[发明专利]一种网络论坛用户心理危机程度预测方法

说明书

本发明涉及自然语言处理技术领域，且公开了一种网络论坛用户心理危机程度预测方法，该方法主要基于注意力机制的多图神经网络模型MGA，其特征在于，包括以下步骤，步骤一、图的构建，从CLPsych2019共享任务数据集中获取每个用户所发布的文本数据以及所对应的的标签信息，并获取每个文本的文本表示，步骤二、基于图的单词交互模块，以用户文本为单位，以文本中单词作为顶点，构建多个文本图的向量表示，使用双向长短期时间记忆网络(Bi‑LSTM)学习单词节点的嵌入。该网络论坛用户心理危机程度预测方法，可以通过在线论坛用户所发表的帖子对其心理危机状态进行识别和分析，及时有效地发现有心理健康问题的用户，有利于对其后续的治疗和诊断。

技术领域

本发明涉及自然语言处理技术领域，具体为一种网络论坛用户心理危机程度预测方法。

背景技术

在利用社交媒体数据进行心理危机识别的早期研究中，大多是基于传统的机器学习方法，建立心理危机识别模型的过程如图2所示，主要采用基于分类的方法，首先通过用户填写自评量表并采集其社交网络数据，或者通过心理学专家直接分析社交网络数据，构建心理危机识别的数据集，其次，对于社交媒体数据进行量化编码，即特征提取步骤，选用适当的机器学习方法训练分类模型，并验证模型的计算效果，最后实现大规模社交网络用户心理危机的自动识别和检测，这类方法在数据统计分析的基础上提取和选择有利于区分类别的特征，特征工程的效果直接影响分类结果。

目前，在社交网络高速发展的时代，人们更倾向于在线上论坛上发表自己的感想或者表达自己的心情，然而现有的心理机程度预测方法无法及时有效的发现有心理健康问题的用户，导致用户的人格障碍、情绪困扰等心理问题无法及时诊断治疗，以至于造成严重的后果。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种网络论坛用户心理危机程度预测方法，可以通过在线论坛用户所发表的帖子对其心理危机状态进行识别和分析，及时有效地发现有心理健康问题的用户，有利于对其后续的治疗和诊断等优点，解决了现有的心里危机程度预测方法无法及时有效的发现有心理健康问题的用户，导致用户的人格障碍、情绪困扰等心理问题无法及时诊断治疗，以至于造成严重的后果问题。

(二)技术方案

为实现上述的目的，本发明提供如下技术方案：一种网络论坛用户心理危机程度预测方法，该方法主要基于注意力机制的多图神经网络模型MGA，其特征在于，包括以下步骤：

步骤一、图的构建，从CLPsych2019共享任务数据集中获取每个用户所发布的文本数据以及所对应的的标签信息，并获取每个文本的文本表示；

步骤二、基于图的单词交互模块，以用户文本为单位，以文本中单词作为顶点，构建多个文本图的向量表示，使用双向长短期时间记忆网络(Bi-LSTM)学习单词节点的嵌入，节点可以从其相邻邻居接收信息，然后与自己的表示合并以进行更新；

步骤三、输出模块，单词节点经过充分更新后，使用注意力机制将它们汇总为文档的图形级表示形式，并根据该表示形式进行最终预测。

优选的，所述步骤二中顶点的嵌入使用预训练模型GloVe词向量，并使用双向长短期时间记忆网络(Bi-LSTM)学习单词节点的嵌入。

优选的，将经过预处理后的文本作为输入，以单词表示为顶点，以单词之间的共现为边，构造文本的图G＝(v，e)，其中v表示节点集合，E表示边集合，通过长度为3的滑动窗口描述词之间的共现关系；

顶点的嵌入使用预训练模型GloVe词向量，表示为h∈R^|v|×d，其中d是嵌入维度，v表示节点的个数，由于为每个文档建立了单独的图，因此在单词交互阶段会在上下文中传播和合并单词的特征信息，图的邻接矩阵通过共现关系进行权值的定义，如式(1)所示；