基于社交网络信息的用户抑郁症倾向识别  

作　　者：刘定平 张雪燕[1] 

机构地区：[1]河南财经政法大学统计与大数据学院,河南郑州450046

出　　处：《统计理论与实践》2021年第9期14-21,共8页STATISTICAL THEORY AND PRACTICE

摘　　要：对于抑郁症患者的识别与诊断由于其敏感性而遇到较大瓶颈,随着社交网络的发展,中国网民广泛使用的微博平台越发受到抑郁症倾向群体的青睐,并将其作为情绪宣泄的树洞,因而追踪用户在社交平台的网络轨迹成为抑郁症患者识别的新思路。通过爬虫技术获取微博用户在个人信息、与人交往以及微博内容三个方面的相关信息后,对抑郁症患者的表征进行探究,进而提取相应的特征变量,用于统计识别模型的建立。建立抑郁症识别模型过程中,分别从统计指标体系法、机器学习分类法两个角度展开,通过Topsis距离综合评价法与XGBoost集成学习算法对抑郁症倾向用户进行筛选,最后发现XGBoost算法在分类准确率的表现上显著高于TOPSIS距离综合评价法,但在特征变量重要性的评估方面不如Topsis距离综合评价法全面。

关 键 词：抑郁症识别 社交平台 Topsis距离综合评价法 XGBoost集成学习算法 

分 类 号：C82[社会学—统计学]