[发明专利]一种微博用户自杀风险检测方法及装置

说明书

本发明实施例提供一种微博用户自杀风险检测方法及装置，方法包括：获取每条微博的自杀领域词向量；利用LSTM模型和注意力机制对每条微博的自杀领域词向量进行处理，获取每条微博的文本表示矩阵；将每条微博的文本表示矩阵和图像表示矩阵拼接成每条微博的微博表示矩阵；利用LSTM模型和注意力机制对所述多条微博的微博表示矩阵进行处理，获取微博用户的自杀风险概率表示矩阵；根据微博用户的自杀风险表示矩阵和微博用户的微博社交行为信息矩阵，获取微博用户的自杀风险概率。本发明实施例基于自杀领域词向量、神经网络模型和注意力机制能够较好地理解微博中的隐式自杀倾向表达，从而检便于从日常微博中检测潜在的微博自杀风险。

技术领域

本发明涉及计算机技术领域，尤其涉及一种微博用户自杀风险检测方法及装置。

背景技术

据世界健康组织发布的数据表明，每年世界上有超过80万人死于自杀，平均每40秒就有一个。在心理学领域，快速精准的检测并预防自杀成为了一个重要的任务。

传统的自杀风险检测方法一般需要受试者填写一个问卷或者接受一次面谈。但是，这些方法只适用于一小群人，特别是对于那些受到心理创伤之后往往隐藏自己的感受并拒绝寻求他人帮助的人来说，这些方法无法发挥作用。

最近，由于社交媒体(如论坛和微博)具有大规模，低成本和开放的优势，其使得研究人员能够克服之前的限制并及时发现个人的自杀意念。尽管已经有了一些相关工作利用社交媒体数据来进行用户自杀风险检测，但是由于用户的隐式和非真实的表达，这些工作的效果也一定程度上受到限制。

统计数据表示，有自杀倾向的人倾向于在已自杀者的微博评论区中透露他们真实的内心感受。这样的微博评论区称之为“树洞”，现在已经有数百个树洞存在于新浪微博之中，其中最大的树洞已经包含了160000人发的1700000条评论。

目前希望通过利用社交媒体上的相关数据，来检测微博用户的自杀风险。

发明内容

针对现有技术中的问题，本发明实施例提供一种微博用户自杀风险检测方法及装置。

第一方面，本发明实施例提供了一种微博用户自杀风险检测方法，包括：

获取微博用户发表的多条微博以及获取每条微博的文本内容和图像内容；

根据每条微博的文本内容，利用预先训练好的自杀领域词向量字典，为每条微博的文本内容获取相应的自杀领域词向量；其中，所述自杀领域词向量字典中存储有自杀相关词语与自杀领域词向量之间的对应关系；

利用长短期记忆网络LSTM模型和注意力机制对每条微博的自杀领域词向量进行处理，获取每条微博的文本表示矩阵；

利用卷积神经网络对每条微博的图像内容进行处理，获取每条微博的图像表示矩阵；

将每条微博的文本表示矩阵和图像表示矩阵拼接成每条微博的微博表示矩阵；

利用LSTM模型和注意力机制对所述多条微博的微博表示矩阵进行处理，获取所述微博用户的自杀风险概率表示矩阵；

根据所述微博用户的自杀风险表示矩阵和所述微博用户的微博社交行为信息矩阵，获取所述微博用户的自杀风险概率。

进一步地，所述利用长短期记忆网络LSTM模型和注意力机制对每条微博的自杀领域词向量进行处理，获取每条微博的文本表示矩阵，具体包括：

将每条微博的自杀领域词向量输入到LSTM模型中：

h_t＝LSTM(x_i,h_t-1)