基于中文微博语言特征的自杀意念检测

• 作者: 宋文爱 许立鹏
• 来源期刊: 中北大学学报（自然科学版）
• 学科: 工学
• 关键词: 自杀意念 语言特征 支持向量机 随机森林
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 自动化与计算机
• 页码范围: 350-357
• 页数: 8页
• 分类号: TP311
• 字数: 7933字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3193.2019.04.010

摘要

针对自杀意念检测,建立一个可迁移性强的自杀词典,并提出词性特征,以提高基于n-gram特征的自杀意念检测模型的分类准确率.采用对比实验与控制变量的方式,以n-gram特征、语言特征(词汇特征、词性特征)为输入特征,以随机森林、支持向量机算法为驱动,重点研究语言特征对模型性能的影响,同时探究在不同特征下不同分类算法训练模型的性能表现.结果表明:语言特征对模型性能有大幅提升,通过比较发现,基于n-gram特征与语言特征的模型性能优于基于n-gram特征和词典特征的模型和基于n-gram特征的模型,其中在随机森林算法下性能提升约20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋文爱	中北大学软件学院	107	470	11.0	16.0
2	许立鹏	中北大学软件学院	1	0	0.0	0.0