基于CSTWD模型的抑郁癥檢測(cè)研究

摘要：近年來(lái)，抑郁癥文本檢測(cè)作為心理健康領(lǐng)域的重要研究方向，對(duì)于早期篩查與干預(yù)具有顯著的社會(huì)價(jià)值。現(xiàn)有方法忽略了抑郁與非抑郁樣本誤判代價(jià)的差異，導(dǎo)致高危樣本分類風(fēng)險(xiǎn)增加。文章提出了一種基于代價(jià)敏感三支決策模型的抑郁癥檢測(cè)方法（Depression Detection Algorithm based on Cost-Sensitive Three-Way Decision Model，CSTWD） 。該方法在特征提取階段采用長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM） 對(duì)Word2Vec生成的詞向量進(jìn)行上下文語(yǔ)義編碼，構(gòu)建具有時(shí)序關(guān)聯(lián)性的64維特征表示。針對(duì)抑郁癥文本的模糊性特征，引入最小覆蓋三支決策模型，通過(guò)動(dòng)態(tài)閾值將樣本分為高危域、健康域和待診域。對(duì)于待診域中的高不確定性樣本，設(shè)計(jì)了加權(quán)馬氏距離的代價(jià)敏感KNN分類器，重點(diǎn)優(yōu)化將抑郁癥文本誤判為正常類別的高風(fēng)險(xiǎn)場(chǎng)景。實(shí)驗(yàn)結(jié)果表明該方法具有較高的準(zhǔn)確率及較低的高危誤判率，有效平衡了檢測(cè)精度與醫(yī)療風(fēng)險(xiǎn)控制。

關(guān)鍵詞：抑郁癥檢測(cè)；代價(jià)敏感；三支決策；自然語(yǔ)言處理；LSTM

中圖分類號(hào)：TP391" "文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）16-0026-04

開放科學(xué)（資源服務(wù)） 標(biāo)識(shí)碼（OSID） ：

0 引言

抑郁癥是一種以持續(xù)情緒低落、興趣喪失、認(rèn)知功能受損為特征的精神疾病。據(jù)世界衛(wèi)生組織統(tǒng)計(jì)，全球抑郁癥患者已超過(guò)3億人，且因其高致殘率和社會(huì)負(fù)擔(dān)，成為全球公共衛(wèi)生領(lǐng)域的重大挑戰(zhàn)。傳統(tǒng)的抑郁癥診斷主要依賴兩類方法：其一是基于DSM-5或ICD-10標(biāo)準(zhǔn)的臨床醫(yī)生結(jié)構(gòu)化訪談，該方法通過(guò)標(biāo)準(zhǔn)化的癥狀核對(duì)清單和多軸評(píng)估系統(tǒng)，能夠?qū)崿F(xiàn)較高的診斷信效度，但對(duì)醫(yī)生的專業(yè)經(jīng)驗(yàn)要求嚴(yán)格，且存在單次評(píng)估耗時(shí)長(zhǎng)達(dá)1～2小時(shí)、醫(yī)療資源消耗大、文化適應(yīng)性受限等問(wèn)題；其二是PHQ-9、BDI等自評(píng)量表篩查，這類工具雖具有操作便捷、成本低廉的優(yōu)勢(shì)，適用于社區(qū)初篩，但其效度易受患者自我認(rèn)知偏差（如病恥感導(dǎo)致的癥狀隱瞞） 和量表文化效度的影響，研究顯示PHQ-9在青少年群體中的假陰性率可達(dá)23%。隨著社交媒體、在線論壇等平臺(tái)的普及，用戶生成文本中蘊(yùn)含的情感與心理狀態(tài)信息為抑郁癥檢測(cè)提供了新的數(shù)據(jù)來(lái)源，基于自然語(yǔ)言處理（NLP） 的文本分析抑郁癥檢測(cè)已成為研究熱點(diǎn)。

當(dāng)前基于文本的抑郁癥檢測(cè)方法主要分為以下3類：

1） 基于詞典的情感分析。采用預(yù)定義情感詞典（如LIWC心理語(yǔ)言學(xué)詞典） 統(tǒng)計(jì)抑郁相關(guān)詞匯的密度，并結(jié)合啟發(fā)式規(guī)則（如連續(xù)出現(xiàn)超過(guò)3個(gè)負(fù)面情感詞） 來(lái)生成風(fēng)險(xiǎn)評(píng)分，以此判斷文本情緒傾向，但其依賴人工構(gòu)建的詞典，難以捕捉復(fù)雜語(yǔ)義與語(yǔ)境差異。

