CN109524106A - 一种通过聊天内容分析自杀倾向的心理模型 - Google Patents

一种通过聊天内容分析自杀倾向的心理模型 Download PDF

Info

Publication number
CN109524106A
CN109524106A CN201811286196.XA CN201811286196A CN109524106A CN 109524106 A CN109524106 A CN 109524106A CN 201811286196 A CN201811286196 A CN 201811286196A CN 109524106 A CN109524106 A CN 109524106A
Authority
CN
China
Prior art keywords
sentence
clue
collection
indirect
keyword
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
Application number
CN201811286196.XA
Other languages
English (en)
Inventor
王伟
桂艳峰
丁俊
丁俊一
陈电波
王凤周
陈丽媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Uusafe Co Ltd
Original Assignee
Uusafe Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Uusafe Co Ltd filed Critical Uusafe Co Ltd
Priority to CN201811286196.XA priority Critical patent/CN109524106A/zh
Publication of CN109524106A publication Critical patent/CN109524106A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Machine Translation (AREA)

Abstract

本发明公开了一种通过聊天内容分析自杀倾向的心理模型，包括：步骤1，数据收集平台向业务系统要求聊天数据；步骤2，数据收集平台根据关键词库，筛选合适的语句；步骤3，确定语句的对象；步骤4，确定语句的类别；步骤5，划分对象等级。本发明具有如下优点：通过筛选聊天工具的聊天数据，分析出聊天对象的自杀倾向等级，当对象被标识极高风险对象后，即可移交给执政者，对该对象进行重点关注，避免对象自杀事件的产生。

