[发明专利]一种基于社交媒体的抑郁症检测系统

说明书

本发明公开了一种基于社交媒体的抑郁症检测系统，涉及抑郁症检测技术领域；它的检测步骤如下：步骤一：模型语义化：将预处理后的文本向量化；同时构建抑郁症知识图谱，将图谱嵌入到后续的分类模型，两者融合构成语义化向量；步骤二：分类模型的训练：拟采用LSTM模型进行搭建和优化，完成分类任务；步骤三：分类模型的测试：将训练后的模型，完成测试；本发明能够依靠社交媒体进行信息的采集，并且建立相应的抑郁症知识图谱；能够实现抑郁症的分析与检测，其能够提高效率，节省时间。

技术领域

本发明属于抑郁症检测技术领域，具体涉及一种基于社交媒体的抑郁症检测系统。

背景技术

抑郁症表现出的躯体症状常常掩盖了真实的病情，很多患者只是针对具体的躯体表现去治疗，没有考虑到自己是否已经患上抑郁症。所以隐匿性抑郁症难以发现。抑郁症的识别率只有21%，接受干预和治疗的患者只有10%，近80%的抑郁症患者没有被发现。与很多内外科疾病不同的是，目前抑郁症尚不能通过化验检查的方法来确定诊断。一些症状评估的量表可以辅助医生对症状进行评估，但是并不能作为诊断的最终依据。抑郁症的诊断需要医生与和患者的通力合作。其中对于患者来说，最重要的是向医生全面准确客观地交代病情。对于怀疑自己患有抑郁症的患者，进行了初步的自我判断之后，建议一定要到专业的机构，比如说精神科进行确诊。

因为抑郁症的诊断并非照本宣科，一条一条地对号入座那么简单，而是非常复杂的医学过程，每个患者的情况千差万别，个体差异很大，所以要由经过专业训练的精神科医生来诊断。为此所需要相当大的人力、精力的损耗。同时很多患者很难真实面对自己的状况，从而会导致医生误诊。抑郁症的误诊率和复发率很高，重度抑郁障碍误诊率为65.9%，复发率为50-85%。因此，能否为抑郁症的检测提供一个精确的指标或辅助性的指导成为了新的研究方向。

医疗信息学作为医学和信息科学交叉的一个领域，心理健康与疾病和卫生保健等主题成为该领域的研究热点。近几年随着互联网发展，人们越来越倾向于在网上抒发自己的情感，为抑郁症的初步判别提供了分析数据。同时机器学习、深度学习的蓬勃发展，提供了许多新颖的判别算法，让判别结果更加精确。因此需要一种基于社交媒体的抑郁症检测系统来实现抑郁症检测。

发明内容

为解决现有的抑郁症检测的问题；本发明的目的在于提供一种基于社交媒体的抑郁症检测系统。

本发明的一种基于社交媒体的抑郁症检测系统，它的检测步骤如下：

步骤一：模型语义化：将预处理后的文本向量化；同时构建抑郁症知识图谱，将图谱嵌入到后续的分类模型，两者融合构成语义化向量；

步骤二：分类模型的训练：拟采用LSTM模型进行搭建和优化，完成分类任务；

步骤三：分类模型的测试：将训练后的模型，完成测试。

作为优选，所述模型语义化的具体的方法为：采用建立相应的抑郁症知识图谱的方法，将图谱嵌入到模型中，使模型具有语义化，同时在解释性上也易于了解；构建后的知识图谱存在较大的维度，因此需要构建一个图注意力网络，与知识图谱进行级联；两者融合后生成的网络嵌入到模型，提供注意力机制。

与现有技术相比，本发明的有益效果为：

一、能够依靠社交媒体进行信息的采集，并且建立相应的抑郁症知识图谱；

二、能够实现抑郁症的分析与检测，其能够提高效率，节省时间。

附图说明

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1为本发明的流程图。

具体实施方式