基于情绪词库的抑郁症患者情绪表达分析与预测

发布时间：2023-04-25 20:43

　　针对社交媒体的情绪分析是研究的热点,但是前人的研究主要集中在正性和负性的二分类,针对更细颗粒度的情绪分析较少,同时前人的词库往往混淆了情绪描述和情绪表达的差异。因此本研究希望构建更细颗粒度的情绪表达词库。前人基于词库发现抑郁症患者在社交媒体上表达更多的负性情绪,并且在预测抑郁症时情绪特征是一个有效的特征,本文希望基于多分类情绪词库,进一步研究抑郁症患者和普通用户在细颗粒度下的情绪表达差异,同时探究细颗粒度情绪特征在预测抑郁症患者时的效果。本研究通过词汇匹配的方法来研究用户的情绪表达,首先构建了情绪表达词库,将该词库与已有的情绪词库进行对比,发现在覆盖率和准确率上均有显著提升,然后基于词库以及匹配规则来分析抑郁患者和普通用户的情绪表达差异。最后,将各个维度的情绪得分作为特征构建了识别抑郁症的预测模型。研究一,情绪词库构建。首先,3名心理系研究生对微博文本进行情绪评定,讨论得到情绪维度分类。然后,提取不同维度的情绪种子词,对种子词进行扩充,得到情绪分类词库。随后,比较该词库与前人词库的效果,发现该词库效果优于其他词库。最后,招募10名心理系学生对词库内的词汇在愉悦度、唤醒度和支配度上进行9...

【文章页数】：117 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 研究背景
    1.1 抑郁症
    1.2 情绪词库
    1.3 用社交数据来预测抑郁症
2 研究概述
    2.1 研究目的
    2.2 研究思路
    2.3 研究意义
3 研究1:情绪词库构建
    3.1 子研究1.1:情绪分类词库构建
    3.2 子研究1.2:情绪维度词库构建
4 研究2:抑郁症患者和普通用户的情绪表达差异分析
    4.1 子研究2.1:检验抑郁症患者和普通用户在情绪分类理论下的差异
    4.2 子研究2.2:检验抑郁症患者和普通用户在情绪维度理论下的差异
5 研究3:通过微博数据来预测抑郁症患者
    5.1 子研究3.1:构建预测模型
    5.2 子研究3.2:检验模型的有效性
6 总讨论
7 结论
参考文献
附录



本文编号：3801030