基于分层支持向量机的微博用户自杀倾向预测与分析

发布时间：2021-04-04 18:56

　　针对社交媒体中潜在的自杀倾向问题,本文以新浪微博为研究对象,依据领域知识设计分层分类方案,并基于该分类方案,提出了分层支持向量机的分类模型。该模型对高自杀风险群体进行早期识别,可用于自杀倾向检测和干预,减少自杀现象。实验过程中分层地进行参数优化,降低了不平衡数据对实验结果的影响。综合考虑用户的情感状态,不断对情感词典进行扩充。实验结果表明:该模型对自杀群体的预测准确率达到0. 848,可有效地对微博用户的自杀倾向进行预测,同时发现微博发布时间和自杀风险概率之间存在可用正态曲线拟合的关系。 

【文章来源】：哈尔滨工程大学学报. 2019,40(11)北大核心EICSCD

【文章页数】：6 页

【文章目录】：
1 自杀倾向预测模型的构建
    1.1 数据收集和预处理
    1.2 分层的SVM模型
    1.3 数据分析
2 实验结果与分析
    2.1 模型对比分析
    2.2 时间序列与自杀倾向分析
    2.3 模型参数优化分析
3 结论


【参考文献】：
期刊论文
[1]基于深度学习的微博用户自杀风险预测[J]. 田玮,朱廷劭.  中国科学院大学学报. 2018(01)
[2]基于多特征的微博情感分析研究[J]. 刘续乐,何炎祥.  计算机工程. 2017(12)
[3]兴趣、习惯、交互三重驱动的微博用户动力学模型[J]. 赵金楼,成俊会,刘家国.  哈尔滨工程大学学报. 2015(09)
[4]中文微博情感分析研究综述[J]. 周胜臣,瞿文婷,石英子,施询之,孙韵辰.  计算机应用与软件. 2013(03)
[5]中文文本情感分析综述[J]. 魏韡,向阳,陈千.  计算机应用. 2011(12)



本文编号：3118299