基于胶囊网络模型的抑郁症预测研究

摘要：

抑郁症已经成为世界第四大疾病,并且具有高发病率,由于精神问题的诊断十分困难,抑郁症的治疗率很低.随着互联网的发展,社交媒体被越来越多的人使用,人们倾向于在社交媒体上表达自己的观点,这就为研究者创造了大量可以使用的数据,但是抑郁症预测不等同于文本分类,存在难以找到判定抑郁的统一标准,以及难以构建神经网络模型两个问题.对此,提出了一种融合局部和整体特征的胶囊网络模型,该模型将情绪词典和胶囊网络进行融合,可以有效地发现微博用户中潜在的抑郁症患者.模型分为局部特征选择和整体特征提取两部分,对于局部特征通过情绪词典进行选取,对于整体特征则使用胶囊网络模型进行学习,将两部分特征进行融合,得到该微博用户的抑郁症预测概率.实验结果表明,提出的模型相较于用于文本分类的模型KNN、DNN、TextCNN和BiRNN等,在针对微博文本的抑郁症预测方面具有较高的准确率,能够有效地识别微博用户中潜在的抑郁症患者.

关键词：微博;抑郁症;情绪词典;胶囊网络;文本分类

所属期刊栏目：31

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金61872194,61872196

在线出版日期：2021-11-23（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：28-34