基于表情符号感知和深宽模型的抑郁情绪识别方法及系统

本发明涉及抑郁情绪检测，尤其涉及一种基于表情符号感知和深宽模型的抑郁情绪识别方法及系统。

背景技术：

1、抑郁症已成为受到全球高度关注和重视的精神健康疾病。然而，由于心理医疗资源紧、社会歧视以及病耻感等原因，抑郁症患者普遍面临“患病不知病，知病不看病”的困境。

2、传统的抑郁症检测方法依赖于问卷评估和医生的专业知识。然而，精神卫生专业人员的精力和数量的有限性使得这些方法效率低下，不能弥合大量抑郁症患者之间的实质性差距。

3、因此，如何基于社交媒体中的海量社交帖子来识别发布者的抑郁情绪状态，成为亟需解决的问题。

技术实现思路

1、本发明提供一种基于表情符号感知和深宽模型的抑郁情绪识别方法及系统，用以解决现有技术中缺乏基于发布内容识别发布者的抑郁情绪状态的方法的缺陷，实现一种准确性、泛用性和鲁棒性高的抑郁情绪识别方法。

2、本发明提供一种基于表情符号感知和深宽模型的抑郁情绪识别方法，包括：

3、将待识别的发布内容中输入至预先训练的深度模块，获取所述深度模块输出的深层特征，其中，所述深层特征至少表征所述待识别的发布内容的文本和表情符号感知信息；

4、将待识别的发布内容及其属性信息输入预先训练的宽度模块，得到所述宽度模块输出的浅层特征；

5、将所述深层特征输入第一分类器，得到所述第一分类器输出的表情符号预测结果，同时，将所述深层特征和所述浅层特征拼接后输入第二分类器，得到所述第二分类器输出的抑郁情绪识别结果为抑郁情绪或非抑郁情绪。

6、根据本发明提供的一种基于表情符号感知和深宽模型的抑郁情绪识别方法，所述将待识别的发布内容输入至预先训练的深度模块，获取所述深度模块输出的深层特征的步骤，具体包括：

7、将所述待识别的发布内容中的图像转换成描述性文本，并将所述描述性文本拼接至所述待识别的发布内容中的文本后，得到拼接文本；

8、基于所述拼接文本获取所述深层特征。

9、根据本发明提供的一种基于表情符号感知和深宽模型的抑郁情绪识别方法，所述基于所述拼接文本获取所述深层特征的步骤，具体包括：

10、将所述拼接文本输入所述深度模块中的bert模型，并将所述bert模型的输出结果输入至所述深度模块中的bilstm模型中，对所述bilstm模型的输出使用注意力机制进行引导，得到所述深层特征。

11、根据本发明提供的一种基于表情符号感知和深宽模型的抑郁情绪识别方法，所述浅层特征至少包括用户特定特征、发布内容文本特征、发布内容图像特征和发布内容表情符号特征。

12、根据本发明提供的一种基于表情符号感知和深宽模型的抑郁情绪识别方法，所述将待识别的发布内容中的文本和图像输入至预先训练的深度模块的步骤前，还包括：

13、基于收集的多条包含表情符号的社交平台发布内容构建第一数据集；

14、基于收集的多条关联抑郁情绪的发布内容构建第二数据集；

15、使用所述第一数据集和所述第二数据集对所述深度模块、所述宽度模块、所述第一分类器和所述第二分类器进行训练。

16、根据本发明提供的一种基于表情符号感知和深宽模型的抑郁情绪识别方法，所述使用所述第一数据集和所述第二数据集对所述深度模块、所述宽度模块、所述第一分类器和所述第二分类器进行训练的步骤包括：

17、每次训练中，将所述第一数据集中的一批数据和所述第二数据集中的一批数据共同作为输入，其中，所述第一数据集中的一批数据用于对所述第一分类器的损失进行迭代。

18、本发明还提供一种基于表情符号感知和深宽模型的抑郁情绪识别系统，包括：

19、深层特征提取模块，用于将待识别的发布内容中输入至预先训练的深度模块，获取所述深度模块输出的深层特征，其中，所述深层特征至少表征所述待识别的发布内容的文本和表情符号感知信息；

