[发明专利]基于门控卷积网络的在线论坛用户抑郁检测模型

说明书

本发明公开基于门控卷积网络的在线论坛用户抑郁检测方法，利用基于门控卷积网络对在线论文用户进行抑郁检测的模型实现检测，该模型的检测通过帖子级操作与用户级操作实现，通过帖子级操作获得帖子级别的表征；通过用户级操作，获得用户状态表征,然后利用softmax图层输出标签上的概率分布，实现检测。本发明的方法可以使用选通权重来有效地识别与用户帖子中的负面情绪相关的语言，从而实现抑郁检测。

技术领域

本发明涉及抑郁检测技术领域，特别是涉及一种基于门控卷积网络的在线论坛用户抑郁检测模型。

背景技术

抑郁症是最常见的与精神健康相关的疾病之一，是导致全球范围内自我伤害和自杀并影响数百万人的主要原因。早期抑郁症的发现和治疗可以减少由疾病引起的损害。但早期发现和治疗抑郁症和其他精神疾病的服务非常有限。而且许多患者不愿意主动寻求医疗保健提供者的帮助。这些问题使患者无法得到及时的治疗，导致病情进一步恶化。

越来越多的抑郁症患者开始使用在线资源(Twitter，网站，Reddit等)来表达自己的心理问题并寻求帮助。特别是一些可选择匿名或匿名的在线论坛更受欢迎。利用社交媒体数据早期发现抑郁症任务已成为一种有效的手段。同时，海量社交媒体数据难以手动识别患有抑郁症或有自杀倾向的用户，这使得自动抑郁症检测技术的开发变得更为关键。

论坛中，经常有大量带有敏感内容的帖子post，表明用户有自杀和自残风险。使用适当深度学习模型和社交媒体数据进行早期抑郁症检测可防止潜在自我伤害。但是现有的抑郁症检测模型功能不足，无法从每个用户发布的大量帖子中捕获关键的情绪信息，这使得这些模型的性能无法令人满意。

发明内容

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于门控卷积网络的在线论坛用户抑郁检测模型，并提供基于门控卷积网络的在线论坛用户抑郁检测模型进行抑郁检测的方法。

为实现本发明的目的所采用的技术方案是：

一种基于门控卷积网络的在线论坛用户抑郁检测方法，包括：

利用基于门控卷积网络对在线论文用户进行抑郁检测的模型实现检测，该模型的检测步骤如下：

S1.帖子级操作

模型的输入通过多层带有门控单元的卷积神经网络，卷积神经网络利用有限的上下文信息来获取帖子表示的关键特征；

其中，帖子级操作的处理层包括两个卷积层和一个全局平均池；第一卷积层使用两个大小不同的卷积内核来获得抽象特征图，然后，具有门控单元的第二卷积层使用卷积核来获得不同的门控权重，应用所述门控权重与第一个卷积层生成的特征图进行逐元素乘积，以此获得帖子级别的表征；

每个单词由词嵌入矩阵L_ω∈R^d×|V|表示，|V|是词汇量中的单词数，d是单词向量的维数，每条帖子表示为n个单词，分别为{ω₁，ω₂，...ω_i...ω_n}，令x_i∈R^d为与帖子中第i个单词相对应的d维单词向量，长度为n的帖子嵌入后表示为

X_1：n＝[x₁，x₂，...，x_n]

第一卷积层中，使用CNN和多个不同宽度的卷积滤波器生成帖子的表示形式；将具有不同宽度的卷积滤波器视为提取器以获取的多粒度局部信息；使用不同窗口大小的多个卷积滤波器以获得多个特征图；