【技术实现步骤摘要】
一种基于社交网络的心理异常变化的自动观测技术
本专利技术涉及心理异常检测
,更具体地说,本专利技术涉及一种基于社交网络的心理异常变化的自动观测技术。
技术介绍
心理异常的实质,就是异常心理的原因、机理和心理结构问题。心理异常是大脑的结构或机能失调或者人对客观现实反映的紊乱和歪曲,既反映了个人自我概念和某些能力的异常,也反映为社会人际关系和个人生活上的适应障碍。心理异常有很多的类别,中华医学会精神疾病分类中心理异常共分为10类:脑器质性精神障碍与躯体疾病所致的精神障碍;精神活性物质与非依赖性精神物质所致的精神障碍;精神分裂症及其它非器质性精神病性障碍;与心理社会因素相关的生理和行为障碍;人格障碍、冲动控制障碍与性行为障碍;精神发育迟滞;儿童青少年精神障碍;其它精神障碍及与心理卫生密切相关的几种情况。要清晰的判别异常心理不容易,原因在于:a)异常心理与正常心理之间的差别常常是相对的,两者之间可能有本质的差别;但在更多的情况下又可能只有程度的不同;b)异常心理受多种因素的影响,诸如生物因素、心理状态、社会环境等;c)靠专业人员的临床经验进行主观判断。判断心理异常的三个原则性是:1)统计学原则:某一种心理现象或心理体验,如果绝大多数人在同样的情况下都曾出现或都有可能出现,那么这种心理现象或体验便很可能是正常。从理论上来说,几乎所有的人都曾一度出现过异常的心理现象,事实上只有异常的心理现象持续一定的时间或按一定的频度出现,才会被认为是病态。很显然,这里所说的异常和病态者是有区别的,异常并不一定是病态,而病态则肯定是异常的,也就是说病态要比异常严重。2)功能性原 ...
【技术保护点】
1.一种基于社交网络的心理异常变化的自动观测技术,其特征在于:具体包括以下观察分析步骤:步骤一:数据收集,首先通过网络爬虫采集个人微博账户的历史数据,采集的数据包括目标对象的微博内容、发表时间、相关评论、转发的原微博和使用的表情符号,并将收集到的数据存入数据库;步骤二:数据处理,对步骤一收集到的微博数据分门别类,对微博内容分析,并根据内容概要,结合词库和关键字对微博体现的兴趣爱好进行标注,并使用基于规则的文本分类方法打标签,得到用户微博内容中体现的兴趣爱好,其中主题标签包括视频、音乐、游戏、美食、旅游、购物、IT数码、搞笑幽默、摄影、小说、星座运势、情感生活、宠物图集、图片、互联网、英语、读书、设计、家居、美容、时尚、美女、八卦杂谈、女人、减肥瘦身、本地生活、名人明星、新闻趣事、体育资讯、职场招聘、财经资讯、房产、车世界、其他34个标签;根据微博内容和语义分析情感,并给相应的微博打上情绪标签,情绪标签分为7大类和21小类,7大类标签计为m0…m67类不同情绪,21小类标签计为e0,e1…e20标记21种不同情绪;步骤三:构造目标对象心理行为轮廓,针对采集的目标的历史微博,以每周、每月和 ...
