王瑶菡 曾利红 王 颖 唐 琴 秦春香△

    ①中南大学湘雅护理学院(湖南) 410013 E-mail:yaohanwang@csu.edu.cn ②中南大学湘雅三医院 △通信作者 E-mail:Chunxiangqin@csu.edu.cn

    抑郁障碍是全球最常见的精神障碍之一[1],目前,全球抑郁患者高达3.5亿,我国超过2600万[2],抑郁障碍不仅对患者的生活质量产生严重影响,还会对医疗服务及社会经济造成沉重负担[3]。抑郁的早期识别与筛查是诊断和管理的基石,目前筛查方式主要是基于心理量表测评[4],但存在效率低下、识别结果滞后且主观性强的缺点[5-6],无法实现客观且实时的大规模监测。因此实现抑郁障碍的高效、客观、实时、大规模监测,已经成为了当前临床医务工作者和心理卫生科研人员亟待解决的重要议题。而大数据时代的到来以及人工智能技术的发展,为解决这一问题提供了契机。研究表明用户逐渐倾向于在网络中分享日常生活,表达观点和情绪[7],这些内容能实时、真实反映用户当下的情绪状态,且隐私性更强,同时有效减少部分患者就医病耻感[8]。随着互联网技术的快速发展和智能手机的普及应用,社交媒体中反映用户兴趣、观点及心理动态等方面的数据海量扩增,因此,社交媒体逐渐成为挖掘用户心理动态的重要资源[9],其在社交媒体中会有意或无意的暴露情绪,通过获取用户在社交媒体中发布的文本构建情感词典,进行情感分析,能够判断用户是否有抑郁倾向[10-11],该方法具有规模广、准确率高、客观性强、资源消耗少的优势。本文围绕基于情感词典的情感分析方法以及其在抑郁领域的应用进行综述,旨在为早期预测与筛查抑郁个体提供参考,以便尽早实施干预促进患者康复。

    1 概 述

    1.1 情感分析

    情感分析(Sentiment Analysis),又称意见挖掘,是通过提取文本信息,对其情感倾向进行分析,以获得人们的观点、看法、态度等[12]。情感分析被广泛应用于各类领域的情绪识别,在早期的工作中,通过网络文本信息进行情感分析的研究主要应用于舆情分析、推荐系统、用户画像等领域[13],如利用社交平台网民发帖来分析群众意见及舆情趋势[14],利用电子商务平台用户评论来评估用户对产品的满意程度[15]。

    1.2 情感词典

    情感词典(Sentiment Lexicon)是已标注情感倾向的名词、副词、动词等词语的集合[16]。词语是体现文本情感的基本单位[17],在一定语境中表现出正负情感极性,如 “好”的情感倾向是正向的,而“糟糕”则是负向的 ......