买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出一种基于混合时序细粒度情绪与攻击性爆发的社交网络抑郁激进共现个体检测方法，聚焦在线社交网络文本，从纯文本角度出发挖掘抑郁用户语言表达的心理特征，充分考虑语言特性，能够更为有效的识别潜在的抑郁患者，并选择抑郁激进共现新视角展开研究，通过融合加入时序特征的细粒度情绪分析技术与攻击性爆发检测模型来实现目标用户的精准识别，解决抑郁激进群体的早期识别问题。本发明提出的方法不仅能够促进对抑郁症伴发行为的准确识别，还能够为相关部门提供关键数据支持，从而降低这一特定群体可能造成的危害他人和社会的风险。

主权项：1.一种基于混合时序细粒度情绪与攻击性爆发的社交网络抑郁激进共现个体检测方法，其特征在于：包括以下步骤：步骤1：从社交网络中摘取知晓用户属性的文本内容；取其中一部分文本内容，人工进行特征标签设置，所述特征标签包括多元时序情绪特征、辅助特征和攻击性特征；获得由用户属性、文本内容以及人工设置的特征标签组成的第一训练数据集；所述用户属性包括用户id、用户是否为抑郁用户的标签值以及用户是否为激进抑郁用户的标签值；步骤2：构建细粒度情绪分析模型，并利用所述第一训练数据集中的用户属性、文本内容以及人工设置的多元时序情绪特征标签对所述细粒度情绪分析模型进行训练；构建攻击性特征分析模型，并利用所述第一训练数据集中的用户属性、文本内容以及人工设置的攻击性特征标签对所述攻击性特征分析模型进行训练；将步骤1中从社交网络中摘取的知晓用户属性的文本内容，输入训练好的细粒度情绪分析模型中，输出文本内容对应多元时序情绪特征的概率值；将步骤1中从社交网络中摘取的知晓用户属性的文本内容，输入训练好的攻击性特征分析模型中，输出文本内容对应的攻击性特征标签；步骤3：构建多元时序抑郁识别模型；利用步骤2训练得到的文本内容对应多元情绪特征的概率值，以及文本内容对应的用户属性，计算用户之间的情绪相似度，根据用户之间的情绪相似度，建立图模型输入G＝V，E，其中V是用户节点集合，E是边的集合，对于每个用户节点，与其情绪相似度由大到小排序的前N个用户节点之间存在边连接；将图模型输入G、步骤2训练得到的文本内容对应多元时序情绪特征的概率值，以及文本内容对应的辅助特征，输入多元时序抑郁识别模型进行训练；得到训练好的多元时序抑郁识别模型；模型输出为用户是否抑郁的特征值；步骤4：构建引入攻击性特征的激进个体检测模型；所述引入攻击性特征的激进个体检测模型由ERNIE网络+LSTM网络+一层全连接层组成；根据步骤1中用户属性，选择抑郁用户的文本内容和文本内容对应的攻击性特征标签作为模型输入，对激进个体检测模型进行训练，得到训练完成的激进个体检测模型；模型输出为用户是否激进的特征值；步骤5：对于从社交网络中获取的用户文本内容，输入到步骤3和步骤4训练的模型中，如果模型输出均为1，则表示用户为抑郁激进共现个体。

全文数据：

权利要求：

百度查询： 西北工业大学 基于混合时序细粒度情绪与攻击性爆发的社交网络抑郁激进共现个体检测方法