CN105243595A - 一种社交网络抑郁情感的账户相似性度量方法 - Google Patents
一种社交网络抑郁情感的账户相似性度量方法 Download PDFInfo
- Publication number
- CN105243595A CN105243595A CN201510653912.3A CN201510653912A CN105243595A CN 105243595 A CN105243595 A CN 105243595A CN 201510653912 A CN201510653912 A CN 201510653912A CN 105243595 A CN105243595 A CN 105243595A
- Authority
- CN
- China
- Prior art keywords
- model
- word
- account
- stopped
- light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种社交网络账户的抑郁情感相似性的度量方法,属于社交网络数据挖掘的技术应用领域。本发明的优点是:本发明基于社交网络和抑郁情感表述的内在特性,提出了基于情感时间段的账户抑郁情感相似评定的方法,处理中基于用户信息建立了分段时间标准的二次特征,并经相似规则评判。计算时都采用线性复杂度的算法进行分析,计算资源需求小,具有较低的时间和空间代价;相似过程采用比对处理,最终输出真正高相似的账号信息。此信息在现实提取中更具实用价值。本发明有效实现了对社交网络的抑郁情感信息的时间影响的分析,能够将相似情感的账户自动识别,在指定影响级别情况下,可供后续人工分析及影响干预。
Description
技术领域
本发明涉及一种社交网络抑郁情感的账户相似性度量方法,属于社交网络数据挖掘的技术应用领域
背景技术
随着现代生活节奏的加快,抑郁症已成为危害人类身心健康的常见病。正常人群中有7-12%的男性与20-25%的女性一生中可能患一次以上抑郁症。重性抑郁症的自杀率高达15%。抑郁症在给患者本人及家庭带来深深苦恼的同时,对社会的影响也较大,从而造成无可挽回的经济损失。
目前对抑郁症人员的发现多是基于实际家庭自发发觉,这事实上存在很大的苦难。由于实际生活中人员的主动掩饰,以及家庭成员的疏忽遗漏,往往无法真实有效的发现潜藏在身边的危机,并且在时间上有很大的滞后性。
而对抑郁症患者追踪的研究发现,有75%~80%的患者多次复发,故抑郁症患者需要进行预防性治疗。如何快速发现人员的抑郁症状态是一个至关重要的问题。
一个人的社交关系,对于一个人正常情绪的维系有着重要。社交网络作为一种重要高效的信息传递平台,参与其中的人员越来越多,同时网络是一个和现实社会有一定隔离的虚拟社会,这个特殊性可使得每个实际使用者能有情感表达的渠道,并将这些情感表达以文字和时间的方式记录下来。
通过社交网络的信息对一个人的情绪进行分析,可快速捕获人员的行为表达结果,进一步理解和有效抽取这些行为中的抑郁情感相关信息,可有效给抑郁症人员的判断带来确实的帮助。
发明内容
本发明是为了解决自动快速发现现有社交网络上抑郁情感账户的难题,提供了一种综合时间段分析信息的账户情感相似度的度量方法。
本发明所述基于抑郁情感的账户相似性度量方法,它包括以下步骤:
步骤一:获取欲分析的社交网络的账号在指定的网络社区d天(7≤d≤100)内的所有的自己发布的帖子的完整文字内容、自己发布的帖子的发布时间、回复评论别人的帖子的完整文字内容、回复评论别人的帖子的时间;并人工给定一份抑郁情感词列表,里面包括100个以上的抑郁倾向的情感词;人工给定一个情感相似阈值θ(θ>0)。
步骤二:对每个账号信息的完整记录,将各账号的信息进行标准化,得到标准化后的结果NT,其中包括以下16个度量量:
n1,n2,n3,n4,m1,m2,m3,m4,p1,p2,p3,p4,q1,q2,q3,q4
其中各标准化量的计算方法为:
n1=N1d-1,N1为发布时间在5点起至11点止的帖子总数目
n2=N2d-1,N2为发布时间在11点起至14点止的帖子总数目
n3=N3d-1,N3为发布时间在14点起至20点止的帖子总数目
n4=N4d-1,N4为发布时间在0点起至5点止和20点起至24点止的帖子总数目
m1=M1d-1,M1为回复评论时间在5点起至11点止的帖子总数目
m2=M2d-1,M2为回复评论时间在11点起至14点止的帖子总数目
m3=M3d-1,M3为回复评论时间在14点起至20点止的帖子总数目
m4=M4d-1,M4为回复评论时间在0点起至5点止和20点起至24点止的帖子总数目
p1=P1d-1,P1为发布时间在5点起至11点止的帖子文字中包含的抑郁情感词总数
p2=P2d-1,P2为发布时间在11点起至14点止的帖子文字中包含的抑郁情感词总数
p3=P3d-1,P3为发布时间在14点起至20点止的帖子文字中包含的抑郁情感词总数