2） 傳統(tǒng)機(jī)器學(xué)習(xí)方法。利用淺層算法（如Logistic回歸、梯度提升樹） 結(jié)合文本統(tǒng)計(jì)特征（如詞頻、n-gram共現(xiàn)） 進(jìn)行分類預(yù)測(cè)。此類模型在均衡數(shù)據(jù)集上可實(shí)現(xiàn)0.79的準(zhǔn)確率，但存在兩大缺陷：一是詞袋表示丟失詞序信息，難以捕捉抑郁文本中常見(jiàn)的矛盾修辭（如“快樂(lè)的孤獨(dú)”） ；二是代價(jià)不敏感設(shè)計(jì)導(dǎo)致高風(fēng)險(xiǎn)誤判，當(dāng)數(shù)據(jù)集中健康樣本占比超過(guò)80%時(shí)，假陰性率急劇上升至34.7%（F1=0.72） [1]。

3） 深度學(xué)習(xí)方法。該方法采用預(yù)訓(xùn)練語(yǔ)言模型（如RoBERTa、ERNIE） 或時(shí)序網(wǎng)絡(luò)（如TCN、LSTM） 提取文本深層表征。雖能提取文本深層特征，但在處理類別不平衡數(shù)據(jù)時(shí)易偏向多數(shù)類，且缺乏對(duì)代價(jià)敏感性的顯式優(yōu)化。

針對(duì)上述問(wèn)題，本文在深度學(xué)習(xí)進(jìn)行文本表征的基礎(chǔ)上，提出基于代價(jià)敏感三支決策模型（CSTWD） 的抑郁癥檢測(cè)方法。CSTWD模型通過(guò)以下機(jī)制優(yōu)化現(xiàn)有方法：

1） 深度學(xué)習(xí)特征提取。利用LSTM模型從文本中提取64維時(shí)序特征，增強(qiáng)對(duì)抑郁相關(guān)語(yǔ)義（如自我否定、未來(lái)悲觀） 的捕捉能力。

2） 三支決策劃分。將樣本劃分為正域（明確抑郁癥） 、負(fù)域（明確非抑郁癥） 及邊界域（不確定樣本） ，減少高代價(jià)誤分類風(fēng)險(xiǎn)[2]。

3） 代價(jià)敏感設(shè)計(jì)。針對(duì)邊界域樣本，結(jié)合近鄰算法與損失函數(shù)，優(yōu)先降低假陰性誤分類的代價(jià)（如設(shè)置[λPN]gt;[λNP]） 。

通過(guò)融合三支決策的魯棒性與深度學(xué)習(xí)的表征能力，CSTWD模型在提升檢測(cè)精度的同時(shí)，更適配抑郁癥檢測(cè)中代價(jià)敏感的實(shí)際需求，為心理健康監(jiān)測(cè)提供高效、低風(fēng)險(xiǎn)的自動(dòng)化方案。

1 相關(guān)工作

近年來(lái)，抑郁癥檢測(cè)研究根據(jù)方法演進(jìn)可分為兩大階段：基于傳統(tǒng)機(jī)器學(xué)習(xí)的特征驅(qū)動(dòng)方法與基于深度學(xué)習(xí)的端到端建模方法。

1.1 傳統(tǒng)機(jī)器學(xué)習(xí)方法

早期研究主要通過(guò)人工設(shè)計(jì)特征結(jié)合分類算法實(shí)現(xiàn)抑郁癥檢測(cè)，可進(jìn)一步細(xì)分為以下方向。

1） 社交媒體文本分析：Guntuku[3]等人綜合使用SVM與邏輯回歸分析Reddit用戶的語(yǔ)言特征，比如情感詞頻、自我關(guān)注度等，在英文數(shù)據(jù)集上實(shí)現(xiàn)F1值0.76，驗(yàn)證了社交媒體數(shù)據(jù)對(duì)抑郁預(yù)測(cè)的有效性，但其特征工程依賴語(yǔ)言學(xué)先驗(yàn)知識(shí)，且未解決跨文化場(chǎng)景的泛化問(wèn)題。

2） 多模態(tài)數(shù)據(jù)融合：Zhang[4]等人采用XGBoost算法融合微博用戶的關(guān)注數(shù)及轉(zhuǎn)發(fā)頻率，在中文數(shù)據(jù)集上準(zhǔn)確率達(dá)85%，但其模型依賴人工特征篩選，難以捕捉隱含語(yǔ)義信息。Bae[5]等人利用隨機(jī)森林融合可穿戴設(shè)備的心率變異性（HRV） 與運(yùn)動(dòng)數(shù)據(jù)，實(shí)現(xiàn)實(shí)時(shí)抑郁風(fēng)險(xiǎn)評(píng)估，靈敏度高達(dá)89%，但未解決生理信號(hào)與心理狀態(tài)的異步性問(wèn)題。

