基于大数据和机器学习的心理危机个体识别模型

摘要

为了提升心理危机个体的识别效率,文中将大学生在社交媒体以及各类网络平台留下的数据文本信息作为研究对象,以自然语言处理的思路进行数学建模,引入了一种基于卷积运算的文本信息处理网络TCNN。该网络以Word2Vec词向量生成模型的输出为输入,可有效提取网络短文中的特征信息且生成特征向量。在综合分析了Word2Vec模型static与non-static训练方式的基础上,通过建立双通道的网络DTCNN提升了算法对文本局部敏感信息的提取效率。在自建数据集上进行仿真。结果表明,TCNN、DTCNN网络较传统的贝叶斯判别法,指标性能有了显著改善。其中,DTCNN模型的准确率、召回率及F1值分别提升了9.3%、4.5%及8.1%。此外,改进后的DTCNN网络较TCNN网络的F1值也得到了进一步提升。