p4=P4d-1,P4为发布时间在0点起至5点止和20点起至24点止的帖子文字中包含的抑郁情感词总数
q1=Q1d-1,Q1为回复评论时间在5点起至11点止的帖子文字中包含的抑郁情感词总数
q2=Q2d-1,Q2为回复评论时间在11点起至14点止的帖子文字中包含的抑郁情感词总数
q3=Q3d-1,Q3为回复评论时间在14点起至20点止的帖子文字中包含的抑郁情感词总数
q4=Q4d-1,Q4为回复评论时间在0点起至5点止和20点起至24点止的帖子文字中包含的抑郁情感词总数
其中抑郁情感词总数为发布或回复评论的帖子中,出现抑郁情感词列表中的词的频次。
由此,而第i个账号的特征结果NT(i)为:
NT(i)=(n1i,n2i,n3i,n4i,m1i,m2i,m3i,m4i,p1i,p2i,p3i,p4i,q1i,q2i,q3i,q4i)
步骤三:对每个账号信息,根据标准化后的信息NT,计算此账号的特征化结果,得到的特征计算结果表示为ZT,包括以下16个特征量:
PNY,PNG,PNL,PNF,RNY,RNG,RNL,RNF,PYY,PYG,PYL,PYF,RYY,RYG,RYL,RYF
各特征量计算的具体方法为:
PNY,PNG,PNL,PNF的计算方法为:
其中n1,n2,n3,n4分别为步骤二所得到的结果
RNY,RNG,RNL,RNF的计算方法为:
其中m1,m2,m3,m4为步骤二所得到的结果
PYY,PYG,PYL,PYF的计算方式为:
PYY=0.3934*arctan(p1)
PYG=0.3934*arctan(p2)
PYL=0.3934*arctan(p3)
PYF=0.3934*arctan(p4)
其中p1,p2,p3,p4为步骤二所得到的结果
RYY,RYG,RYL,RYF的计算方式为:
RYY=0.6366*arctan(q1)
RYG=0.6366*arctan(q2)
RYL=0.6366*arctan(q3)
RYF=0.6366*arctan(q4)
其中q1,q2,q3,q4为步骤二所得到的结果
由此,而第i个账号的特征结果ZT(i)为
ZT(i)=(PNYi,PNGi,PNLi,PNFi,RNYi,RNGi,RNLi,RNFi,PYYi,PYGi,PYLi,PYFi,RYYi,RYGi,RYLi,RYFi)
步骤四:根据每个账号的特征化结果ZT,计算两两账号之间的情感相似程度值Dis,用Dis(i,j)表示i,j两个账号之间的情感相似程度值,ZT(i)和ZT(j)分别为i,j两个账号在步骤四的特征化结果,即是
ZT(i)=(PNYi,PNGi,PNLi,PNFi,RNYi,RNGi,RNLi,RNFi,PYYi,PYGi,PYLi,PYFi,RYYi,RYGi,RYLi,RYFi)
ZT(j)=(PNYj,PNGj,PNLj,PNFj,RNYj,RNGj,RNLj,RNFj,PYYj,PYGj,PYLj,PYFj,RYYj,RYGj,RYLj,RYFj)
而Dis(i,j)的计算方式如下:
Dis(i,j)=
(PNYi*PNYj+PNGi*PNGj+PNLi*PNLj+PNFi*PNFj+
RNYi*RNYj+RNGi*RNGj+RNLi*RNLj+RNFi*RNFj+
PYYi*PYYj+PYGi*PYGj+PYLi*PYLj+PYFi*PYFj+
RYYi*RYYj+RYGi*RYGj+RYLi*RYLj+RYFi*RYFj)*
(PNYi 2+PNGi 2+PNLi 2+PNFi 2+RNYi 2+RNGi 2+RNLi 2+
RNFi 2+PYYi 2+PYGi 2+PYLi 2+PYFi 2+RYYi 2+RYGi 2+RYLi 2+RYFi 2)-0.5*
(PNYj 2+PNGj 2+PNLj 2+PNFj 2+RNYj 2+RNGj 2+RNLj 2+
RNFj 2+PYYj 2+PYGj 2+PYLj 2+PYFj 2+RYYj 2+RYGj 2+RYLj 2+RYFj 2)-0.5
步骤五:根据步骤四得到的两两账号之间的情感相似值Dis,将Dis与设定的情感相似阈值θ比较,Dis小于θ时,判定此两个账号的情感值相似。
本发明的优点是:本发明基于社交网络和抑郁情感表述的内在特性,提出了基于情感时间段的账户抑郁情感相似评定的方法,处理中基于用户信息建立了分段时间标准的二次特征,并经相似规则评判。计算时都采用线性复杂度的算法进行分析,计算资源需求小,具有较低的时间和空间代价;相似过程采用比对处理,最终输出真正高相似的账号信息。此信息在现实提取中更具实用价值。
本发明有效实现了对社交网络的抑郁情感信息的时间影响的分析,能够将相似情感的账户自动识别,在指定影响级别情况下,可供后续人工分析及影响干预。
附图说明
图1为本发明检测方法的流程图。
具体实施方式
具体实施方式一:下面结合图1说明本实施方式,本实施方式所述一种社交网络账户的抑郁情感相似性的度量方法,它包括以下步骤:
