[發(fā)明專利]基于多模態(tài)特征和語義規(guī)則的文本抑郁傾向檢測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110584120.0
• 申請日: 2021-05-27
• 公開（公告）號: CN113343706A
• 公開（公告）日: 2021-09-03
• 發(fā)明（設計）人: 王紅;張慧;莊魯賀;韓書;李威;楊杰;王正軍;楊雪;滑美芳
• 申請（專利權）人: 山東師范大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F16/35;G06F40/205;G06F40/242;G06F40/253;G06F40/284;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產(chǎn)權代理有限公司 37221
• 代理人: 祖之強

本公開提供了一種基于多模態(tài)特征和語義規(guī)則的文本抑郁傾向檢測系統(tǒng)，工作方法為：獲取待處理的文本數(shù)據(jù)，對獲取的文本數(shù)據(jù)進行預處理；根據(jù)預處理后的文本數(shù)據(jù)和預設詞嵌入模型，得到詞嵌入向量；根據(jù)預處理后的文本數(shù)據(jù)、預設情感詞典和預設語義規(guī)則，得到文本的情感值特征向量；提取文本數(shù)據(jù)中的詞性特征向量，與詞嵌入向量拼接后，得到單詞級別的特征向量表示；提取文本數(shù)據(jù)中的詞頻特征向量，與情感值特征向量拼接后，得到句子級別的特征向量表示；根據(jù)單詞級別的特征向量表示、句子級別的特征向量表示以及預設CNN?BiLSTM網(wǎng)絡模型，得到最終的分類結果；本公開考慮了文本的情感信息，提取了多模態(tài)的文本特征，提高了文本抑郁傾向檢測的精度。

技術領域

本公開涉及文本數(shù)據(jù)處理技術領域，特別涉及一種基于多模態(tài)特征和語義規(guī)則的文本抑郁傾向檢測系統(tǒng)。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術，并不必然構成現(xiàn)有技術。

抑郁癥是一種嚴重的精神疾病，隨著社交媒體的迅速發(fā)展，患有精神疾病的用戶會在社交平臺上發(fā)布一些帖子，以在線尋求幫助和支持，這使得龐大的數(shù)據(jù)可供研究人員進行分析。在這項工作中，本實施例的主要檢測Reddit數(shù)據(jù)集上患有抑郁傾向的用戶。

發(fā)明人發(fā)現(xiàn)，在基于文本數(shù)據(jù)的抑郁傾向檢測技術方面，現(xiàn)有的方法大多都采用詞嵌入的方法作為詞或句子的向量表示，缺乏情感信息，不能精確捕獲句子的整體情感；并且，由于社交媒體帖子書寫隨意性、并過多使用網(wǎng)絡詞語，因此采用傳統(tǒng)詞嵌入的方式無法捕獲句子更豐富的情感方面的信息，從而導致模型分類精度不高。

發(fā)明內容

為了解決現(xiàn)有技術的不足，本公開提供了一種基于多模態(tài)特征和語義規(guī)則的文本抑郁傾向檢測系統(tǒng)，考慮了文本的情感信息，提取了多模態(tài)的文本特征，提高了文本抑郁傾向檢測的精度。

為了實現(xiàn)上述目的，本公開采用如下技術方案：

本公開第一方面提供了一種基于多模態(tài)特征和語義規(guī)則的文本抑郁傾向檢測系統(tǒng)。

一種基于多模態(tài)特征和語義規(guī)則的文本抑郁傾向檢測系統(tǒng)，包括：

數(shù)據(jù)獲取模塊，被配置為：獲取待處理的文本數(shù)據(jù)，對獲取的文本數(shù)據(jù)進行預處理；

詞嵌入模塊，被配置為：根據(jù)預處理后的文本數(shù)據(jù)和預設詞嵌入模型，得到詞嵌入向量；

情感值特征向量獲取模塊，被配置為：根據(jù)預處理后的文本數(shù)據(jù)、預設情感詞典和預設語義規(guī)則，得到文本的情感值特征向量；

單詞級特征向量獲取模塊，被配置為：提取文本數(shù)據(jù)中的詞性特征向量，與詞嵌入向量拼接后，得到單詞級別的特征向量表示；

句子級特征向量獲取模塊，被配置為：提取文本數(shù)據(jù)中的詞頻特征向量，與情感值特征向量拼接后，得到句子級別的特征向量表示；

分類模塊，被配置為：根據(jù)單詞級別的特征向量表示、句子級別的特征向量表示以及預設CNN-BiLSTM網(wǎng)絡模型，得到最終的分類結果。

進一步的，分類模塊中，將單詞級別的特征向量表示和句子級別的特征向量表示，分別輸入到預設卷積神經(jīng)網(wǎng)絡中，將兩個卷積神經(jīng)網(wǎng)絡輸出的高層特征進行融合后輸入到預設Bi-LSTM網(wǎng)絡模型中，得到分類結果。

進一步的，對獲取的文本數(shù)據(jù)進行預處理，包括：

從文本數(shù)據(jù)中提取標題、內容和標簽，去除由于已刪除內容而缺少的數(shù)據(jù)以及不相關數(shù)據(jù)，將文本數(shù)據(jù)轉換為小寫字母。

進一步的，采用Word2vec詞嵌入模型生成嵌入向量。

進一步的，利用擴充后的SenticNet4情感詞典，根據(jù)情感詞典中每個單詞的情感極性值和預設語義規(guī)則，進行句子情感值計算，得到文本的情感值特征向量。