实时社交数据中的焦虑性抑郁预测
社会与信息网络
2019-03-26 v1 计算与语言
摘要
心理健康与社交媒体一直是紧密相关的研究领域。本研究提出了一种新颖的模型，即 AD 预测模型，用于实时推文中的焦虑性抑郁预测。这种混合性焦虑抑郁障碍主要与紊乱的思维过程、不安和失眠相关。基于语言线索和用户发帖模式，使用 5 元组向量 <词, 时间, 频率, 情感, 对比> 定义特征集。构建与焦虑相关的词典以检测焦虑指标的存在。分析推文的时间和频率以发现异常，并进行观点极性分析以找出发帖行为中的不一致性。该模型使用三种分类器（多项朴素贝叶斯、梯度提升和随机森林）进行训练，并使用集成投票分类器进行多数投票。对采样的 100 名用户的推文进行了初步结果评估，所提模型达到了 85.09% 的分类准确率。
引用
@article{arxiv.1903.10222,
title = {Anxious Depression Prediction in Real-time Social Data},
author = {Akshi Kumar and Aditi Sharma and Anshika Arora},
journal= {arXiv preprint arXiv:1903.10222},
year = {2019}
}