Description

一种通过聊天内容分析自杀倾向的心理模型
技术领域
本发明涉及大数据分析，具体涉及一种通过聊天内容分析自杀倾向的心理模型。
背景技术
自杀是指个体在复杂心理活动作用下，蓄意或自愿采取各种手段结束自己性命的危险行为。自杀作为一种复杂的社会现象，学者们对其分类有不同的看法。
19世纪末，法国社会学家涂尔干因其对自杀原因的解释和分类信受学者的重视。涂尔干认为，自杀并不是一种简单的个人行为，而是对正在解体的社会的反应。由于社会的动乱和衰退造成了社会、文化的不稳定状态，破坏了对个体非常重要的社会支持和交往。因而就削弱了生存的能力、信心和意志，导致自杀率明显增高。
现代化的社会，生活节奏加快，个体的压力加大，个体自杀案例逐渐增加，容易产生社会恐慌，所以也是执政者需要解决的问题，很多案例中，死者都有在聊天工具中留下遗言，如可以尽早发现端倪，可能会解救将要自杀的人。
发明内容
本发明的目的在于提供一种通过聊天内容分析自杀倾向的心理模型，用以解决现有自杀个体有在聊天工具中留下遗言，但无法快速识别的问题。
为实现上述目的，本发明的技术方案为一种通过聊天内容分析自杀倾向的心理模型，包括以下步骤：
步骤1：数据收集平台与业务系统进行通信，向业务系统要求聊天数据，业务系统将聊天数据发送至数据收集平台；
步骤2：数据收集平台对收到的聊天数据进行筛选，筛选出涵盖关键词的语句，筛选出各涵盖关键词的语句所对应的对象，
步骤3：数据收集平台中建立倾向对象库和语句库，将筛选对象都存入倾向对象库，筛选语句都存入语句库，所有的筛选语句都对应有一个筛选对象，所有的筛选对象都对应有一个或多个筛选语句；
步骤4：进一步筛选语句库中的语句，将语句进行分类；
步骤5：进一步筛选倾向对象库中的对象，根据对象对应语句的种类，划分对象的等级。
所述的步骤2中，数据收集平台中建立有关键词库，关键词库中的关键词可增加或删除。
步骤4中语句的分类是指：分离出含有直接线索的语句、含有间接线索的语句、含有自杀手段的语句和含有负面情感的语句，语句库中建立直接线索集、间接线索集、自杀手段集和负面情感集，将含有直接线索的语句存入到直接线索集；含有间接线索的语句存入到间接线索集；含有自杀手段的语句存入到自杀手段集；含有负面情感的语句存入负面情感集。
步骤5中对象等级划分方法为：分析对象对应语句所在集，如对象对应语句中含有直接线索集或间接线索集中的语句，并且含有自杀手段集中的语句，则标识该对象为极高风险对象；如对象对应语句中含有直接线索集中的语句，但无自杀手段集中的语句，则标识该对象为高风险对象；如对象对应语句中含有间接线索集中语句，但无直接线索集和自杀手段集中的语句，则标识该对象为中风险对象；如对象对应语句中只含有情感语句集中的语句，则标识对象为低风险对象。
所述的直接线索语句通过直接线索关键词进行筛选，间接线索语句通过间接线索关键词进行筛选，自杀手段语句通过自杀手段关键词进行筛选，负面情感语句通过负面情感关键词进行筛选，上述关键词都存入在数据收集平台中的关键词库中，该关键词库中含有直接线索关键词组、间接线索关键词组、自杀手段关键词组和负面情感关键词组。
步骤2中，数据接收平台收到聊天数据中筛选完后，剩余的对象都存放在无倾向对象库，无倾向对象库中的对象都标识为无风险对象。
本发明具有如下优点：
通过筛选聊天工具的聊天数据，分析出聊天对象的自杀倾向等级，当对象被标识极高风险对象后，即可移交给执政者，对该对象进行重点关注，避免对象自杀事件的产生。
附图说明
图1为本发明的流程图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1
如图1所示，一种通过聊天内容分析自杀倾向的心理模型，包括以下步骤：
步骤1：数据收集平台与业务系统进行通信，向业务系统要求聊天数据，业务系统将聊天数据发送至数据收集平台；
步骤2：数据收集平台对收到的聊天数据进行筛选，筛选出涵盖关键词的语句，筛选出各涵盖关键词的语句所对应的对象，
步骤3：数据收集平台中建立倾向对象库和语句库，将筛选对象都存入倾向对象库，筛选语句都存入语句库，所有的筛选语句都对应有一个筛选对象，所有的筛选对象都对应有一个或多个筛选语句；
步骤4：进一步筛选语句库中的语句，将语句进行分类；
步骤5：进一步筛选倾向对象库中的对象，根据对象对应语句的种类，划分对象的等级。
所述的步骤2中，数据收集平台中建立有关键词库，关键词库中的关键词可增加或删除。
步骤4中语句的分类是指：分离出含有直接线索的语句、含有间接线索的语句、含有自杀手段的语句和含有负面情感的语句，语句库中建立直接线索集、间接线索集、自杀手段集和负面情感集，将含有直接线索的语句存入到直接线索集；含有间接线索的语句存入到间接线索集；含有自杀手段的语句存入到自杀手段集；含有负面情感的语句存入负面情感集。
步骤5中对象等级划分方法为：分析对象对应语句所在集，如对象对应语句中含有直接线索集或间接线索集中的语句，并且含有自杀手段集中的语句，则标识该对象为极高风险对象；如对象对应语句中含有直接线索集中的语句，但无自杀手段集中的语句，则标识该对象为高风险对象；如对象对应语句中含有间接线索集中语句，但无直接线索集和自杀手段集中的语句，则标识该对象为中风险对象；如对象对应语句中只含有情感语句集中的语句，则标识对象为低风险对象。
所述的直接线索语句通过直接线索关键词进行筛选，间接线索语句通过间接线索关键词进行筛选，自杀手段语句通过自杀手段关键词进行筛选，负面情感语句通过负面情感关键词进行筛选，上述关键词都存入在数据收集平台中的关键词库中，该关键词库中含有直接线索关键词组、间接线索关键词组、自杀手段关键词组和负面情感关键词组。
步骤2中，数据接收平台收到聊天数据中筛选完后，剩余的对象都存放在无倾向对象库，无倾向对象库中的对象都标识为无风险对象。
本发明的关键词库中，直接线索关键词包括如：我不想活下去、我想自杀、真希望我死了算了、如果不如何我就自杀等等；间接线索关键词包括如：生活没有意义了、我的问题解决不了、死了比活着好、没有我大家会更好、我再也无法忍受、我看不到任何希望、现在没有人能帮助我等等；自杀手段关键词包括如：约死、不怕死、离世、约着一起走、某年某月某日死、那种方法不痛苦、自缢、服毒、枪击、割腕、安眠药、跳楼等；负面情感关键词包括如：失恋、离婚、身体健康问题、不公正对待问题、一些负面情绪(绝望、愤怒、孤独、难过、内疚、无望)等等。
我们的软件搜索时，根据关键词来筛选语句，但会搜索的关键词不仅仅是限定的，可以是与关键词相似和类似的，以保障搜索的准确性。
本发明还具有深度学习能力，我们工作人员在考察某个对象，如该对象是极高风险对象，其包含了线索语句和手段语句，线索语句是我的问题解决不了，手段语句是约着一起走，但对象的聊天内容是由一个工作问题无法解决需要加班，与人约定一起延迟回家，这个情况工作人员会将对象剔除出极高风险对象，系统则会自动学习该处理手段，自动剔除对象。
本发明中的聊天数据主要来源于QQ、微信和论坛。