3） 間接心理健康評(píng)估：Garcia-Ceja[6]等人使用SVM分析TripAdvisor評(píng)論中的壓力相關(guān)詞匯，用于檢測(cè)潛在抑郁用戶，壓力檢測(cè)準(zhǔn)確率達(dá)78%，可以間接關(guān)聯(lián)心理健康評(píng)估，但存在語(yǔ)義歧義導(dǎo)致的假陽(yáng)性問(wèn)題。

1.2 深度學(xué)習(xí)方法

隨著預(yù)訓(xùn)練語(yǔ)言模型的興起，研究重點(diǎn)轉(zhuǎn)向端到端建模，主要分為兩類：

1） 單模態(tài)文本建模：Zogan[7]等人提出一種基于BERT和LSTM的多模態(tài)框架，用來(lái)分析Twitter文本與用戶活躍的時(shí)序特征，結(jié)果表明該模型對(duì)抑郁癥具有良好的檢測(cè)效果，但未解決類別不平衡導(dǎo)致的漏檢問(wèn)題。Cui[8]等人結(jié)合TextCNN與多頭注意力機(jī)制，在Reddit數(shù)據(jù)集上顯著提升長(zhǎng)文本特征提取能力，但其模型依賴高質(zhì)量標(biāo)注數(shù)據(jù)，實(shí)際應(yīng)用中面臨標(biāo)注成本限制。Wang[9]等人采用微調(diào)中文BERT模型從在線醫(yī)療咨詢文本中提取抑郁語(yǔ)義特征信息，F(xiàn)1值高達(dá)82%，覆蓋“自殺傾向”“睡眠障礙”等關(guān)鍵癥狀，但未覆蓋非顯性抑郁表達(dá)（如隱喻性語(yǔ)言） 。

2） 多模態(tài)聯(lián)合建模：Zhang[10]等人設(shè)計(jì)一種融合圖像、語(yǔ)音及文本的多模態(tài)模型，在抑郁癥數(shù)據(jù)集上準(zhǔn)確率高達(dá)92%，多模態(tài)數(shù)據(jù)互補(bǔ)性顯著，但其模型復(fù)雜度高，部署成本受限。劉洋[11]融合微博文本、用戶社交圖與移動(dòng)設(shè)備數(shù)據(jù)，采用圖卷積網(wǎng)絡(luò)（GCN） 聯(lián)合建模，準(zhǔn)確率達(dá)87%，但未解決隱私敏感數(shù)據(jù)的合規(guī)使用問(wèn)題。

通過(guò)對(duì)現(xiàn)有抑郁癥檢測(cè)方法的綜述可見(jiàn)，盡管機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)已取得顯著進(jìn)展，但是傳統(tǒng)模型默認(rèn)不同類別誤分類損失相同，忽視了“高危樣本漏診”的嚴(yán)重后果。針對(duì)上述問(wèn)題，本文提出CSTWD模型。該模型首先對(duì)抑郁癥數(shù)據(jù)集文本進(jìn)行預(yù)處理，接著利用LSTM提取文本時(shí)序特征，然后結(jié)合覆蓋半徑方法自動(dòng)生成高置信度區(qū)域，最后采用K近鄰算法對(duì)邊界樣本進(jìn)行二次分類，降低誤判風(fēng)險(xiǎn)。該模型的核心創(chuàng)新點(diǎn)包括差異化的損失敏感機(jī)制和動(dòng)態(tài)邊界的修正策略。

2 CSTWD模型的構(gòu)建

本節(jié)詳細(xì)闡述基于代價(jià)敏感三支決策的抑郁癥檢測(cè)模型（Cost-Sensitive Three-Way Decision Model，CSTWD） ，包括數(shù)據(jù)表征、三支域劃分及邊界域優(yōu)化三部分核心流程。

2.1 文本特征表征

為充分捕捉抑郁相關(guān)文本的深層語(yǔ)義與情感特征，設(shè)計(jì)了多階段特征提取框架。通過(guò)多階段特征提取實(shí)現(xiàn)從原始文本到高維語(yǔ)義向量的精細(xì)化映射。其主要流程如下：

1） 詞語(yǔ)切分與清洗：針對(duì)中文社交媒體文本的復(fù)雜性，采用Jieba分詞工具對(duì)中文文本進(jìn)行精確切分，結(jié)合哈工大停用詞表去除無(wú)情感含義的助詞（如“的”“了”） 。同時(shí)，針對(duì)社交媒體文本特性，保留情感強(qiáng)度詞（如“絕望”“崩潰”） 及網(wǎng)絡(luò)用語(yǔ)（如“emo”“躺平”） 。