【技术特征摘要】
1.一种基于社交网络的心理异常变化的自动观测技术,其特征在于:具体包括以下观察分析步骤:步骤一:数据收集,首先通过网络爬虫采集个人微博账户的历史数据,采集的数据包括目标对象的微博内容、发表时间、相关评论、转发的原微博和使用的表情符号,并将收集到的数据存入数据库;步骤二:数据处理,对步骤一收集到的微博数据分门别类,对微博内容分析,并根据内容概要,结合词库和关键字对微博体现的兴趣爱好进行标注,并使用基于规则的文本分类方法打标签,得到用户微博内容中体现的兴趣爱好,其中主题标签包括视频、音乐、游戏、美食、旅游、购物、IT数码、搞笑幽默、摄影、小说、星座运势、情感生活、宠物图集、图片、互联网、英语、读书、设计、家居、美容、时尚、美女、八卦杂谈、女人、减肥瘦身、本地生活、名人明星、新闻趣事、体育资讯、职场招聘、财经资讯、房产、车世界、其他34个标签;根据微博内容和语义分析情感,并给相应的微博打上情绪标签,情绪标签分为7大类和21小类,7大类标签计为m0…m67类不同情绪,21小类标签计为e0,e1…e20标记21种不同情绪;步骤三:构造目标对象心理行为轮廓,针对采集的目标的历史微博,以每周、每月和每三个月这三个不同大小的时间窗口对个人历史微博进行统计分析,以构建目标对象心理行为轮廓作为异常变化检测的参考,分析内容包括情感、程度、发布时间和互动情况四个方面,最终得到情感、程度、发布时间和互动情况四个方面的各项指标,并将其划入微博心理行为轮廓,将其它未被纳入的指标,相应的维度的轮廓值设为0,考虑历史数据中可能存在的异常,筛选数据中占大部分(阈值设为85%)的数据描绘目标对象的心理行为轮廓;根据统计的时间窗口大小不同,可得到profile_week、profile_month和profile_quarter三个心理行为轮廓,各轮廓均可以表示为profile=(e,m,c,t,f),具体如下:e:e0,…e20标记21种不同情绪;m:m0,…m6标记7类不同情绪;c:c0,…c33标记34类不同主题;t:t0,…t5标记6个不同的微博发布时间段;f:f0,…f3标记4类不同程度的微博互动情况;其中ei、mi、ci、ti和fi的值或者为零,或者为相应的百分比;步骤四:构造心理异常观测器,分别构造基于微博情感的心理异常观测器、基于微博内容的心理异常观测器、基于微博发布时间的心理异常观测器和基于互动情况的心理异常观测器,计算目标对象心理行为轮廓与最近的微博之间的相似度,其中基于微博情感的心理异常观测器采用两者的四个情感分量e和e’,m和m’的夹角的余弦来定义两者间的相似度,基于微博内容的心理异常观测采用两个微博内容主题分量的夹角的余弦来定义两者间的相似度,基于微博发布时间的心理异常观测器采用两个微博发布时间分量的夹角的余弦来定义两者间的相似度,基于微博互动情况的心理异常观测器采用两个微博互动情况分量的夹角的余弦来定义两者间的相似度;步骤五:心理异常检测判别,获得目标最近一周的微博数据之后,遵循步骤三的筛选方式得到该时间段内的微博心理活动profile’=(e’,m’,c’,t’,f’),其中e’、m’、c’、t’和f’各分量并不采用上述阈值过滤,而是将全部的值纳入考虑范围内,通过步骤四中构建的微博情感、内容、发布时间和互动情况等四个方面的异常观测器计算目标在过去一周内的社交网络(微博)上的行为和目标行为轮廓间的差异,并建立基于多维度的心理异常判别器,得到一个总相似度,并与设定阈值对比,当检测到的总相似度低于设定阈值时,发出提示。2.根据权利要求1所述的一种基于社交网络的心理异常变化的自动观测技术,其特征在于:步骤二中对微博内容打上情绪标签,考虑到心理异常分析的需要,除了上述积极、消极和中性三种情感标签之外,还需要对表达的情感进行更细的划分,以便分辨出快乐、愤怒、悲痛、恐惧、惊奇、接受、狂喜、警惕、憎恨等情感,根据大连理工大学信息检索研究室研发的情感词汇本体库,将情感共分为7大类21小类,并根据目标对象的微博中出现的这些词汇对其情感类别、强度和极性进行分析判断,算法如下:(1)文本切割转换将段落用中文里常用的句号、分号、问号、感叹号等划分句意的符号,切割成不同的句子L,然后用逗号划分出句子里的意群(表示情感的最小单元)调用在线分词工具或者本地分词函数,对意群进行分词;(2)情感定位文本的情感分析是从发现句中的情感词开始,通过情感词的倾向和倾向度,来决定句子的情感,从而决定整个文本的情感;在对文本进行中文分词处理后,将处理后得到的单词依次与预先根据中文情感词库构建好的情感词表逐个查找,若能找到,则是情感词,并读取情感极性及相应权值,否则,不是情感词,则进入下一个候...
【专利技术属性】
技术研发人员:龙舜,朱蔚恒,吴俊婵,王会进,
申请(专利权)人:暨南大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。