基于情感信息融合注意力机制的抑郁症识别

基于情感信息融合注意力机制的抑郁症识别

当前利用社交媒体数据预测抑郁症的研究忽视语言风格和情感随时间推移变化的特征，缺乏对情感状态和帖子元数据特征的研究，基于此，提出一种基于情感信息融合注意力机制的抑郁症识别模型。首先，在现有抑郁症识别研究的基础上，使用文本分类卷积神经网络按时间顺序提取用户每个时间段的帖子信息和情感信息，引入注意力机制为得到的特征矩阵分配不同的注意力权重，进而得到用户帖子信息特征和用户情感信息特征。其次，使用正则匹配提取文本的情感倾向信息，拼接注意力机制输出分配权重后的情感特征矩阵，以增强情感学习表示。然后，加入描述社交网络帖子的元数据特征，设计用于表示用户偏好特征的指标，通过统计表示指标提取用户语言偏好特征。最后...

Full description

Bibliographic Details
Main Authors: 陈妍, 罗雪琴, 梁伟, 谢永芳
Format: Article
Language:zho
Published: POSTS&TELECOM PRESS Co., LTD 2022-12-01
Series:智能科学与技术学报
Subjects:
抑郁症识别
注意力机制
情感信息
深度学习
Online Access:http://www.infocomm-journal.com/znkx/CN/abstract/abstract173019.shtml
_version_ 1797952031033393152
author 陈妍
罗雪琴
梁伟
谢永芳
author_facet 陈妍
罗雪琴
梁伟
谢永芳
author_sort 陈妍
collection DOAJ
description 当前利用社交媒体数据预测抑郁症的研究忽视语言风格和情感随时间推移变化的特征，缺乏对情感状态和帖子元数据特征的研究，基于此，提出一种基于情感信息融合注意力机制的抑郁症识别模型。首先，在现有抑郁症识别研究的基础上，使用文本分类卷积神经网络按时间顺序提取用户每个时间段的帖子信息和情感信息，引入注意力机制为得到的特征矩阵分配不同的注意力权重，进而得到用户帖子信息特征和用户情感信息特征。其次，使用正则匹配提取文本的情感倾向信息，拼接注意力机制输出分配权重后的情感特征矩阵，以增强情感学习表示。然后，加入描述社交网络帖子的元数据特征，设计用于表示用户偏好特征的指标，通过统计表示指标提取用户语言偏好特征。最后，融合用户语言信息、用户情感信息、用户语言偏好信息3种特征，建立基于多层感知机的用户抑郁状态识别模型。实验结果显示，提出的模型精确率提高了0.051，召回率提高了0.065，F1值提高了0.058。
first_indexed 2024-04-10T22:39:58Z
format Article
id doaj.art-ca017b09b7f9469e8c76b6b946f16d13
institution Directory Open Access Journal
issn 2096-6652
language zho
last_indexed 2024-04-10T22:39:58Z
publishDate 2022-12-01
publisher POSTS&TELECOM PRESS Co., LTD
record_format Article
series 智能科学与技术学报
spelling doaj.art-ca017b09b7f9469e8c76b6b946f16d132023-01-16T07:40:40ZzhoPOSTS&TELECOM PRESS Co., LTD智能科学与技术学报2096-66522022-12-0144600609基于情感信息融合注意力机制的抑郁症识别陈妍0罗雪琴1梁伟2谢永芳3湖南工商大学前沿交叉学院湖南工商大学计算机学院湖南工商大学前沿交叉学院中南大学自动化学院当前利用社交媒体数据预测抑郁症的研究忽视语言风格和情感随时间推移变化的特征，缺乏对情感状态和帖子元数据特征的研究，基于此，提出一种基于情感信息融合注意力机制的抑郁症识别模型。首先，在现有抑郁症识别研究的基础上，使用文本分类卷积神经网络按时间顺序提取用户每个时间段的帖子信息和情感信息，引入注意力机制为得到的特征矩阵分配不同的注意力权重，进而得到用户帖子信息特征和用户情感信息特征。其次，使用正则匹配提取文本的情感倾向信息，拼接注意力机制输出分配权重后的情感特征矩阵，以增强情感学习表示。然后，加入描述社交网络帖子的元数据特征，设计用于表示用户偏好特征的指标，通过统计表示指标提取用户语言偏好特征。最后，融合用户语言信息、用户情感信息、用户语言偏好信息3种特征，建立基于多层感知机的用户抑郁状态识别模型。实验结果显示，提出的模型精确率提高了0.051，召回率提高了0.065，F1值提高了0.058。http://www.infocomm-journal.com/znkx/CN/abstract/abstract173019.shtml抑郁症识别注意力机制情感信息深度学习
spellingShingle 陈妍
罗雪琴
梁伟
谢永芳
基于情感信息融合注意力机制的抑郁症识别
智能科学与技术学报
抑郁症识别
注意力机制
情感信息
深度学习
title 基于情感信息融合注意力机制的抑郁症识别
title_full 基于情感信息融合注意力机制的抑郁症识别
title_fullStr 基于情感信息融合注意力机制的抑郁症识别
title_full_unstemmed 基于情感信息融合注意力机制的抑郁症识别
title_short 基于情感信息融合注意力机制的抑郁症识别
title_sort 基于情感信息融合注意力机制的抑郁症识别
topic 抑郁症识别
注意力机制
情感信息
深度学习
url http://www.infocomm-journal.com/znkx/CN/abstract/abstract173019.shtml
work_keys_str_mv AT chényán jīyúqínggǎnxìnxīrónghézhùyìlìjīzhìdeyìyùzhèngshíbié
AT luōxuěqín jīyúqínggǎnxìnxīrónghézhùyìlìjīzhìdeyìyùzhèngshíbié
AT liángwěi jīyúqínggǎnxìnxīrónghézhùyìlìjīzhìdeyìyùzhèngshíbié
AT xièyǒngfāng jīyúqínggǎnxìnxīrónghézhùyìlìjīzhìdeyìyùzhèngshíbié

Similar Items