2） 詞向量映射：使用預(yù)訓(xùn)練Word2Vec模型將詞語(yǔ)映射為向量。

3） 上下文特征提取：構(gòu)建雙向LSTM網(wǎng)絡(luò)（隱藏層維度64） 。LSTM（長(zhǎng)短期記憶網(wǎng)絡(luò)） 通過(guò)輸入門、遺忘門和輸出門的門控機(jī)制，有效捕捉文本中的情感依賴關(guān)系，其優(yōu)勢(shì)在于處理可變長(zhǎng)度序列時(shí)能避免梯度消失問(wèn)題，適用于抑郁癥文本的長(zhǎng)程語(yǔ)義建模。輸入詞向量序列后，網(wǎng)絡(luò)輸出時(shí)序聚合特征。

2.2 三支決策域劃分

為將樣本劃分為高置信度的正域（高危） 、負(fù)域（健康） 及需進(jìn)一步分析的邊界域，本文基于最小覆蓋算法（MinCA） 設(shè)計(jì)了一種動(dòng)態(tài)三支決策機(jī)制，具體流程如下：

1） 歸一化處理：為了確保不同特征維度對(duì)距離計(jì)算的貢獻(xiàn)均衡，避免高方差特征主導(dǎo)分類結(jié)果，需對(duì)LSTM輸出的64維特征向量進(jìn)行Min-Max歸一化，消除量綱差異，具體公式如下所示：

[x'=x-min（X）max（X）-min（X）]" "（1）

式中：[x]為樣本的特征值，[min（X）]為最小樣本特征值，[max（X）]為最大樣本特征值。[x']為歸一化后的樣本的特征值。

2） 覆蓋半徑選擇。采用最小半徑法確定覆蓋半徑，其核心原理是通過(guò)平衡類內(nèi)緊密度與類間分離度，確保覆蓋區(qū)域內(nèi)樣本類別一致性。具體而言，對(duì)于每一個(gè)候選覆蓋中心[xk]，首先計(jì)算其與同類樣本之間的最大距離[θintra]，該距離反映了同類樣本在特征空間中的分布廣度；若[θintra]較大，表明同類樣本分布較分散，需較大的覆蓋半徑以囊括所有同類；反之則說(shuō)明類內(nèi)結(jié)構(gòu)緊密。同時(shí)計(jì)算其與最近異類樣本之間的最小距離[θinter]，用于衡量類別間的分離程度。[θinter]越小，說(shuō)明類間邊界越近，需更嚴(yán)格的覆蓋半徑以避免越界。基于這兩類距離，覆蓋半徑[θk]的最終取值規(guī)則定義為二者中的較小值，即：[θk]=min（[θintra]，[θinter]）。若[θintra]lt; [θinter]，說(shuō)明同類分布緊密且異類距離較遠(yuǎn)，此時(shí)半徑由類內(nèi)緊密度決定，確保覆蓋所有同類樣本。若[θinter]lt; [θintra]，則異類鄰近，需縮小半徑以避免覆蓋區(qū)域侵入異類空間，保證類別純凈性。該方法自適應(yīng)性強(qiáng)，無(wú)須人工設(shè)定固定半徑，根據(jù)數(shù)據(jù)分布動(dòng)態(tài)調(diào)整，尤其適合類別邊界模糊或分布不均衡的場(chǎng)景（如醫(yī)學(xué)診斷、金融風(fēng)控） 。

3） 迭代覆蓋生成：隨機(jī)選擇未被覆蓋的樣本[xk]作為中心，生成半徑為[θk]的覆蓋[Ck]。標(biāo)記[Ck]內(nèi)所有樣本為“已覆蓋”，并記錄覆蓋類別。重復(fù)上述過(guò)程，直至所有樣本被至少一個(gè)覆蓋包含。刪除樣本數(shù)少于5的覆蓋，避免噪聲干擾。

