基于语言特征的中文微博自杀意念检测方法研究

发布时间：2024-02-19 23:02

　　自杀是导致当近人类死亡的三大因素之一。因此,自杀意念识别已刻不容缓。而传统的自杀意念检测方法大都基于n-gram特征,此后为提升模型检测的准确率,在原输入特征中加入了基于训练数据的自杀词典,但其所得模型的准确率仍不理想。针对自杀意念识别准确率不理想的状况,建立一个可迁移性强的自杀词典,以该自杀词典与词性特征组成的语言特征为新式特征加入模型,以期提高模型的识别准确率。采用对比试验与控制变量的形式,将n-gram特征、语言特征作为模型输入,以随机森林、逻辑回归、支持向量机和朴素贝叶斯算法构建分类模型,重点研究语言特征对原模型性能的影响。通过比较发现:语言特征对原模型性能的提升是显著的,在随机森林算法下,这种提升达到了20%左右。贡献:(1)本论文提供了一个领域内的、且可迁移性强的自杀词典;(2)提出了语言特征,并证明了语言特征对基于n-gram特征与基于n-gram特征和词典模型的性能有所提高;(3)试验了不同分类算法在n-gram特征、词典特征、语言特征下的模型性能,为特征与算法的选择提供了一定的依据。

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图2-1.Logisticdistribution的密度函数与分布函数图形

归又被称为对率回归、逻辑斯蒂回归，是一种经典的机器学习分类算法介绍该分类算法的数学原理、特点及其优缺点。ticDistribution1（LogisticDistribution）设X是连续随机变量，X服从逻辑斯蒂分布是布函数和密度函数：1exp(()/)1()()....

图2-2.支持向量与间隔（1）学习策略

ii)0，then按如下规则更新参数iiwyx，ibby；直至训练集中没有误分类点.量机分支持向量机）给定线性可分的训练数据集二次规划问题学习得到的分离超平面为0**wxb函数为()()**fxsigwnxb向量机[44]。

图4-1正样例“文心”语言分析结果

中北大学学位论文LinguisticInquiryandWordCount）的语言分析软件。它可分析出包含表4-1的词性在内的102项特征，可对句子中的词性成分进行分析，计算出其在句子中所占的比图4-1、4-2为正负样本使用“文心”软件进行语言分析的结果。具体的....

图4-2负样例“文心”语言分析结果

Step1将数据输入“文心”软件中，选择LTP模式，输出分析结果；Step2从Step1的结果中选取实验所需的词性特征，记录该值；Step3使用式（3.4）对数值进行归一化处理；Step4对词性特征中的句子长度（词数）根据所有数据的长度做归一化处理。图....

本文编号：3903458