构建并利用个人知识图谱改进社交媒体上的自杀意念检测
计算与语言
2020-12-17 v1 人工智能
摘要
世界上有大量个体正遭受自杀意念的困扰。个体产生自杀意念的背后存在多种原因。作为最流行的自我表达、情绪释放与个人互动平台，个体可能在社交媒体上表现出若干自杀意念的症状。然而，来自数据与知识两方面的挑战仍是障碍，制约着基于社交媒体的检测性能。数据的隐晦性与稀疏性使得基于帖子发现个体内在真实意图变得困难。受心理学研究启发，我们构建并统一了一个面向自杀的高层知识图谱，结合深度神经网络用于社交媒体上的自杀意念检测。我们进一步设计了一种双层注意力机制，以显式推理并建立个体自杀意念的关键风险因素。在微博与 Reddit 上的性能研究表明：1）借助所构建的个人知识图谱，基于社交媒体的自杀意念检测可达到超过 93% 的准确率；2）在六类个人因素中，帖子、人格与经历是前三大关键指标。在这些类别下，发布文本、压力水平、压力持续时间、发布图像与反刍思维对个体的自杀意念检测有贡献。
引用
@article{arxiv.2012.09123,
title = {Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media},
author = {Lei Cao and Huijun Zhang and Ling Feng},
journal= {arXiv preprint arXiv:2012.09123},
year = {2020}
}
备注
Accepted to IEEE Transaction on Multimedia