社交媒体抑郁症人群的分级识别及在线干预系统研究

In modern society, depression has gone beyond medical field, and become an global public health issue urging proper management. Increasing people are suffering from depression in China, with younger generation more vulnerable. Based on previous research, firstly, we use emotional analysis and text mining to study the characteristics of emotional and linguistic characteristics of depressed people. Then, we establish an online ordinal classification model to identify individuals’ degrees of depression using deep learning algorithms. Secondly, we employ time series analysis and social network theory to investigate the emotional changes of depressive individuals, the evolution of their social relationship, and the risk factors of depression. Thirdly, we study the features and patterns of depression's diffusion on social media grounded by the infectious disease theory. The three elements (infection source, the approach of negative information, and susceptible population) of emotional contagion are tested. Finally, we establish an online integrated intervention system composed of online social support and online prevention management to enable early intervention and timely treatment. This system could provide technical and theoretical support for China’s mental health business.

在现代社会,抑郁症已经超越了医疗领域，成为一个急需解决的全球性公共健康管理问题。目前我国抑郁症及其自杀人数不断增长，同时呈年轻化趋势，严重危害民众身心健康。本项目拟在抑郁症心理医学研究基础上，首先，利用情感分析、文本挖掘方法研究不同程度抑郁人群的情感、语言等行为特征，基于深度学习方法建立在线抑郁人群的自动分级识别模型；其次，基于时间序列分析和社会网络理论研究个体用户抑郁情绪指数和社会关系特征的演化规律，挖掘影响抑郁情绪的危险因子；第三，利用传染病理论研究社交媒体上抑郁情绪传染规律和特征，建立抑郁情绪传播三要素(传染源、负面信息传播途径和易感人群)的控制方法。最后，在以上理论研究基础上，建立包含在线社会支持在内的社交媒体抑郁人群的在线干预系统，使各种在线抑郁症人群的心理干预引导和及时救治成为可能，为我国心理健康管理实践提供理论方法支持。

社交媒体时代抑郁症已经超越了医疗领域，成为一个急需解决的全球性公共健康管理问题。本研究针对这一问题取得了以下研究成果：.第一，社交媒体抑郁用户的自动识别方法和行为演化特征。利用深度学习和自然语言处理构建了在线抑郁用户识别模型。融合情感分类、深度学习等方法揭示抑郁个体的典型行为特征和影响因素，利用LSTM神经网络模型实现了抑郁负面情绪的识别。.第二，抑郁用户的抑郁症状识别模型构建及健康评估。参考抑郁症医学理论，建立在线抑郁症状表现的分类体系；利用自然语言处理等方法构建在线抑郁症状表现的分类识别模型。基于精神障碍和复杂网络理论提出评估各个症状表现的关联关系、伴随症状等方法。.第三，抑郁自杀用户自动识别方法及其行为行为模式研究。基于抑郁用户社交媒体交互数据，利用人工语义和神经网络构建自杀文本三分类分类器，实现了自杀用户和自杀程度的自动分类识别；揭示了不同程度自杀用户的行为差异性和自杀诱因、自杀情绪传染和不同类别自杀人群的行为偏好。.第四，在线抑郁社区的群体交互模式和情绪传染研究。基于自然语言处理等方法揭示不同社区用户行为差异。根据社会支持理论提出了衡量社区贡献度指标，对比分析不同社区对支持者贡献的影响；依据复杂网络理论构建抑郁群体社交关系网络，揭示和验证了交互带来的聚集社区自杀意念的传染危害性。.最后，本研究提出了基于社交媒体的抑郁症在线干预系统。.研究的科学意义:建立了在线抑郁人群和抑郁症状的分级识别方法，在线抑郁症状标注体系突破了传统抑郁量表的局限性，为抑郁症在线健康评估提供理论方法。本研究成果可为在线医疗系统了解抑郁用户状态、发现自杀风险用户并及时干预救治提供有效方法。