4） 三支域劃分規(guī)則：基于覆蓋集合的生成，樣本通過(guò)置信度評(píng)估與覆蓋隸屬關(guān)系被劃分為正域（POS） 、負(fù)域（NEG） 及邊界域（BND） 。具體規(guī)則如下：若樣本被至少一個(gè)同類覆蓋完全包含，對(duì)于樣本[xk]，遍歷所有同類覆蓋中心，計(jì)算[xk]到每個(gè)同類覆蓋中心的歐氏距離[dk]，若存在至少一個(gè)[k]，滿足[dk]≦[θk]（覆蓋半徑） ，則[xk]屬于正域。若樣本被至少一個(gè)異類覆蓋完全包含，對(duì)于樣本[xk]，遍歷所有異類覆蓋中心，計(jì)算[xk]到每個(gè)異類覆蓋中心的歐氏距離[dk]；若存在至少一個(gè)[k]，滿足[dk]≦[θk]（覆蓋半徑） ，則[xk]屬于負(fù)域。若樣本未被任何同類或異類覆蓋完全包含，即樣本位于不同類別覆蓋的間隙區(qū)域（稀疏分布） 或者樣本距離所有覆蓋中心的距離均超過(guò)其半徑，則[xk]屬于邊界域。

若存在至少一個(gè) （ c_{j}），滿足 （ d（x， c_{j}） ＼leq r）（覆蓋半徑） ，則 （x） 屬于負(fù)域。若樣本未被任何同類或異類覆蓋完全包含，即樣本位于不同類別覆蓋的間隙區(qū)域（稀疏分布） 或者樣本距離所有覆蓋中心的距離均超過(guò)其半徑，則屬于邊界域。

2.3 邊界域代價(jià)敏感分類

針對(duì)邊界域中分類不確定性較高的樣本，本文采用基于鄰近關(guān)系與代價(jià)敏感策略的二次決策機(jī)制，以提升分類精度并減少高代價(jià)誤判。具體步驟如下：

1） 鄰近樣本篩選。

對(duì)于邊界域中的任意樣本[xi]，通過(guò)最小覆蓋算法（MinCA） 確定其鄰域范圍。在確定的鄰域范圍內(nèi)，篩選K個(gè)最近鄰樣本，并基于特征重要性分配權(quán)重。首先計(jì)算加權(quán)歐氏距離：定義特征維度權(quán)重[wm]，通過(guò)互信息法評(píng)估各維度對(duì)分類的貢獻(xiàn)度，計(jì)算加權(quán)距離d（[xi]，[xj]），根據(jù)距離排序，選取前K個(gè)樣本作為參考集[Nk]（[xi]）。

2） 代價(jià)敏感分類決策。

設(shè)[lPN]為將正類樣本誤判為負(fù)類的代價(jià)，[lNP]為反向誤判代價(jià)，并針對(duì)不同場(chǎng)景設(shè)定非對(duì)稱代價(jià)。統(tǒng)計(jì)鄰域內(nèi)正負(fù)類樣本數(shù)[Npos]、[Nneg]，計(jì)算條件概率：

P（POS|[xi]） =[ NposK]，P（NEG|[xi]） = [NnegK] （2）

式中：K為該樣本周圍最近鄰的鄰居數(shù)量，P（POS|[xi]） 為[xi]被劃分為正域（高危域） 的條件概率，P（NEG|[xi]） 為[xi]被劃分為負(fù)域（健康域） 的條件概率。

根據(jù)代價(jià)矩陣分別計(jì)算將[xi]劃入正域和負(fù)域的期望損失：

[LPOS]=[lPP]?P（POS∣[xi]）+[lPN]?P（NEG∣[xi]）

[LNEG]=[lNP]?P（POS∣[xi]）+[lNN]?P（NEG∣[xi]） （3）

若[LPOS]＜[LNEG]，將[xi]劃入正域；否則劃入負(fù)域。在實(shí)驗(yàn)設(shè)計(jì)階段，為了減弱損失函數(shù)絕對(duì)值對(duì)模型性能的潛在干擾，本文通過(guò)引入修正系數(shù)對(duì)代價(jià)函數(shù)進(jìn)行了再定義。調(diào)整后的代價(jià)矩陣如表1所示。

3 實(shí)驗(yàn)與結(jié)果

3.1 數(shù)據(jù)集

為驗(yàn)證本文提出的CSTWD模型在抑郁癥檢測(cè)任務(wù)中的有效性，實(shí)驗(yàn)選取了GitHub上的數(shù)據(jù)集和eRisk2018數(shù)據(jù)集，來(lái)源于社交媒體Twitter及Reddit平臺(tái)中用戶發(fā)布的帖子。GitHub平臺(tái)數(shù)據(jù)集包含4 628條短文本，訓(xùn)練集占90%，測(cè)試集占10%，正負(fù)域各占50%。eRisk2018數(shù)據(jù)集包含1 639個(gè)Reddit用戶，其中訓(xùn)練集有887名用戶，包含抑郁癥患者135名，非抑郁癥患者752名；測(cè)試集有820名用戶，包含抑郁癥患者79名，非抑郁癥患者741名。這些用戶中，抑郁癥患者和對(duì)照組用戶的數(shù)量是不均衡的，訓(xùn)練集中抑郁癥患者大約占15%，測(cè)試集中約占9%。詳見(jiàn)表2。

