利用社交媒体帖子进行心理健康问题早期检测

抑郁症、焦虑症和双相情感障碍等心理健康障碍的患病率不断增加，迫切需要开发早期检测和干预工具。像Reddit这样的社交媒体平台代表了用户生成内容的丰富来源，反映了情感和行为模式。在这项工作中，我们提出了一种多模态深度学习框架，整合语言和时间特征，用于心理健康危机的早期检测。我们的方法基于一种利用BiLSTM网络进行文本和时间特征分析的方法，以不同方式建模序列依赖关系很好地捕捉了上下文模式。本工作包括一种跨模态注意力方法，允许将此类输出融合为上下文感知的心理健康状况分类。然后，该模型在经过文本预处理、时间特征缩放和标签编码的标注Reddit帖子数据集上进行训练和评估。实验结果表明，所提出的架构与传统模型相比表现更好，验证准确率为74.55%，F1分数为0.7376。本研究强调了多模态学习在心理健康检测中的重要性，并为通过使用更先进的注意力机制和其他数据模态进行进一步改进提供了基准。