基于情感信息融合注意力机制的抑郁症识别

Abstract

当前利用社交媒体数据预测抑郁症的研究忽视语言风格和情感随时间推移变化的特征，缺乏对情感状态和帖子元数据特征的研究，基于此，提出一种基于情感信息融合注意力机制的抑郁症识别模型。首先，在现有抑郁症识别研究的基础上，使用文本分类卷积神经网络按时间顺序提取用户每个时间段的帖子信息和情感信息，引入注意力机制为得到的特征矩阵分配不同的注意力权重，进而得到用户帖子信息特征和用户情感信息特征。其次，使用正则匹配提取文本的情感倾向信息，拼接注意力机制输出分配权重后的情感特征矩阵，以增强情感学习表示。然后，加入描述社交网络帖子的元数据特征，设计用于表示用户偏好特征的指标，通过统计表示指标提取用户语言偏好特征。最后，融合用户语言信息、用户情感信息、用户语言偏好信息3种特征，建立基于多层感知机的用户抑郁状态识别模型。实验结果显示，提出的模型精确率提高了0.051，召回率提高了0.065，F1值提高了0.058。

Keywords

• 抑郁症识别
• 注意力机制
• 情感信息
• 深度学习