Semantic and Emotional Feature Fusion Model for Early Depressive Prediction

计算机科学 特征(语言学) 自然语言处理 语义特征 情报检索 人工智能 语言学 哲学
作者
Weiwei Zhu,Yijia Zhang,Xingyu Yu,Mingyu Lu,Hongfei Lin
出处
期刊:Communications in computer and information science 卷期号:: 352-368
标识
DOI:10.1007/978-981-99-9864-7_23
摘要

In recent years, depression has caused severe social and psychological problems. The purpose of the paper is to automatically identify users with depressive tendencies to facilitate early intervention and prevent the progression of depression into more severe consequences. The paper proposes a Depression Prediction model based on Multi-feature Fusion (DPMFF), which extracts contextual semantic features and deep emotional features from user documents to predict depression risk. The behavioral and linguistic features of depressed users were examined through statistical analysis. Experiments on micro-blog datasets demonstrate that DPMFF can effectively identify users with depressive tendencies and outperform other models. The data analysis found that compared with normal users, users with depressive tendencies were usually active on social networks late at night, and the proportion of content containing absolute words and negative words was significantly higher than average.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
WenzongLai完成签到,获得积分10
刚刚
深林小怪完成签到,获得积分10
1秒前
xjp发布了新的文献求助10
2秒前
烤鸭发布了新的文献求助10
2秒前
2秒前
神经小丸子完成签到,获得积分10
2秒前
朱妮妮完成签到,获得积分10
3秒前
de完成签到,获得积分10
4秒前
NexusExplorer应助深林小怪采纳,获得30
4秒前
冲鸭完成签到 ,获得积分10
5秒前
jonghuang完成签到,获得积分10
6秒前
风槿完成签到 ,获得积分10
6秒前
潇潇潇完成签到 ,获得积分10
7秒前
时鹏飞完成签到 ,获得积分10
7秒前
棉花糖发布了新的文献求助10
7秒前
阳光大有完成签到 ,获得积分10
8秒前
9秒前
兴奋翠柏完成签到 ,获得积分10
10秒前
孙友浩完成签到,获得积分10
11秒前
寄托完成签到 ,获得积分10
12秒前
章鱼完成签到,获得积分10
12秒前
rongrong12完成签到,获得积分10
13秒前
无情的匪完成签到 ,获得积分10
14秒前
苯二氮卓完成签到,获得积分10
16秒前
麻祖完成签到 ,获得积分10
18秒前
kankj发布了新的文献求助10
18秒前
19秒前
研友_5Z4ZA5完成签到,获得积分10
19秒前
轻昀完成签到,获得积分10
21秒前
yuzhi完成签到,获得积分10
22秒前
杂化轨道退役研究员完成签到,获得积分10
22秒前
desperate完成签到,获得积分10
24秒前
舒适的平蓝完成签到 ,获得积分10
27秒前
昵称完成签到,获得积分10
27秒前
lixiangrui110完成签到,获得积分10
28秒前
秦时明月完成签到,获得积分10
28秒前
等待的花卷完成签到 ,获得积分10
29秒前
搞怪柔完成签到,获得积分10
30秒前
友好盼波完成签到,获得积分10
31秒前
nuliguan完成签到 ,获得积分10
31秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Pharmacogenomics: Applications to Patient Care, Third Edition 800
Gerard de Lairesse : an artist between stage and studio 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3081634
求助须知:如何正确求助?哪些是违规求助? 2734500
关于积分的说明 7533221
捐赠科研通 2384096
什么是DOI,文献DOI怎么找? 1264167
科研通“疑难数据库(出版商)”最低求助积分说明 612567
版权声明 597584