基于社会化短文本主题模型的社会网络用户心理健康分析

Mental health problems have serious implications for individuals, families and society, and it is necessary to find mental health problems and to provide kindly counsels as soon as possible. The actions on social network platform are the window from which we can analysis the user's mental health. We can analysis user's mental health based on the theories, methods or tools achieved in social media processing and the relate areas, which can make up the shortcoming of traditional invasive mental health analysis methods. Mental health is defined as depression, suicidal ideation, and personality and emotions that are closely related..A variant topic model, MH-LDA, is put forward in this project. MH-LDA is a socialized short-text analysis model for mental health analysis, which uses the results of psychological research to model the user's background and multiple factors that reflect the user’s mental health. .Then, nine types of features, including the results of the MH-LDA, are comprehensively used to predict the mental health of the users. .To help the psychological counseling experts to analyze the causes or clues of a user’s mental health quickly, a clue summary is extracted from user’s short text pool by MHS (Mental Health oriented Summarization), which contains some possible clues or explanations about the current mental health status of this user..Moreover, we propose a recommendation model TLSCR (Topic-Language model based Short text Collaborative Recommendation) to recomment some helpful short texts to users to improve their mental health status. .The research contents and perspectives in this project is different from the relational works. The proposed models and strategies are focused on user’s mental health and social short text, which can enrich the theories and methods in social media processing and the relate areas. Furthermore, this project has a good social significance.

心理健康问题给个人、家庭和社会带来严重影响，及时发现问题并给予辅导非常必要。社会网络平台上的活动是用户心理康健的窗口，利用社会媒体处理等领域的成果，分析用户心理健康状况，能够弥补传统侵入式分析的不足。本项目将心理健康定义为抑郁、自杀意念及与之密切相关的人格和情绪。①利用心理学研究成果，将反映用户心理健康的多个因素及用户背景同时建模，提出面向心理健康分析的社会化短文本主题分析模型MH-LDA。②综合利用包括主题分析结果在内的9类特征，预测用户的心理健康状况。③提出面向心理健康分析的线索摘要模型MHS，抽取可能导致目前心理健康状况的相关线索或原因，形成摘要，帮助心理辅导专家快速分析原因。④提出面向心理健康辅导的短文本协同推荐策略TLSCR，向用户推荐有利于心理健康的短文本，辅助改善心理健康状况。研究内容和视角有新意，模型和策略有针对性，可丰富社会媒体处理等领域的理论成果，并具有良好的社会意义。

心理健康问题给个人、家庭和社会带来严重影响，及时发现问题并给予辅导非常必要。社会网络平台上的活动是用户心理康健的窗口，利用社会媒体处理等领域的成果，分析用户心理健康状况，能够弥补传统侵入式分析的不足。本项目将心理健康定义为抑郁、自杀意念及与之密切相关的人格和情绪。针对用户发布的短文本进行有效的表示，基于此进行用户心理危机预测，并为之推荐相关的回复文本。.研究成果主要包括四个方面：①数据集构建方面，收集了包括微博、QQ空间、微信、ReachOut、Reddit等多个社交网络平台上的原始数据及标注数据，构建了社会媒体作者心理健康分析数据集，构建了心理危机原因数据集，构建了自杀意念词典；②相关工作总结分析方面，对利用社会媒体进行心理健康自动分析的研究现状进行了梳理，对基于社交文本的情感原因研究现状进行了梳理总结，分析了利用准私密社交网络文本数据检测抑郁用户的可行性；③心理健康自动监测方面，提出了基于多特征融合的在线论坛用户心理健康自动评估模型，提出了基于分类的方法从社会媒体文本中自动抽取新情感词的cNSEm模型，提出了基于多层局部信息融合的用户心理危机识别模型MPIF；④心理危机原因分析与文本推荐方面，提出了社会媒体文本中自杀意念原因自动抽取模型并对相关特征进行了分析，提出基于注意力神经网络的文本情绪原因识别方法，提出结合外部知识的情感-原因对抽取方法，提出了面向心理危机的自动回复模型MF-GCN。.研究内容和视角有新意，模型和策略有针对性，丰富了社会媒体处理等领域的理论成果，并具有良好的社会意义，相关的研究成果已申请软件著作权和专利，并用于辅助江西财经大学大学生心理健康监测。