3.2 實(shí)驗(yàn)設(shè)置

為確保模型性能評(píng)估的可靠性，本研究采用十折交叉驗(yàn)證法對(duì)文本數(shù)據(jù)集進(jìn)行多次訓(xùn)練與測(cè)試。具體而言，將數(shù)據(jù)集隨機(jī)劃分為10個(gè)子集，每次選取9個(gè)子集作為訓(xùn)練集，剩余1個(gè)子集作為測(cè)試集，重復(fù)10次實(shí)驗(yàn)后取各項(xiàng)指標(biāo)的均值作為最終結(jié)果。

在邊界域樣本分類階段，模型涉及兩個(gè)核心參數(shù)：誤分類代價(jià)權(quán)重和鄰域范圍參數(shù)K值。誤分類代價(jià)權(quán)重[lNP]、[lPN]的大小是針對(duì)不同場(chǎng)景設(shè)定非對(duì)稱權(quán)重的。比如，對(duì)于推特上的抑郁癥數(shù)據(jù)文本檢測(cè)，誤將抑郁傾向文本判為正常（FN） 可能導(dǎo)致延誤心理干預(yù)和危機(jī)預(yù)警，因此賦予其更高代價(jià)權(quán)重。對(duì)于推特?cái)?shù)據(jù)集來(lái)說(shuō)，可以設(shè)置誤分類損失函數(shù)滿足[lNP]﹥[lPN]。本實(shí)驗(yàn)中針對(duì)推特平臺(tái)抑郁癥數(shù)據(jù)集，設(shè)置[lNP]=2，[lPN]=1。

該實(shí)驗(yàn)在區(qū)間[4，41]內(nèi)搜索最優(yōu)鄰域大小[Kmax]。通過(guò)遍歷不同K值，計(jì)算各取值下的總分類損失，選擇損失最小的[Kmax]作為最終參數(shù)。每個(gè)K值對(duì)應(yīng)的總分類損失如圖1所示[12]。其中，橫坐標(biāo)表示K值的大小，縱坐標(biāo)表示每個(gè)K值下的總分類損失。

3.3 結(jié)果對(duì)比

本文所提出的CSTWD算法與NB、SVM、DT、RF以及KNN等模型的檢測(cè)方法進(jìn)行對(duì)比，評(píng)價(jià)指標(biāo)是分類的準(zhǔn)確率（Accuracy） 和F1分?jǐn)?shù)。其中，準(zhǔn)確率衡量模型整體預(yù)測(cè)正確的樣本比例，適用于類別分布相對(duì)平衡的場(chǎng)景。F1值是精確率（Precision） 和召回率（Recall） 的調(diào)和平均數(shù)，綜合反映模型對(duì)正類的識(shí)別能力，適用于類別不平衡或需平衡誤報(bào)與漏報(bào)的場(chǎng)景（如醫(yī)療診斷） 。準(zhǔn)確率和F1分?jǐn)?shù)的計(jì)算公式如下：

Accuracy=[TP+TNTP+FP+TN+FN]

Precision=[TPTP+FP]

Recall=[TPTP+FN]

F1=2*[Precision*RecallPrecision+Recall]

式中：TP：實(shí)際為正類且被正確預(yù)測(cè)為正類的樣本數(shù)；TN：實(shí)際為負(fù)類且被正確預(yù)測(cè)為負(fù)類的樣本數(shù)；FP：實(shí)際為負(fù)類且被錯(cuò)誤預(yù)測(cè)為正類的樣本數(shù)；FN：實(shí)際為正類且被錯(cuò)誤預(yù)測(cè)為負(fù)類的樣本數(shù)。所有實(shí)驗(yàn)對(duì)文檔的處理均是相同的，其對(duì)比結(jié)果如表3和表4所示。

