基于微博和网购行为的用户心理压力感知

发布时间：2023-07-25 00:19

　　如今快节奏、高竞争的社会给人们带来的来自工作、学习、生活等各方面的心理压力日益增大。过度的心理压力严重危害人们的身心健康,因此,日常中及时感知到用户压力并进行针对性的疏导尤为重要。大数据时代下,人们丰富的网络行为数据为探究用户的心理状态提供了有力线索。然而,目前已有的基于微博(社交网络)的日常心理压力研究工作尚处于起步阶段,现有的研究不能满足人们对于心理压力感知的需求。首先,目前基于单条微博的心理压力感知模型不够完善,影响检测准确性;第二,更高层次的压力模式(如周期性等)定义与检测尚为空白;第三,社交网络因数据稀疏进而影响压力检测日常可用性的问题亟待解决。针对上述问题,本文提出了一系列有效方法,主要研究工作和创新点如下:1.融合微博互动的青少年心理压力感知:针对单条微博的心理压力感知,本文首次引入微博下用户与朋友的交互信息(评论、回复内容),丰富压力表达的文本语义信息,同时考虑交互行为属性(如回复率),完善微博压力特征空间,以解决现有工作中微博正文信息不全导致检测结果不够准确的问题。并且通过对文本语义更为细致的自然语言理解,对同一微博中不同压力类别的组分进行细分,真正意义上实现了单条微...

【文章页数】：165 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景
    1.2 研究挑战
    1.3 主要研究内容与创新点
    1.4 章节安排
第2章 心理压力感知研究现状与相关工作
    2.1 传统心理学领域的压力检测方法
        2.1.1 心理访谈法
        2.1.2 心理量表法
    2.2 基于心理生理学（Psychophysiology）的压力分析
        2.2.1 生理信号
        2.2.2 用户外在身体信号
    2.3 基于社交网络的情感分析
    2.4 基于社交网络的用户心理压力检测
        2.4.1 微博平台的心理压力检测
        2.4.2 微博平台的心理压力分析、预测
        2.4.3 微博平台下的心理压力相关应用
    2.5 不同心理压力检测方法的对比
    2.6 小结
第3章 融合微博交互信息的青少年心理压力检测
    3.1 引言
        3.1.1 背景知识与研究动机
        3.1.2 研究挑战与本章贡献
    3.2 问题定义与解决框架
        3.2.1 问题定义
        3.2.2 解决框架
    3.3 微博特征空间
        3.3.1 发文行为特征FP
        3.3.2 类别敏感的微博正文内容特征FW
        3.3.3 用户与朋友的交互行为特征FI
        3.3.4 用户-朋友之间的评论-回复特征FC
        3.3.5 微博压力特征矩阵以及检测模型
    3.4 青少年心理压力检测平台展示
        3.4.1 压力感知查询
        3.4.2 压力感知后台处理
        3.4.3 感知结果展示
    3.5 实验验证
        3.5.1 数据准备
        3.5.2 衡量指标
        3.5.3 微博级别压力检测性能验证
        3.5.4 不同特征在压力检测中的重要性分析
        3.5.5 交互特征在压力检测中的作用验证
    3.6 讨论
    3.7 本章小结
第4章 基于微博的青少年周期性压力感知
    4.1 引言
        4.1.1 研究背景与动机
        4.1.2 研究挑战与本章贡献
    4.2 时间序列上的周期检测算法调研
    4.3 问题定义与解决框架
    4.4 基于压力源的青少年压力序列
        4.4.1 微博压力时间序列映射
        4.4.2 针对特定压力源的压力序列分解
        4.4.3 特定压力源下的压力序列正则化
    4.5 压力/非压力波形提取与建模
    4.6 基于扩展WARP的周期性压力检测
        4.6.1 两波形之间的相似度衡量
        4.6.2 基于扩展DTW距离的WARP周期算法
        4.6.3 时间单位上的周期转换
    4.7 实验验证
        4.7.1 数据准备
        4.7.2 衡量指标
        4.7.3 实验效果
    4.8 本章小结
第5章 网购行为的关键技术研究:用户购物兴趣建模与管理
    5.1 引言
        5.1.1 研究背景与动机
        5.1.2 研究挑战与解决框架
    5.2 相关工作
        5.2.1 用户兴趣表示
        5.2.2 学习用户兴趣
    5.3 用户搜索兴趣的静态描述
        5.3.1 用户购物的搜索描述
        5.3.2 搜索区间描述
    5.4 图序列上搜索兴趣的动态演化
        5.4.1 基于能量守恒规则的动态演化策略
        5.4.2 匹配结点的权重增量计算
        5.4.3 非匹配结点的权重损失计算
    5.5 基于兴趣图序列的相关查询
        5.5.1 兴趣模式查询
        5.5.2 商品页的回溯兴趣预测
    5.6 实验验证
        5.6.1 图序列模型及兴趣模式验证
        5.6.2 商品回溯兴趣预测效果验证
    5.7 本章小结
第6章 融合网购行为的用户心理压力检测
    6.1 引言
        6.1.1 研究背景与意义
        6.1.2 研究挑战与本章贡献
    6.2 问题定义与解决框架
        6.2.1 网购数据格式
        6.2.2 问题定义
        6.2.3 解决框架
    6.3 数据预处理
        6.3.1 过滤非压力相关购买记录
        6.3.2 用户个人偏好信息获取
    6.4 压力相关的异常属性抽取
        6.4.1 购买内容中的压力异常属性
        6.4.2 下单行为中的压力异常属性
    6.5 网购行为与微博压力检测结果的融合
        6.5.1 单一数据源检测结果正则化
        6.5.2 基于数据源置信度的压力状态加权融合
        6.5.3 基于近邻策略的压力类别估计
    6.6 实验结果与讨论
        6.6.1 实验准备
        6.6.2 基于购物数据的压力检测总体性能评测
        6.6.3 不同压力相关异常属性对压力检测结果的影响
        6.6.4 压力融合效果验证
    6.7 本章小结
第7章 总结和展望
    7.1 本文工作总结
    7.2 未来工作展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果



本文编号：3836796