20、浅层特征提取模块，用于将待识别的发布内容输入预先训练的宽度模块，得到所述宽度模块输出的浅层特征；

21、识别模块，用于将所述深层特征输入第一分类器，得到所述第一分类器输出的表情符号预测结果，同时，将所述深层特征和所述浅层特征拼接后输入第二分类器，得到所述第二分类器输出的抑郁情绪识别结果为抑郁情绪或非抑郁情绪。

22、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于表情符号感知和深宽模型的抑郁情绪识别方法。

23、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于表情符号感知和深宽模型的抑郁情绪识别方法。

24、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于表情符号感知和深宽模型的抑郁情绪识别方法。

25、本发明提供的基于表情符号感知和深宽模型的抑郁情绪识别方法及系统，通过多任务学习的方式，使得用于抑郁情绪识别的深层特征同时包含了待识别的发布内容的文本和表情符号感知信息，提出了一种新的将表情符号模态引入抑郁情绪识别的方式，从而基于表情符号感知和深宽模型实现了基于多模态信息的抑郁情绪识别，提高了抑郁情绪识别的准确率及泛化性。

技术特征：

1.一种基于表情符号感知和深宽模型的抑郁情绪识别方法，其特征在于，包括：

2.根据权利要求1所述的基于表情符号感知和深宽模型的抑郁情绪识别方法，其特征在于，所述将待识别的发布内容输入至预先训练的深度模块，获取所述深度模块输出的深层特征的步骤，具体包括：

3.根据权利要求2所述的基于表情符号感知和深宽模型的抑郁情绪识别方法，其特征在于，所述基于所述拼接文本获取所述深层特征的步骤，具体包括：

4.根据权利要求1所述的基于表情符号感知和深宽模型的抑郁情绪识别方法，其特征在于，所述浅层特征至少包括用户特定特征、发布内容文本特征、发布内容图像特征和发布内容表情符号特征。

5.根据权利要求1-4中任一项所述的基于表情符号感知和深宽模型的抑郁情绪识别方法，其特征在于，所述将待识别的发布内容中的文本和图像输入至预先训练的深度模块的步骤前，还包括：

6.根据权利要求5所述的基于表情符号感知和深宽模型的抑郁情绪识别方法，其特征在于，所述使用所述第一数据集和所述第二数据集对所述深度模块、所述宽度模块、所述第一分类器和所述第二分类器进行训练的步骤包括：

7.一种基于表情符号感知和深宽模型的抑郁情绪识别系统，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于表情符号感知和深宽模型的抑郁情绪识别方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于表情符号感知和深宽模型的抑郁情绪识别方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于表情符号感知和深宽模型的抑郁情绪识别方法。

技术总结
本发明提供一种基于表情符号感知和深宽模型的抑郁情绪识别方法及系统，属于抑郁情绪识别领域，包括：将待识别的发布内容中输入至预先训练的深度模块，获取深度模块输出的深层特征；将待识别的发布内容及其属性信息输入预先训练的宽度模块，得到宽度模块输出的浅层特征；将深层特征输入第一分类器，得到第一分类器输出的表情符号预测结果，同时，将深层特征和浅层特征拼接后输入第二分类器，得到第二分类器输出的抑郁情绪识别结果为抑郁情绪或非抑郁情绪。本发明通过多任务学习的方式，使得用于抑郁情绪识别的深层特征同时包含了待识别的发布内容的文本和表情符号感知信息，在引入表情符号模态的同时提高了抑郁情绪识别的准确率及泛化性。

技术研发人员：刘艳,姚金玉,王梓宁,孙丽君
受保护的技术使用者：华中农业大学
技术研发日：
技术公布日：2025/2/5