[发明专利]一种微博用户自杀风险检测方法及装置有效
| 申请号： | 201910645815.8 | 申请日： | 2019-07-17 |
| 公开（公告）号： | CN110489552B | 公开（公告）日： | 2021-09-21 |
| 发明（设计）人： | 冯铃;曹檑;张慧君 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/958;G06F40/30;G06N3/04;G06N3/08 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 苗晓静 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 一种 用户 自杀 风险 检测 方法 装置 | ||
【主权项】：
1.一种微博用户自杀风险检测方法，其特征在于，包括：/n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；/n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；/n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；/n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；/n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；/n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；/n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。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910645815.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于写作习惯的作者识别方法
- 下一篇：一种基于多源信息融合的情感分类方法