步骤一:获取欲分析的社交网络的账号在指定的网络社区d天(7≤d≤100)内的所有的自己发布的帖子的完整文字内容、自己发布的帖子的发布时间、回复评论别人的帖子的完整文字内容、回复评论别人的帖子的时间;并人工给定一份抑郁情感词列表,里面包括100个以上的抑郁倾向的情感词;人工给定一个情感相似阈值θ(θ>0)。
步骤二:对每个账号信息的完整记录,将各账号的信息进行标准化,得到标准化后的结果NT,其中包括以下16个度量量:
n1,n2,n3,n4,m1,m2,m3,m4,p1,p2,p3,p4,q1,q2,q3,q4
其中各标准化量的计算方法为:
n1=N1d-1,N1为发布时间在5点起至11点止的帖子总数目
n2=N2d-1,N2为发布时间在11点起至14点止的帖子总数目
n3=N3d-1,N3为发布时间在14点起至20点止的帖子总数目
n4=N4d-1,N4为发布时间在0点起至5点止和20点起至24点止的帖子总数目
m1=M1d-1,M1为回复评论时间在5点起至11点止的帖子总数目
m2=M2d-1,M2为回复评论时间在11点起至14点止的帖子总数目
m3=M3d-1,M3为回复评论时间在14点起至20点止的帖子总数目
m4=M4d-1,M4为回复评论时间在0点起至5点止和20点起至24点止的帖子总数目
p1=P1d-1,P1为发布时间在5点起至11点止的帖子文字中包含的抑郁情感词总数
p2=P2d-1,P2为发布时间在11点起至14点止的帖子文字中包含的抑郁情感词总数
p3=P3d-1,P3为发布时间在14点起至20点止的帖子文字中包含的抑郁情感词总数
p4=P4d-1,P4为发布时间在0点起至5点止和20点起至24点止的帖子文字中包含的抑郁情感词总数
q1=Q1d-1,Q1为回复评论时间在5点起至11点止的帖子文字中包含的抑郁情感词总数
q2=Q2d-1,Q2为回复评论时间在11点起至14点止的帖子文字中包含的抑郁情感词总数
q3=Q3d-1,Q3为回复评论时间在14点起至20点止的帖子文字中包含的抑郁情感词总数
q4=Q4d-1,Q4为回复评论时间在0点起至5点止和20点起至24点止的帖子文字中包含的抑郁情感词总数
其中抑郁情感词总数为发布或回复评论的帖子中,出现抑郁情感词列表中的词的频次。
由此,而第i个账号的特征结果NT(i)为:
NT(i)=(n1i,n2i,n3i,n4i,m1i,m2i,m3i,m4i,p1i,p2i,p3i,p4i,q1i,q2i,q3i,q4i)
步骤三:对每个账号信息,根据标准化后的信息NT,计算此账号的特征化结果,得到的特征计算结果表示为ZT,包括以下16个特征量:
PNY,PNG,PNL,PNF,RNY,RNG,RNL,RNF,PYY,PYG,PYL,PYF,RYY,RYG,RYL,RYF
各特征量计算的具体方法为:
PNY,PNG,PNL,PNF的计算方法为:
其中n1,n2,n3,n4分别为步骤二所得到的结果
RNY,RNG,RNL,RNF的计算方法为:
其中m1,m2,m3,m4为步骤二所得到的结果
PYY,PYG,PYL,PYF的计算方式为:
PYY=0.3934*arctan(p1)
PYG=0.3934*arctan(p2)
PYL=0.3934*arctan(p3)
PYF=0.3934*arctan(p4)
其中p1,p2,p3,p4为步骤二所得到的结果
RYY,RYG,RYL,RYF的计算方式为:
RYY=0.6366*arctan(q1)
RYG=0.6366*arctan(q2)
RYL=0.6366*arctan(q3)
RYF=0.6366*arctan(q4)
其中q1,q2,q3,q4为步骤二所得到的结果
由此,而第i个账号的特征结果ZT(i)为
ZT(i)=(PNYi,PNGi,PNLi,PNFi,RNYi,RNGi,RNLi,RNFi,PYYi,PYGi,PYLi,PYFi,RYYi,RYGi,RYLi,RYFi)
步骤四:根据每个账号的特征化结果ZT,计算两两账号之间的情感相似程度值Dis,用Dis(i,j)表示i,j两个账号之间的情感相似程度值,ZT(i)和ZT(j)分别为i,j两个账号在步骤四的特征化结果,即是
ZT(i)=(PNYi,PNGi,PNLi,PNFi,RNYi,RNGi,RNLi,RNFi,PYYi,PYGi,PYLi,PYFi,RYYi,RYGi,RYLi,RYFi)
ZT(j)=(PNYj,PNGj,PNLj,PNFj,RNYj,RNGj,RNLj,RNFj,PYYj,PYGj,PYLj,PYFj,RYYj,RYGj,RYLj,RYFj)
而Dis(i,j)的计算方式如下:
Dis(i,j)=
(PNYi*PNYj+PNGi*PNGj+PNLi*PNLj+PNFi*PNFj+
RNYi*RNYj+RNGi*RNGj+RNLi*RNLj+RNFi*RNFj+
