基于社交数据挖掘的心理健康预警建模与分析

发布时间：2023-04-04 04:26

　　本文利用现有的较完善的通用情感词典,并加入网络用词,构建与抑郁症有关的情感词典,结合现有的情感分析手段分析语句中的情感值。人工筛选抑郁用户及非抑郁用户,爬取用户的基本信息及微博内容,从获取的数据中选择相关的信息作为特征。将构建好的特征向量及人为标注的标签(是否抑郁)作为数据集,并随机划分为训练集和测试集,通过XGBoost、SVM、决策树、lightGBM等算法构建不同的分类器,结合精确率、召回率和F1值等指标,得出最优分类器XGBoost,XGBoost分类模型的准确率为91%,召回率为59%,F1分数为71%。该实验结果也表明用社交数据来预测抑郁倾向是可行的。

【文章页数】：2 页

【文章目录】：
1 问题背景
2 数据分析
    2.1 抑郁和非抑郁用户的选取
    2.2 数据获取及预处理
        2.2.1 数据获取
        2.2.2 数据预处理
        2.2.3 情绪分析技术
3 基于情绪词典的预测模型
    3.1 特征选取
    3.2 实验结果及分析
4 总结



本文编号：3781781