基于易感人格语言特征的抑郁风险分析与预测

摘要：

目的:基于社交媒体数据,探究易感人格语言特征与抑郁风险之间的关系,为抑郁预防与心理健康服务提供依据.方法:通过Python爬取新浪微博用户在 2016-2021 年的原创微博文本,并用易感人格与"文心"词典提取词类特征,构建多种机器学习模型进行抑郁分析与预测.结果:抑郁与非抑郁两类用户在易感人格语言的使用上存在显著差异,表现为抑郁用户在以下 5 维度的词频上显著高于非抑郁用户:封闭防御(F=700.32,P<0.001)、敏感好胜(F=671.50,P<0.001)、自我专注(F=590.09,P<0.001)、退让顺从(F=514.05,P<0.001)、严谨认真(F=48.57,P<0.001);其次,基于易感人格特征进行抑郁预测,在准确率、精确率及 F1 分数上比"文心"高出 0.4%～6.5%.本文考虑到两类特征可能存在互补性,合并两词典中所有显著的特征,在梯度提升树分类器上预测效果最好,准确率达 83.9%,F1 分数达 82.4%.结论:本文开发的抑郁易感人格词典性能良好,提取的语言特征有利于解释抑郁的成因,且能较为准确地对抑郁风险进行自动预测.

关键词：抑郁易感人格、抑郁风险识别、心理词典、社交媒体

所属期刊栏目：31

分类号：R395.4

资助基金：国家自然科学基金;面向可持续发展的人工智能公益研究计划项目

在线出版日期：2023-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1281-1287