Claims (6)

1.一种通过聊天内容分析自杀倾向的心理模型，其特征在于，包括以下步骤：
步骤1：数据收集平台与业务系统进行通信，向业务系统要求聊天数据，业务系统将聊天数据发送至数据收集平台；
步骤2：数据收集平台对收到的聊天数据进行筛选，筛选出涵盖关键词的语句，筛选出各涵盖关键词的语句所对应的对象，
步骤3：数据收集平台中建立倾向对象库和语句库，将筛选对象都存入倾向对象库，筛选语句都存入语句库，所有的筛选语句都对应有一个筛选对象，所有的筛选对象都对应有一个或多个筛选语句；
步骤4：进一步筛选语句库中的语句，将语句进行分类；
步骤5：进一步筛选倾向对象库中的对象，根据对象对应语句的种类，划分对象的等级。
2.如权利要求1所述的一种心理模型，其特征在于，所述的步骤2中，数据收集平台中建立有关键词库，关键词库中的关键词可增加或删除。
3.如权利要求1所述的一种心理模型，其特征在于，步骤4中语句的分类是指：分离出含有直接线索的语句、含有间接线索的语句、含有自杀手段的语句和含有负面情感的语句，语句库中建立直接线索集、间接线索集、自杀手段集和负面情感集，将含有直接线索的语句存入到直接线索集；含有间接线索的语句存入到间接线索集；含有自杀手段的语句存入到自杀手段集；含有负面情感的语句存入负面情感集。
4.如权利要求3所述的一种心理模型，其特征在于，步骤5中对象等级划分方法为：分析对象对应语句所在集，如对象对应语句中含有直接线索集或间接线索集中的语句，并且含有自杀手段集中的语句，则标识该对象为极高风险对象；如对象对应语句中含有直接线索集中的语句，但无自杀手段集中的语句，则标识该对象为高风险对象；如对象对应语句中含有间接线索集中语句，但无直接线索集和自杀手段集中的语句，则标识该对象为中风险对象；如对象对应语句中只含有情感语句集中的语句，则标识对象为低风险对象。
5.如权利要求3所述的一种心理模型，其特征在于，所述的直接线索语句通过直接线索关键词进行筛选，间接线索语句通过间接线索关键词进行筛选，自杀手段语句通过自杀手段关键词进行筛选，负面情感语句通过负面情感关键词进行筛选，上述关键词都存入在数据收集平台中的关键词库中，该关键词库中含有直接线索关键词组、间接线索关键词组、自杀手段关键词组和负面情感关键词组。
6.如权利要求1所述的一种心理模型，其特征在于，步骤2中，数据接收平台收到聊天数据中筛选完后，剩余的对象都存放在无倾向对象库，无倾向对象库中的对象都标识为无风险对象。
CN201811286196.XA 2018-10-31 2018-10-31 一种通过聊天内容分析自杀倾向的心理模型 Pending CN109524106A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811286196.XA CN109524106A (zh) 2018-10-31 2018-10-31 一种通过聊天内容分析自杀倾向的心理模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811286196.XA CN109524106A (zh) 2018-10-31 2018-10-31 一种通过聊天内容分析自杀倾向的心理模型

Publications (1)

Publication Number Publication Date
CN109524106A true CN109524106A (zh) 2019-03-26

Family

ID=65772804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811286196.XA Pending CN109524106A (zh) 2018-10-31 2018-10-31 一种通过聊天内容分析自杀倾向的心理模型

Country Status (1)