PYYi*PYYj+PYGi*PYGj+PYLi*PYLj+PYFi*PYFj+
RYYi*RYYj+RYGi*RYGj+RYLi*RYLj+RYFi*RYFj)*
(PNYi 2+PNGi 2+PNLi 2+PNFi 2+RNYi 2+RNGi 2+RNLi 2+
RNFi 2+PYYi 2+PYGi 2+PYLi 2+PYFi 2+RYYi 2+RYGi 2+RYLi 2+RYFi 2)-0.5*
(PNYj 2+PNGj 2+PNLj 2+PNFj 2+RNYj 2+RNGj 2+RNLj 2+
RNFj 2+PYYj 2+PYGj 2+PYLj 2+PYFj 2+RYYj 2+RYGj 2+RYLj 2+RYFj 2)-0.5
步骤五:根据步骤四得到的两两账号之间的情感相似值Dis,将Dis与设定的情感相似阈值θ比较,Dis小于θ时,判定此两个账号的情感值相似。
Claims (1)
1.一种社交网络抑郁情感的账户相似性度量方法,其特征在于:它包括以下步骤:
步骤一:获取欲分析的社交网络的账号在指定的网络社区d天(7≤d≤100)内的所有的自己发布的帖子的完整文字内容、自己发布的帖子的发布时间、回复评论别人的帖子的完整文字内容、回复评论别人的帖子的时间;并人工给定一份抑郁情感词列表,里面包括100个以上的抑郁倾向的情感词;人工给定一个情感相似阈值θ(θ>0)。
步骤二:对每个账号信息的完整记录,将各账号的信息进行标准化,得到标准化后的结果NT,其中包括以下16个度量量:
n1,n2,n3,n4,m1,m2,m3,m4,p1,p2,p3,p4,q1,q2,q3,q4
其中各标准化量的计算方法为:
n1=N1d-1,N1为发布时间在5点起至11点止的帖子总数目
n2=N2d-1,N2为发布时间在11点起至14点止的帖子总数目
n3=N3d-1,N3为发布时间在14点起至20点止的帖子总数目
n4=N4d-1,N4为发布时间在0点起至5点止和20点起至24点止的帖子总数目
m1=M1d-1,M1为回复评论时间在5点起至11点止的帖子总数目
m2=M2d-1,M2为回复评论时间在11点起至14点止的帖子总数目
m3=M3d-1,M3为回复评论时间在14点起至20点止的帖子总数目
m4=M4d-1,M4为回复评论时间在0点起至5点止和20点起至24点止的帖子总数目
p1=P1d-1,P1为发布时间在5点起至11点止的帖子文字中包含的抑郁情感词总数
p2=P2d-1,P2为发布时间在11点起至14点止的帖子文字中包含的抑郁情感词总数
p3=P3d-1,P3为发布时间在14点起至20点止的帖子文字中包含的抑郁情感词总数
p4=P4d-1,P4为发布时间在0点起至5点止和20点起至24点止的帖子文字中包含的抑郁情感词总数
q1=Q1d-1,Q1为回复评论时间在5点起至11点止的帖子文字中包含的抑郁情感词总数
q2=Q2d-1,Q2为回复评论时间在11点起至14点止的帖子文字中包含的抑郁情感词总数
q3=Q3d-1,Q3为回复评论时间在14点起至20点止的帖子文字中包含的抑郁情感词总数
q4=Q4d-1,Q4为回复评论时间在0点起至5点止和20点起至24点止的帖子文字中包含的抑郁情感词总数
其中抑郁情感词总数为发布或回复评论的帖子中,出现抑郁情感词列表中的词的频次。
由此,而第i个账号的特征结果NT(i)为:
NT(i)=(n1i,n2i,n3i,n4i,m1i,m2i,m3i,m4i,p1i,p2i,p3i,p4i,q1i,q2i,q3i,q4i)
步骤三:对每个账号信息,根据标准化后的信息NT,计算此账号的特征化结果,得到的特征计算结果表示为ZT,包括以下16个特征量:
PNY,PNG,PNL,PNF,RNY,RNG,RNL,RNF,PYY,PYG,PYL,PYF,RYY,RYG,RYL,RYF
各特征量计算的具体方法为:
PNY,PNG,PNL,PNF的计算方法为:
其中n1,n2,n3,n4分别为步骤二所得到的结果
RNY,RNG,RNL,RNF的计算方法为:
其中m1,m2,m3,m4为步骤二所得到的结果
PYY,PYG,PYL,PYF的计算方式为:
PYY=0.3934*arctan(p1)
PYG=0.3934*arctan(p2)
PYL=0.3934*arctan(p3)
PYF=0.3934*arctan(p4)
其中p1,p2,p3,p4为步骤二所得到的结果
RYY,RYG,RYL,RYF的计算方式为:
RYY=0.6366*arctan(q1)
RYG=0.6366*arctan(q2)
RYL=0.6366*arctan(q3)
RYF=0.6366*arctan(q4)
其中q1,q2,q3,q4为步骤二所得到的结果
由此,而第i个账号的特征结果ZT(i)为
ZT(i)=(PNYi,PNGi,PNLi,PNFi,RNYi,RNGi,RNLi,RNFi,PYYi,PYGi,PYLi,PYFi,RYYi,RYGi,RYLi,RYFi)
