本发明专利技术提供了一种情感感知模型的构建和早期抑郁症风险检测方法，解决了现有方法中忽略用户在社交媒体中表达的情感内容与早期抑郁症状描述，难以准确判断用户是否已经处于抑郁症的早期阶段，本发明专利技术通过构建数据集，获取待检测用户的社交媒体动态数据集并获得待检测用户包含至少一条内容的抑郁症早期描述帖子集；构建所述帖子表示层，利用预训练语言模型捕获融合消极情感知识的上下文表示序列；构建所述用户表示层，基于帖子表示层的输出获取融合异构知识的用户表示矩阵；通过检测层预测待检测用户的早期抑郁症风险等级；经过训练得所述情感感知模型，通过该模型可以有效的检测评估早期抑郁症用户。
【技术实现步骤摘要】
本说明书涉及数据处理领域，特别涉及一种情感感知模型的构建与早期抑郁症风险检测方法。
技术介绍
1、根据世界卫生组织的报告，目前全球抑郁症患者已超过3.5亿人，且在过去十年里，患者数量以约18％的速度增长。据估计，抑郁症将在2030年成为最主要的致残因素。然而，全球仅有不足半数的抑郁症患者接受了必要的治疗，而在一些国家，这一比例甚至降至不到10％。这可能归因于传统抑郁症的诊断方式需要患者与医生进行面对面的交流，从而限制了对潜在患者识别的可能性。此外，患有抑郁症的个体往往因对自身疾病认识不足或内心的矛盾挣扎，而在寻求专业帮助方面持观望态度，导致其错过了最佳的干预和治疗时间。
2、随着社交媒体的蓬勃发展，海量的用户发帖数据使得早期发现抑郁症用户带来了希望。然而，当前抑郁症检测所依赖的数据主要源自那些已经长期患病的用户，他们的表述充满了显著的负面抑郁情绪，使其难以用于判别用户是否处于抑郁症的早期阶段。此外，现有的方法主要集中于对帖子文本进行语义信息建模，却忽视了诸如情感知识、抑郁症领域知识和消极情感严重程度等关键信息。
/>技术本文档来自技高网...
【技术保护点】
1.一种情感感知模型的构建方法，其特征在于，所述情感感知模型由帖子表示层、用户表示层和检测层构成，包括：
2.如权利要求1所述的情感感知模型的构建方法，其特征在于，所述待检测用户的社交媒体动态数据集包括：用户基本信息、帖子集、以及发布时间戳中至少一项数据属性。
3.如权利要求2所述的情感感知模型的构建方法，其特征在于，所述基于所述社交媒体动态数据集进行预处理获得抑郁症早期描述帖子集的步骤包括：
4.如权利要求2所述的情感感知模型的构建方法，其特征在于，所述基于所述社交媒体动态数据集进行预处理获得早期抑郁症风险标签的步骤包括：
5.如权利要求
...
【技术特征摘要】
1.一种情感感知模型的构建方法，其特征在于，所述情感感知模型由帖子表示层、用户表示层和检测层构成，包括：
2.如权利要求1所述的情感感知模型的构建方法，其特征在于，所述待检测用户的社交媒体动态数据集包括：用户基本信息、帖子集、以及发布时间戳中至少一项数据属性。
3.如权利要求2所述的情感感知模型的构建方法，其特征在于，所述基于所述社交媒体动态数据集进行预处理获得抑郁症早期描述帖子集的步骤包括：
4.如权利要求2所述的情感感知模型的构建方法，其特征在于，所述基于所述社交媒体动态数据集进行预处理获得...
【专利技术属性】
技术研发人员：琚生根，万宇杰，董再全，姜宝兴，陈黎，李每文，
申请(专利权)人：四川大学，
类型：发明
国别省市：
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。