Country Link
CN (1) CN109524106A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110489552A (zh) * 2019-07-17 2019-11-22 清华大学 一种微博用户自杀风险检测方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521220A (zh) * 2011-11-29 2012-06-27 华中师范大学 一种网络自杀遗书的识别方法
CN103150374A (zh) * 2013-03-11 2013-06-12 中国科学院信息工程研究所 一种识别微博异常用户的方法和系统
CN103699626A (zh) * 2013-12-20 2014-04-02 华南理工大学 一种微博用户个性化情感倾向分析方法及系统
CN103763124A (zh) * 2013-12-26 2014-04-30 孙伟力 一种互联网用户行为分析预警系统及方法
CN103955614A (zh) * 2014-04-29 2014-07-30 北京盛世光明软件股份有限公司 一种心理危机预测方法及系统
CN105378730A (zh) * 2013-05-13 2016-03-02 卡塔尔基金会 社交媒体分析与输出
CN106294532A (zh) * 2016-05-18 2017-01-04 广东电网有限责任公司信息中心 基于微博情感分析的形象评价算法
CN107145524A (zh) * 2017-04-12 2017-09-08 清华大学 基于微博和模糊认知图的自杀风险检测方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521220A (zh) * 2011-11-29 2012-06-27 华中师范大学 一种网络自杀遗书的识别方法
CN103150374A (zh) * 2013-03-11 2013-06-12 中国科学院信息工程研究所 一种识别微博异常用户的方法和系统
CN105378730A (zh) * 2013-05-13 2016-03-02 卡塔尔基金会 社交媒体分析与输出
CN103699626A (zh) * 2013-12-20 2014-04-02 华南理工大学 一种微博用户个性化情感倾向分析方法及系统
CN103763124A (zh) * 2013-12-26 2014-04-30 孙伟力 一种互联网用户行为分析预警系统及方法
CN103955614A (zh) * 2014-04-29 2014-07-30 北京盛世光明软件股份有限公司 一种心理危机预测方法及系统
CN106294532A (zh) * 2016-05-18 2017-01-04 广东电网有限责任公司信息中心 基于微博情感分析的形象评价算法
CN107145524A (zh) * 2017-04-12 2017-09-08 清华大学 基于微博和模糊认知图的自杀风险检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110489552A (zh) * 2019-07-17 2019-11-22 清华大学 一种微博用户自杀风险检测方法及装置
CN110489552B (zh) * 2019-07-17 2021-09-21 清华大学 一种微博用户自杀风险检测方法及装置

Similar Documents

Publication Publication Date Title
Yin et al. Detecting topic and sentiment dynamics due to COVID-19 pandemic using social media
Cetto et al. Graphene: Semantically-linked propositions in open information extraction
CN101799849A (zh) 采用计算机实现的非障碍性自动心理咨询方法
CN107066514A (zh) 老年人的情绪识别方法和系统
CN106446018B (zh) 基于人工智能的查询信息处理方法和装置
CN110489513A (zh) 一种智能机器人社交信息处理方法及与人的社交系统
CN109829042A (zh) 一种基于生物医学文献的知识问答系统及方法
Grover et al. Design for emotion detection of punjabi text using hybrid approach
Vercellotti et al. A classification of compounds in American Sign Language: an evaluation of the Bisetto and Scalise framework
CN108363699A (zh) 一种基于百度贴吧的网民学业情绪分析方法
Mudalige et al. SigmaLaw-ABSA: dataset for aspect-based sentiment analysis in legal opinion texts
CN109524106A (zh) 一种通过聊天内容分析自杀倾向的心理模型
Branz et al. Sentiment analysis of twitter data: towards filtering, analyzing and interpreting social network data
Rajput et al. Making a case for social media corpus for detecting depression
Vosoughi et al. A semi-automatic method for efficient detection of stories on social media
Biswas et al. Drug Usage Analysis by VADER Sentiment Analysis on Leading Countries.
Hegde et al. Employee sentiment analysis towards remote work during COVID-19 using Twitter data
CN111639494A (zh) 案件事理关系确定方法及系统
Sykora et al. Twitter based analysis of public, fine-grained emotional reactions to significant events
CN107133226A (zh) 一种区分主题的方法及装置
CN116189851A (zh) 一种基于自然语言处理的运动员心理咨询服务系统及方法
Li et al. Product ontology construction for crowdfunding projects
Di Pietro et al. Semantic crawling: an approach based on named entity recognition
CN113590768B (zh) 一种文本关联度模型的训练方法及装置、问答方法及装置
Devi et al. Location Based Twitter Emotion Classification for Disaster Management

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190326

RJ01 Rejection of invention patent application after publication