心理危機問題近年來逐漸成為熱點討論的話題,許多由心理危機問題導致的犯罪、自殺案件在各大媒體上引起了大量的關(guān)注。危機的監(jiān)測與防控逐漸成為亟待解決的問題。網(wǎng)絡(luò)社交媒體是目前很多人宣泄情感的重要途徑,是心理危機監(jiān)測的一個非常重要的窗口。目前基于社交媒體的心理健康研究工作都集中的心理危機的識別上,沒有工作研究心理危機干預(yù)的時機問題,也忽略了用戶本身接受心理危機問題援助的意愿,這對用戶與援助者的溝通可能會造成不良影響。心理危機的干預(yù)介入意愿,本質(zhì)上是用戶對于外界的求助意愿。許多用戶心理難受的時候會在論壇上發(fā)帖求助,本文研究的主要目標是對用戶發(fā)帖求助的行為進行分析和預(yù)測。首先根據(jù)心理統(tǒng)計學知識,以及自然語言處理技術(shù)對用戶在Reddit論壇上的帖子提取特征。根據(jù)時間窗口劃分方法,處理數(shù)據(jù)集,并對用戶社交文本的內(nèi)容特征進行縱向分析,剖析用戶的心理變化情況。通過對語言學特征的分析,觀測到不同詞類在該時間段使用頻率（靜態(tài)）上的區(qū)別;跟據(jù)對情感動力學特征的分析,挖掘出不同詞類在頻率波動（動態(tài)）上的差異。此外通過對不同自殺風險等級帖子在時間窗口樣本中的分布情況進行分析,我們可以得出結(jié)論:自殺風險等級特別高的用... 

【文章來源】：江西財經(jīng)大學江西省

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

圖2.3支持向量機模型1

第3章縱向特征分析21含帖子大部分只有一條�？v向特征分析主要目標是挖掘用戶在時間窗口內(nèi)各項特征的變化趨勢，窗口過小會導致樣本中發(fā)帖量低，變化與波動過程不顯著，影響直觀的縱向特征分析效果。窗口過大則會導致間隔時間較長，相互之間關(guān)聯(lián)性較低的發(fā)帖分配進同一個樣本內(nèi)進行分析。圖3.1相鄰發(fā)帖時間間隔中值的分布情況時間窗口的劃分必須滿足時效性，同時也要保留足夠的信息內(nèi)容。時間窗口劃分越細，時效性也就越高，但是同時時間窗口內(nèi)包含的信息量就越低，時效性根據(jù)時間窗口的響應(yīng)時間，窗口內(nèi)包含的信息量通過窗口內(nèi)發(fā)帖數(shù)量進行計算，時間窗口劃分的優(yōu)劣性質(zhì)則可以通過時效—信息比（Prescription-amountofinformation，下文簡稱P-I）進行評價，P-I計算過程分為兩個部分：其一是反應(yīng)時效性的響應(yīng)效率，響應(yīng)效率通過響應(yīng)時間與窗口內(nèi)帖子數(shù)量的比值得到，響應(yīng)時間是指從時間窗口的起始時間點到出現(xiàn)干預(yù)意愿的時間差，這個時間越短代表響應(yīng)越迅速，但是同時也需要考慮時間窗口內(nèi)帖子數(shù)量對于響應(yīng)時間的影響，時間窗口內(nèi)帖子數(shù)量越多，短響應(yīng)時間具有的時效價值就越大。其二是時間窗口大小與信息量之間的比值，時間窗口越大，相應(yīng)的其包含的信息量也就越大，兩者之間的比值可以作為衡量時間窗口包含信息量效率的參數(shù)。對于某個用戶發(fā)帖的集合123,,,...,uunSssss根據(jù)時間窗口劃分方案將其發(fā)帖分割成123nS,S,S,...,SuS，對于其中包含SW論壇求助帖子ssw的集合swni12s,s,s,...,,...,siijSs，響應(yīng)時間為時間窗口內(nèi)首條發(fā)帖si與ssw發(fā)帖之間的時間差值T響應(yīng)（不足一日按一日進行計算），劃分方案中時間窗口長度為T，時間窗

第3章縱向特征分析27圖3.3負樣本上心理危機風險等級分布對于正、負樣本來說，Green標簽的發(fā)帖都占較大比例，但是在Crisis與Amber詞類占比上，正負樣本上具有較大的差異性，正樣本中Crisis數(shù)據(jù)占比為16%，相對要高于負樣本中的占比13%，而對于極大自殺風險的樣本占比中而言，正樣本較負樣本低2%。低自殺風險的Amber與Green標簽發(fā)帖總和分別為78%與79%，在正負樣本上差異不大。由統(tǒng)計結(jié)果我們可以推測，在用戶具有較大自殺風險的情況下，干預(yù)介入意愿的出現(xiàn)的相對更頻繁，但當用戶心理狀況達到極大自殺風險的時候，干預(yù)介入的意愿反而會降低。這也印證了心理健康咨詢工作的重要指導思想：干預(yù)介入要盡可能及時，心理危機風險過度惡化會對診療和救助帶來更大的困難。

【參考文獻】：
期刊論文
[1]基于多特征融合的在線論壇用戶心理健康自動評估[J]. 劉德喜,夏先益,萬常選,劉喜平,江騰蛟,付淇.  計算機學報. 2019(07)
[2]基于深度學習的微博用戶自殺風險預(yù)測[J]. 田瑋,朱廷劭.  中國科學院大學學報. 2018(01)
[3]汶川地震災(zāi)區(qū)青少年心理健康及其影響因素縱向分析[J]. 盧文學,蔣敏,周艷陽,劉靜,劉巧蘭.  中國公共衛(wèi)生. 2015(05)
[4]不同自殺可能性微博用戶行為和語言特征差異解釋性研究[J]. 管理,郝碧波,程綺瑾,葉兆輝,朱廷劭.  中國公共衛(wèi)生. 2015(03)
[5]縱向財政治理結(jié)構(gòu)與地方政府職能優(yōu)化——基于省直管縣財政體制改革的擬自然實驗分析[J]. 賈俊雪,寧靜.  管理世界. 2015(01)
[6]心理彈性、負性生活事件和抑郁癥狀的關(guān)系:鋼化效應(yīng)和敏化效應(yīng)[J]. 葉艷,范方,陳世鍵,張燁,龍可,唐凱晴,王鶴.  心理科學. 2014(06)
[7]時間序列分析在抑郁癥心理治療中的應(yīng)用[J]. 吳樟,李小平.  中國健康心理學雜志. 2010(09)
[8]抑郁癥情緒加工與認知控制的腦機制[J]. 廖成菊,馮正直.  心理科學進展. 2010(02)
[9]縱向再探學前兒童心理理論發(fā)展模式[J]. 方富熹,Henry M. Wellman,劉玉娟,劉國雄,亢蓉.  心理學報. 2009(08)
[10]縱向數(shù)據(jù)分析方法[J]. 劉紅云,孟慶茂.  心理科學進展. 2003(05)

碩士論文
[1]研究生心理適應(yīng)的橫向與縱向調(diào)查研究[D]. 陸艷.蘇州大學 2016



本文編號：3310049