多类型特征融合的抑郁倾向识别方法研究

摘要

当今社会，人们承受的压力越来越大。过大的压力容易使人产生心理疾病，抑郁症是一种常见的心理疾病，全世界有数亿人正遭受抑郁症的折磨。抑郁症对人们的身心健康造成极坏的影响，甚至会危害社会，因此，在抑郁症早期即抑郁倾向阶段能够尽早发现并治疗极为重要。本文旨在探索一种能够在保证个人隐私前提下准确客观识别抑郁倾向的方法，从而辅助心理专家判断分析，降低误诊的概率。因此，本文对抑郁倾向这一课题的研究具有重要的理论和实际意义。 虽然抑郁倾向的研究已经取得一定的成果，但是仍然存在不足之处。首先，抑郁倾向识别的主要方法为心理健康自查结合心理专家问诊情况，但是大多数人出于保护隐私等原因，一般不会主动寻求心理专家的帮助，并且该方法容易受到主观因素的影响；其次，研究抑郁倾向所用数据一般非公开且不完善，并且数据来源比较单一，缺乏从多层面研究抑郁倾向；最后，抑郁倾向识别模型通常采用单一模型，存在泛化能力不强等问题。 针对上述问题，本文提出一种基于多类型特征融合的抑郁倾向识别方法，主要创新点如下： （1）集成心理健康自查、眼动信号、网络行为多种方法共同作为抑郁倾向识别方法，对抑郁倾向更为精准识别和客观量化。首先，本文在以心理健康自查作为识别方法的基础上，将眼动追踪技术应用于抑郁倾向识别，将心理健康自查结合眼动信号识别抑郁倾向。其次，由于个人行为可以识别抑郁倾向，而网络行为是个人行为重要的组成部分，因此可以利用网络行为识别抑郁倾向。本文在心理健康自查和眼动信号基础上结合网络行为共同识别抑郁倾向。 （2）融合眼动特征、记忆力特征、认知风格特征以及网络行为特征多类型特征，建立了大规模、多类型融合的数据集。数据是抑郁倾向研究的重点内容之一，因为研究抑郁倾向需要保护个人隐私，所以数据一般非公开且不完善，并且数据来源比较单一，为了弥补数据不足的问题，本文从多层面进行相关实验设计和数据采集。 （3）提出新的抑郁倾向识别模型——扫描堆叠模型，提高抑郁倾向识别的准确性。首先，本文提出了扫描结构来处理数据，以处理复杂的数据关系。其次，本文构建了两层堆叠结构，基础模型层由GBDT、BP神经网络、KNN、SVM四种模型构成，元模型为逻辑回归模型。最后，将扫描结构与堆叠结构结合，构建扫描堆叠抑郁倾向识别模型。此外，本文客观全面评价模型性能，既评价模型各部分结构的性能，又与多种模型从参数R平方、均方误差、平均绝对误差多个指标进行比较，结果显示扫描堆叠模型的预测效果最佳。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 抑郁倾向识别方法

1.2.2抑郁倾向识别模型

1.3 本文的研究内容及结构框架

1.3.1 研究内容

1.3.2 结构框架

第二章 抑郁倾向识别方法

2.1心理健康自查

2.2 眼动信号

2.2.1 眼动实验设计

2.2.2 眼动信号分析

2.2.3数据图分析

2.3 网络行为

2.3.1图像分析

2.3.2文本分析

2.4 识别方法效果分析

2.5 本章小结

第三章 抑郁倾向的多类型特征表示

3.1记忆力

3.2认知风格

3.3数据预处理

3.4数据集描述

3.5本章小结

第四章 扫描堆叠抑郁倾向识别模型

4.1扫描堆叠结构

4.1.1扫描结构

4.1.2堆叠结构

4.1.3扫描堆叠结构

4.2扫描堆叠模型实现

4.2.1扫描过程

4.2.2堆叠过程

4.3扫描堆叠模型性能评价

4.3.1模型各部分性能

4.3.2模型整体性能

4.4 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士学位期间取得的科研成果

致谢