通過(guò)表3和表4可以看出，CSTWD模型在短文本（推特） 與長(zhǎng)文本（eRisk2018） 任務(wù)中均展現(xiàn)卓越性能，其優(yōu)勢(shì)源于自適應(yīng)特征提取與決策機(jī)制。具體來(lái)說(shuō)，一方面，短文本場(chǎng)景下面臨的挑戰(zhàn)是短文本信息稀疏，包含非正式語(yǔ)言（縮寫、表情符號(hào)） 、上下文依賴性強(qiáng)。CSTWD的優(yōu)勢(shì)體現(xiàn)在覆蓋半徑的動(dòng)態(tài)調(diào)整和三支域劃分規(guī)則。實(shí)驗(yàn)表明，準(zhǔn)確率高達(dá)99.97%，顯著優(yōu)于SVM（99.74%） 和KNN（99.60%） ，說(shuō)明其對(duì)細(xì)微語(yǔ)義差異的敏感性。另一方面，長(zhǎng)文本場(chǎng)景面臨的挑戰(zhàn)是長(zhǎng)文本隱含復(fù)雜語(yǔ)義（如情緒波動(dòng)描述） 和類別不平衡（抑郁癥樣本較少） 。CSTWD的優(yōu)勢(shì)體現(xiàn)在覆蓋算法的邊界控制，以及在邊界域管理下將不確定樣本（如模糊描述） 劃入BND，結(jié)合后續(xù)規(guī)則，提升召回率。結(jié)果顯示F1值為0.861，遠(yuǎn)超BERT（0.641） 和HAN-BERT（0.683） ，表明其對(duì)長(zhǎng)文本深層語(yǔ)義的解析能力。

4 結(jié)束語(yǔ)

本文提出了一種基于代價(jià)敏感三支決策的抑郁癥檢測(cè)模型（CSTWD） ，通過(guò)融合多維度特征提取與動(dòng)態(tài)鄰域優(yōu)化機(jī)制，實(shí)現(xiàn)了對(duì)高危抑郁個(gè)體的精準(zhǔn)篩查。具體而言，模型首先利用Word2Vec與LSTM對(duì)文本進(jìn)行語(yǔ)義編碼，生成64維特征向量；隨后基于最小覆蓋算法（MinCA） 將樣本劃分為高危域、健康域及邊界域；針對(duì)邊界域中的模糊樣本，引入K近鄰代價(jià)敏感分類器，通過(guò)動(dòng)態(tài)調(diào)整誤分類代價(jià)權(quán)重與鄰域范圍，顯著降低了高危漏診風(fēng)險(xiǎn)。實(shí)驗(yàn)表明，該方法在抑郁癥數(shù)據(jù)集上的F1值達(dá)到86.1%，誤診代價(jià)較傳統(tǒng)模型降低。

由此可見(jiàn)，CSTWD模型在抑郁癥檢測(cè)任務(wù)中展現(xiàn)了廣泛的應(yīng)用潛力。首先，其核心適用于抑郁癥高危個(gè)體篩查，尤其在社交媒體文本（如推特、論壇帖子） 分析中表現(xiàn)突出，能夠有效識(shí)別隱含復(fù)雜語(yǔ)義的長(zhǎng)文本（如情緒波動(dòng)描述或臨床自述） ，精準(zhǔn)捕捉抑郁癥相關(guān)風(fēng)險(xiǎn)信號(hào)。其次，該模型在短文本與長(zhǎng)文本分類任務(wù)中均具備顯著優(yōu)勢(shì)：對(duì)于短文本（如推特） ，其動(dòng)態(tài)覆蓋半徑機(jī)制可精準(zhǔn)解析非正式語(yǔ)言（如縮寫、表情符號(hào)） 的細(xì)微語(yǔ)義差異；對(duì)于長(zhǎng)文本，則通過(guò)三支域劃分規(guī)則深入挖掘深層情感特征，避免傳統(tǒng)模型對(duì)復(fù)雜語(yǔ)義的解析不足。此外，CSTWD模型特別適用于醫(yī)療診斷、金融風(fēng)控等高精度低代價(jià)場(chǎng)景，其邊界域機(jī)制通過(guò)隔離不確定性樣本，顯著平衡誤報(bào)（FP） 與漏報(bào)（FN） 風(fēng)險(xiǎn)，例如在醫(yī)療場(chǎng)景中可降低高危個(gè)體的誤判概率，為精準(zhǔn)決策提供可靠支持。

然而，模型在實(shí)際應(yīng)用中存在代價(jià)權(quán)重依賴精神科醫(yī)生專家經(jīng)驗(yàn)的問(wèn)題，需聯(lián)合醫(yī)院電子病歷數(shù)據(jù)，構(gòu)建基于臨床結(jié)局（如自殺風(fēng)險(xiǎn)等級(jí)） 的代價(jià)量化映射表。另外，針對(duì)MinCA算法在面對(duì)大規(guī)模社交媒體數(shù)據(jù)時(shí)，覆蓋集生成耗時(shí)呈指數(shù)增長(zhǎng)，需優(yōu)化特征提取與覆蓋生成算法的時(shí)間復(fù)雜度。未來(lái)工作將聚焦于多模態(tài)數(shù)據(jù)（如語(yǔ)音、生理信號(hào)） 的融合建模，例如通過(guò)跨模態(tài)對(duì)比學(xué)習(xí)對(duì)齊文本描述（如“胸口壓抑”） 與生理信號(hào)（如心率變異性） ，并結(jié)合聯(lián)邦學(xué)習(xí)技術(shù)，在保障用戶隱私的前提下實(shí)現(xiàn)跨平臺(tái)抑郁癥風(fēng)險(xiǎn)監(jiān)測(cè)，為心理健康服務(wù)的智能化升級(jí)提供技術(shù)支持。

