|
|---|
|
|
|
|
|
|
y**********g
发帖数: 2285 | 1 近日，哈尔滨工业大学“社会网络与数据挖掘”联合实验室与国内社交媒体数据挖掘公
司“宏博知微”合作开展研究，利用研究构建的抑郁倾向识别模型，在新浪微博近亿用
户中识别出了几百名重度抑郁症患者，该研究结果经医学机构确认准确度达到了83%。
相关人士表示，这项研究结果或成为抑郁症临床诊断之外的新兴诊断方法。
该项研究由哈工大“社会网络与数据挖掘”联合实验室与国内社交媒体数据挖掘公司“
宏博知微”共同开展。实验室负责人哈工大博士于霄告诉南都记者，他是在微博上几位
抑郁症患者自杀事件发生后开始关注抑郁症患者这一群体的，“仔细看这些人的微博，
非常触目惊心，负面情绪在每一条都很明显，当时我们就感叹，如果通过数据识别这一
群体，让其亲友能早点干预，也许可以避免悲剧发生。”据公开数据，自杀人群中有
63.5% 患有抑郁症，但仅 9% 在自杀前曾到精神科或心理咨询机构就诊。利用大数据来
识别个体抑郁倾向及自杀倾向，或能及时挽救更多抑郁倾向人群的生命。
该预测模型会扫描微博用户语言中的抑郁相关关键词
如何识别抑郁群体？于霄和同事首先是挑选新浪微博用户中被确认为抑郁症的人群作为
样本，通过计算机强大的计算能力分析样本数据，从这些数据获取出规律后建构预测模
型。有了数据模型，计算机就可以用这一模型扫描新浪微博上过亿用户了。
“计算机算法会包括自然语言处理、时间序列、机器学习等，比如失眠在抑郁症患者中
发生比例非常高，会成为语言处理的关键词，机器还会对关键词出现的频率和时间段打
分。”于霄说道。
计算机最终统计的数据比他们想象中要更为丰富：存在抑郁倾向的微博用户与普通用户
发博时间有明显差异，这部分人群发博高峰在23点，其夜间活跃度比普通用户平均约高
出30%。该群体微博关键词为：死、抑郁症、生命、痛苦、自杀。有60%为女性，40%为
男性，女性比例比男性略高，也与之前两位女性微博用户@走饭、@ sienna赛娜因抑郁
症而自杀的报道相符。2012年3月20日，新浪微博用户@走饭在微博发布定时遗言后辞世
，后被警方证实为因抑郁症自杀，此事引起了数万网友的关注，也使得一些有心人开始
思考微博言论与抑郁症之间的可能联系。
普通微博用户与抑郁症用户微博使用对比图
“有很多数据是很值得关注的，比如有些表现出抑郁症倾向的用户除了喜欢用小号来表
达痛苦情绪，还有群落聚集趋势，他们会同时关注很多其他同类人群，有的甚至会习惯
每天到已经自杀的用户微博上评论‘今天你还好吗？’，这听起来有点瘆人。”
截至目前，实验室从识别出的抑郁倾向用户中，辅以人工判定约200名抑郁症患者，研
究者发现，有多人在微博中称准备自杀。
据于霄介绍，除了抑郁倾向人群外，精神类疾病、危害社会行为(有暴力倾向人群)也是
实验室数据研究的方向，希望能够对这些人群的提前干预提供数据支持。 | m**********2
发帖数: 6568 | 2 大家对老将们要多一些关爱。嗯，酱紫。
【在 y**********g 的大作中提到】
: 近日，哈尔滨工业大学“社会网络与数据挖掘”联合实验室与国内社交媒体数据挖掘公
: 司“宏博知微”合作开展研究，利用研究构建的抑郁倾向识别模型，在新浪微博近亿用
: 户中识别出了几百名重度抑郁症患者，该研究结果经医学机构确认准确度达到了83%。
: 相关人士表示，这项研究结果或成为抑郁症临床诊断之外的新兴诊断方法。
: 该项研究由哈工大“社会网络与数据挖掘”联合实验室与国内社交媒体数据挖掘公司“
: 宏博知微”共同开展。实验室负责人哈工大博士于霄告诉南都记者，他是在微博上几位
: 抑郁症患者自杀事件发生后开始关注抑郁症患者这一群体的，“仔细看这些人的微博，
: 非常触目惊心，负面情绪在每一条都很明显，当时我们就感叹，如果通过数据识别这一
: 群体，让其亲友能早点干预，也许可以避免悲剧发生。”据公开数据，自杀人群中有
: 63.5% 患有抑郁症，但仅 9% 在自杀前曾到精神科或心理咨询机构就诊。利用大数据来
|
|
|
|
|
|
|
