基于胶囊网络模型的抑郁症预测研究

査 猛，叶 宁*，王汝传，徐 康

(1.南京邮电大学 计算机学院、软件学院、网络空间安全学院，江苏 南京 210003；2.江苏省无线传感网高技术研究重点实验室，江苏 南京 210093)

0 引 言

随着现代生活的快速发展，心理健康问题引起社会各界越来越多的关注。抑郁症也称抑郁障碍，是一类以显著而持久的心境低落为主要特征的情绪障碍疾病，具有慢性、反复发作、迁延不愈、自杀率高的特点[1]。因此，对抑郁症患者进行早期识别诊断，并及时给予治疗十分重要。但是，目前抑郁症的诊断主要以问卷调查为主，并以医生的判断为辅。其准确程度主要依赖于医生的专业水平和经验以及患者的配合程度，并且患者的早期诊断和评估具有非常大的限制，如患者没有意识到自己得病、患者不愿意就医等[2]。针对抑郁症的诊断困难问题，由于近年来微博、推特等社交工具的广泛使用，产生大量的可分析数据，为采用机器学习方法来识别轻度抑郁症患者提供了数据基础，因此利用机器学习来预测网络用户的抑郁症倾向得到了越来越多研究人员的关注，并成为自然语言处理领域的研究热点之一[3]。

国内外许多研究人员针对情绪分析已经做了大量研究，但在社交网络中利用微博或推特评论并基于深度学习框架关于抑郁症的研究很少[4]。近年来，不断有学者提出用图像领域的卷积神经网络来解决自然语言处理的任务。受此启发，文中使用卷积神经网络来处理微博文本的抑郁症预测任务，但是卷积神经网络存在池化层丢失信息以及无法学习文本内在的关联信息等问题，并且抑郁症的预测不是情绪的正负极判断，仅仅通过神经网络模型训练得出的预测结果较为不准确。……