 2012-2013 Influenza Epidemic[J].PLoS One,2013,8(12):e.
[9]Chew C,Eysenbach in the Age of Twitter:Content Analysis of Tweets During the 2009 H1N1 Outbreak[J].PloS One,2010,5(11):e.
[10]Kass-Hout T A,Alhinnawi H.Social Media in Public Health[J].British Medical Bulletin,2013,108(1):5-24.
[11]L?we B,Kroenke K,Herzog W,et Depression Outcome with a Brief Self-report Instrument:Sensitivity to Change of the Patient Health Questionnaire(PHQ-9)[J].Affect Disord 2004,81:61-66.
[12]Seung W Choi,Benjamin Schalet,Karon F,et a Common Metric for Depressive Symptoms:Linking the BDI-II,CES-D,and PHQ-9 to PROMIS Depression[J].Psychological Assesment,2014,26:513-527.
[13]Radloff L S.The CES-D Scale:A Self-report Depression Scale for Research in the General Population[J]. Appl Psychol Meas,1977,(1):385-401.
[14]Beck A T,Steer R A,Brown G K.Beck Depression Inventory Ⅱ[J].San Antonio,1996,78:490-498.
[15]Chancellor S,Lin Z Y,Goodman E L,et and Predicting Mental Illness Severity in Online Pro-Eating Disorder Communities[C]//Proceedings of the 19th ACM Conference on Computer-Supported Cooperative Work & Social Francisco,USA:ACM,2016:1171-1184.
[16]Choudhury M D,De S.Mental Health Discourse on Reddit:Self- Disclosure,Social Support,and Anonymity[C]//Proceedings of the 8th International AAAI Conference on Weblogs and Social Media,Ann Arbor,USA:AAAI,2014:71-80.
[17]刘德喜,邱家洪,万常选,等.利用准私密社交网络文本数据检测抑郁用户的可行性分析[J].中文信息学报,2018,32(9):93-102.
文章来源:《语言研究》 网址: http://www.yyyjzzs.cn/qikandaodu/2021/0214/656.html
上一篇:岩土工程论文写作问题探讨
下一篇:语言与社会互动的典型意义