步骤四:根据每个账号的特征化结果ZT,计算两两账号之间的情感相似程度值Dis,用Dis(i,j)表示i,j两个账号之间的情感相似程度值,ZT(i)和ZT(j)分别为i,j两个账号在步骤四的特征化结果,即是
ZT(i)=(PNYi,PNGi,PNLi,PNFi,RNYi,RNGi,RNLi,RNFi,PYYi,PYGi,PYLi,PYFi,RYYi,RYGi,RYLi,RYFi)
ZT(j)=(PNYj,PNGj,PNLj,PNFj,RNYj,RNGj,RNLj,RNFj,PYYj,PYGj,PYLj,PYFj,RYYj,RYGj,RYLj,RYFj)
而Dis(i,j)的计算方式如下:
Dis(i,j)=
(PNYi*PNYj+PNGi*PNGj+PNLi*PNLj+PNFi*PNFj+
RNYi*RNYj+RNGi*RNGj+RNLi*RNLj+RNFi*PNFj+
PYYi*PYYj+PYGi*PYGj+PYLi*PYLj+PYFi*PYFj+
RYYi*RYYj+RYGi*RYGj+RYLi*RYLj+RYFi*RYFj)*
(PNYi 2+PNGi 2+PNLi 2+PNFi 2+RNYi 2+RNGi 2+RNLi 2+
RNFi 2+PYYi 2+PYGi 2+PYLi 2+PYFi 2+RYYi 2+RYGi 2+RYLi 2+RYFi 2)-0.5*
(PNYj 2+PNGj 2+PNLj 2+PNFj 2+RNYj 2+RNGj 2+RNLj 2+
RNFj 2+PYYj 2+PYGj 2+PYLj 2+PYFj 2+RYYj 2+RYGj 2+RYLj 2+RYFj 2)-0.5
步骤五:根据步骤四得到的两两账号之间的情感相似值Dis,将Dis与设定的情感相似阈值θ比较,Dis小于θ时,判定此两个账号的情感值相似。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510653912.3A CN105243595A (zh) | 2015-10-13 | 2015-10-13 | 一种社交网络抑郁情感的账户相似性度量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510653912.3A CN105243595A (zh) | 2015-10-13 | 2015-10-13 | 一种社交网络抑郁情感的账户相似性度量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105243595A true CN105243595A (zh) | 2016-01-13 |
Family
ID=55041230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510653912.3A Pending CN105243595A (zh) | 2015-10-13 | 2015-10-13 | 一种社交网络抑郁情感的账户相似性度量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243595A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258002A (zh) * | 2013-03-22 | 2013-08-21 | 北京宏博知微科技有限公司 | 一种社交网络的有效信息提取方法 |
CN103995909A (zh) * | 2014-06-17 | 2014-08-20 | 东南大学成贤学院 | 一种基于三维关系强度模型的在线用户关系测量及分类方法 |
CN104331506A (zh) * | 2014-11-20 | 2015-02-04 | 北京理工大学 | 一种面向双语微博文本的多类情感分析方法与系统 |
-
2015
- 2015-10-13 CN CN201510653912.3A patent/CN105243595A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258002A (zh) * | 2013-03-22 | 2013-08-21 | 北京宏博知微科技有限公司 | 一种社交网络的有效信息提取方法 |
CN103995909A (zh) * | 2014-06-17 | 2014-08-20 | 东南大学成贤学院 | 一种基于三维关系强度模型的在线用户关系测量及分类方法 |
CN104331506A (zh) * | 2014-11-20 | 2015-02-04 | 北京理工大学 | 一种面向双语微博文本的多类情感分析方法与系统 |
Non-Patent Citations (1)
Title |
---|
