[发明专利]一种基于文本和图像社交网络抑郁检测方法

说明书

本发明公开了一种基于文本和图像社交网络抑郁检测方法，包含：S1、获取用户文本和图像数据集，将其分为训练集和测试集；S2、对训练集数据进行数据预处理；S3、对经预处理后的数据进行特征提取；S4、对步骤S3所得的数据进行特征权重分配；S5、采用集成网络对步骤S4所得的数据分类检测，以完善形成抑郁检测系统；S6、采用测试集对所述抑郁检测系统进行测试；S7、定期从网络上采集新数据对抑郁检测系统进行更新训练，当训练测试结果优于现有测试结果时，更新抑郁检测系统的模型参数。其优点是：该方法无需测试者配合进行数据收集，可以方便的从网络上获得大量的数据，考虑了多项特征，能够提前发现有用户的抑郁倾向，及早对其开导起到预防的效果。

技术领域

本发明涉及抑郁症检测领域，具体涉及一种基于文本和图像社交网络抑郁检测方法。

背景技术

目前在抑郁症检测方面有使用语音特征进行抑郁评估的方法，首先用语音采集录音模块获取测试者的语音信息，对语音信号进行预处理后获得语音的声学特征，然后使用机器学习算法进行分类。还有检测情感信息的抑郁症诊断：首先对测试者进行情绪刺激，然后采集测试者的眼部图像和面部图像，然后对该图像处理，主要关注测试者的眼睛注视点和瞳孔直径，及面部表情特征，从而识别测试者的情绪刺激，对测试者进行判断。

但是，现有的很多方法都是发现了抑郁症，然后需要测试者配合完成一些数据收集，再对数据集进行分析，判断测试者有无抑郁症。这些方法存在数据收集不便，测试方法不合理的缺点，其不能及时发现问题，更不能及时解决问题，有一定的滞后性。

发明内容

本发明的目的在于提供一种基于文本和图像社交网络抑郁检测方法，该方法无需测试者配合进行数据收集，可以方便的从网络上获得大量的数据，并且该方法考虑了用户的文本、图像、人格、用户的互相影响、用户本身的社交网络指标等多项特征，使用机器学习的方法提取特征，采用集成网络算法分类检测，能够提前发现有抑郁倾向的用户，及早对其开导起到预防的效果。

为了达到上述目的，本发明通过以下技术方案实现：

一种基于文本和图像社交网络抑郁检测方法，包含：

S1、获取用户文本和图像数据集，将其分为训练集和测试集；

S2、对训练集数据进行数据预处理；

S3、对经预处理后的数据进行特征提取；

S4、对步骤S3所得的数据进行特征权重分配；

S5、采用集成网络对步骤S4所得的数据进行分类检测，输出用户是否有抑郁症及其程度，以完善形成抑郁检测系统；

S6、采用测试集对所述抑郁检测系统进行测试，当测试合格时将所述抑郁检测系统投入使用，当测试不合格时，采用训练集重新对所述抑郁检测系统进行训练，直至测试合格；

S7、定期从网络上采集新数据对所述抑郁检测系统进行更新训练，当训练测试结果优于现有测试结果时，更新所述抑郁检测系统的模型参数。

可选的，所述步骤S2具体包含：

在Python中使用jieba分词对训练集中的文本数据进行分词，去停止词；

对训练集中的图像进行随机旋转、裁剪、变形、缩放以扩充数据。

可选的，所述步骤S3中，经预处理后的数据汇聚于数据集中，提取的特征包含：文本特征、网络指标、人格特征、图像特征和好友对用户的影响指标。

可选的，获取文本特征的方法包含：

基于情感词典对数据集中的文本数据进行词性标注，使用文本分析算法LICW得到文本数据中反映情感状态及各种词类的词频。

可选的，获取网络指标的方法包含：