參考文獻(xiàn)：

[1] SADEQUE F，NGUYEN D，WALKER M A.Predicting Depression from Language-Based Emotion Dynamics[C]//Proceedings of the Fifth Workshop on Computational Linguistics and Clinical Psychology：From Keyboard to Clinic.New Orleans，LA：Association for Computational Linguistics，2018：39-49.

[2] YAO Y Y.An outline of a theory of three-way decisions[C]//Rough Sets and Current Trends in Computing.Berlin，Heidelberg：Springer，2012：1-17.

[3] GUNTUKU S C，YADEN D B，KERN M L，et al.Detecting depression and mental illness on social media：an integrative review[J].Current Opinion in Behavioral Sciences，2017，18：43-49.

[4] ZHANG L，WANG S，LIU Y，SU Y.Depression Detection on Chinese Social Media：A Hybrid Model with XGBoost and Social Network Analysis[J].Journal of Affective Disorders，2021，282：1025-1033.

[5] BAE Y，SONG J，CHOI S，et al.Real-Time Depression Monitoring via Wearable PPG Sensors：A Random Forest Approach[J].IEEE Journal of Biomedical and Health Informatics，2022，26（3）：1234-1243.

[6] GARCIA-CEJA E，OSMANI V，MAYORA O.Tourism Reviews and Mental Health：A Feasibility Study on Stress Detection[J].Journal of Travel Research，2020，59（5）：912-927.

[7] ZOGAN H，JUNG J，SHAIK M，et al.Explainable Depression Detection with Multimodal Deep Learning on Social Media[J].IEEE Transactions on Affective Computing，2021，14（1）：45-58.

[8] CUI Y，PENG Y，TANG Z，et al.A Hybrid CNN-BiLSTM Model with Multi-Head Attention for Depression Detection on Social Media[J].Information Processing amp; Management，2022，59（4）：102987.

[9] WANG H，YAO Y，ZHANG X，et al.BERT-Based Depression Detection in Chinese Medical Consultation Texts[J].BMC Medical Informatics and Decision Making，2023，23（1）：1-12.

[10] ZHANG Y，LI Z，LIU Y，et al.A Multimodal Deep Learning Framework for Depression Detection Using Audio，Video，and Text[J].Proceedings of the ACM Multimedia Conference，2020：3382-3390.

[11] 劉洋，王雪鋒，韓昱，等.基于多源數(shù)據(jù)融合的抑郁癥識(shí)別模型[J].計(jì)算機(jī)學(xué)報(bào)，2021，44（6）：1203-1215.

[12] 計(jì)博婧，余靜瑩，陳潔.基于鄰域信息的代價(jià)敏感三支決策文本情感分析模型[J].宿州學(xué)院學(xué)報(bào)，2020，35（4）：75-80.

[13] ARAGóN M E，LóPEZ-MONROY A P，GONZáLEZ-GURROLA L C，et al.Detecting depression in social media using fine-grained emotions[C]//Proceedings of the 2019 Conference of the North.Minneapolis，Minnesota.Stroudsburg，PA，USA：ACL，2019：1481-1486.

[14] DEVLIN J，CHANG M W，LEE K，et al.Bert：Pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of the 2019 conference of the North American chapter of the association for computational linguistics：human language technologies，volume 1 （long and short papers），2019：4171-4186.

[15] LIU Y H，OTT M，GOYAL N，et al.RoBERTa：a robustly optimized BERT pretraining approach[EB/OL].[2024-12-20].https：//arxiv.org/abs/1907.11692v1.

[16] ZOGAN H，RAZZAK I，WANG X Z，et al.Explainable depression detection with multi-aspect features using a hybrid deep learning model on social media[J].World Wide Web，2022，25（1）：281-304.

[17] ZHANG Z L，CHEN S Y，WU M Y，et al.Psychiatric scale guided risky post screening for early detection of depression[C]//Proceedings of the Thirty-First International Joint Conference on Artificial Intelligence.International Joint Conferences on Artificial Intelligence Organization，2022：5220-5226.

【通聯(lián)編輯：唐一東】