解码情感轨迹：一种用于社交媒体潜在抑郁评估的时间-语义网络方法

潜在抑郁的早期识别与干预对心理健康治理具有重要社会意义。尽管当前基于社交媒体的自动检测方法已取得进展，其决策过程往往缺乏临床可解释的框架，尤其在捕捉抑郁症状的持续时间与动态演变方面。为此，本研究引入一种结合多尺度时间原型学习的语义解析网络。该模型通过捕捉用户情感表达中的时间模式与语义原型来检测抑郁状态，从而对潜在症状提供时长感知的解释。在大规模社交媒体数据集上的验证表明，该模型优于现有最先进方法。分析结果显示，该模型能识别传统基于调查的方法未系统记录的情感表达模式，例如表达对所谓“另一种生活”仰慕的持续叙述。进一步的用户评估表明，该模型相较基线方法具有更优的可解释性。本研究为信息系统文献贡献了一个结构透明、临床对齐的社交媒体抑郁检测框架。在实践中，该模型可为社交平台用户生成动态情感画像，辅助心理健康支持资源的定向分配。