李岩 等: "基于短文本及情感分析的微博舆情分析", 《计算机应用与软件》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102623009B (zh) | 一种基于短时分析的异常情绪自动检测和提取方法和系统 | |
Henry et al. | Structural analysis of social behavior: application to a study of interpersonal process in differential psychotherapeutic outcome. | |
Hassan et al. | The individual health burden of acne: appearance-related distress in male and female adolescents and adults with back, chest and facial acne | |
Fournier et al. | Sex, ancestral, and pattern type variation of fingerprint minutiae: a forensic perspective on anthropological dermatoglyphics | |
Herd et al. | The natural history of quitting smoking: findings from the International Tobacco Control (ITC) Four Country Survey | |
CN106610955A (zh) | 基于词典的多维度情感分析方法 | |
CN103473373A (zh) | 基于阈值匹配模型的相似度分析系统和方法 | |
CN103279740B (zh) | 一种利用动态数据库加速智能监控人脸识别的方法和系统 | |
CN108132952A (zh) | 一种基于语音识别的主动型搜索方法和装置 | |
Harrington et al. | Phonetic change in an Antarctic winter | |
CN102184732A (zh) | 基于分形特征的智能轮椅语音识别控制方法及系统 | |
CN108363699A (zh) | 一种基于百度贴吧的网民学业情绪分析方法 | |
CN104545906A (zh) | 基于表面肌电的面瘫患者针灸疗效检测可视化系统及方法 | |
Ljubešić et al. | Borders and boundaries in Bosnian, Croatian, Montenegrin and Serbian: Twitter data to the rescue | |
CN105679323A (zh) | 一种号码发现方法及系统 | |
Fletcher et al. | Cognitive and behavioral accommodation in close relationships | |
Gresse et al. | Acoustic pairing of original and dubbed voices in the context of video game localization | |
CN104537036B (zh) | 一种分析语言特征的方法及装置 | |
Abbas et al. | Heart‐ID: human identity recognition using heart sounds based on modifying mel‐frequency cepstral features | |
CN105243595A (zh) | 一种社交网络抑郁情感的账户相似性度量方法 | |
Myers et al. | Sex differences in humor | |
Le et al. | Influence of generational status on developmental trajectories of delinquency for Asian, African American, Hispanic, and White youth. | |
CN110464369A (zh) | 一种基于人体体征数值的精神状态判断算法 | |
Heo et al. | Implementation and Evaluation of ECG Authentication System Using Wearable Device | |
CN111916056B (zh) | 一种智能语音识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160113 |