面向极端化表达的抑郁程度情感分析

作     者：张顺香 文华 张基旭 丁远远 段玉俊 

作者机构：安徽理工大学计算机科学与工程学院 淮南师范学院计算机学院 合肥综合性国家科学中心人工智能研究院 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2024年

核心收录：

学科分类：1002[医学-临床医学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 100205[医学-精神病与精神卫生学] 10[医学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(62076006) 认知智能全国重点实验室开放课题(COGOS-2023HE02) 安徽高校协同创新项目(GXXT-2021-008) 

主　　题：抑郁程度情感分析 特征融合 BiLSTM 多头注意力 

摘      要：[目的]针对当前抑郁程度情感分析模型未能充分考虑到患者极端化表达的问题，提出一种面向极端化表达的抑郁程度情感分析模型[方法]首先结合jieba和RoBERTa提取文本的字符级和词语级特征；然后将不同粒度的特征融合，并输入到BiLSTM中得到文本不同位置上的情感信息；接着使用多头注意力为文本各部分分配权重，使模型更准确地捕捉与抑郁情感相关的信息；最后通过全连接层并使用Softmax函数进行归一化，输出最终预测结果。[结果]在“中文抑郁文本句子语料库上的准确率、召回率、F1分数和精确率为84.14%、61.09%、62.90%和64.81%，在数据集“ZFCD上的准确率、召回率、F1分数和精确率为93.59%、82.55%、85.37%和88.38%。[局限]在进行抑郁程度情感分析时只结合了文本信息，没有涉及图片、音频、视频等其他模态信息。[结论] 该模型能够准确识别抑郁症领域词语、程度副词等，并结合多粒度特征信息，有效地捕捉文本深层语义，提高了抑郁程度情感分析的准确率。