心理健康众包系统的分析、建模与设计

How to use big data to effectively improve the mental health standard of people is a crucial need for the public health work in China. Crowdsourcing systems provide a platform for Web users to communicate and mutually help each other, and have been successfully applied to mental health at a large-scale. According to the Web users’ dependence on online community, and the complexity of their mutual-help behaviors in crowdsourcing systems, this project proposes to build multi-dimensional and multi-level big data for mental health based on the open source data from three major mental health crowdsourcing systems, conduct systematic analysis of the mutual-help behaviors of crowdsourcing users, and find the optimal crowdsourcing scheme. This project will first use Semantic Web technology to build “semantic-posting-social” three-layer semantic social networks, which possess rich semantic information and multiple social relations. Based on related theories and hypotheses in social sciences, we will conduct quantitative analyses and produce simulation models of each layer and the whole semantic social networks. Then, we will study the linguistic patterns and social activities of Web users throughout the whole period of them having mental problems and the healing. Last, we will propose and solve optimization problem to find the best mutual-help scheme and design better crowdsourcing system to increase the efficiency of Web users’ mutual-help and enhance the overall mental health level of the community

如何利用大数据切实有效地提高人民心理健康水平是我国公共卫生工作中迫切需要解决的问题。众包系统提供给用户交流互助的平台，在心理健康领域得到了大规模应用。针对用户对众包的依赖性和其交流互助行为的复杂性，本课题提出基于三个主要心理健康众包系统的开源数据，构建多角度多层次的心理健康众包大数据，系统分析众包用户交流互助的行为并寻找最优的众包模式。本课题拟首先应用语义网技术将众包数据与语义网关联开放数据有机结合，构建包含丰富语义信息和多种社会关系的“语义-帖子-社会”三层语义社会网络，基于社会学的相关理论与假设，对语义社会网络各个层面和整体进行系统的定量分析并建模仿真。然后应用语义信息研究用户患病和治愈过程中的语言特征和社交行为的规律，并开发有效的测量与预测算法。最后，构建优化问题寻找最优的互动互助机制，从而开发出更优的众包系统设计，以提高用户交流互助的效率和众包系统整体的心理健康水平。

研究背景：在线众包系统提供给用户交流互助的社群平台，由于其匿名性、及时性和易用性，在心理健康领域得到广泛应用。患者如何通过该平台交流互助，其健康状态是否受在线行为影响，是亟待探索的重要科学问题。.研究内容：本课题基于国内主要抑郁症相关的众包系统的开源数据，结合语义网与知识图谱，构建了多层次的互助社群大数据，分析了用户交流互助所形成的动态社会网络、以及交流内容的语义特征，并根据所发现的独特网络性质开发了网络生成模型；结合社会网络和语义分析两种研究方法，课题对用户交流互助行为对患者情绪的影响进行分析与建模。.重要结果：对用户交流互助的动态网络分析表明，抑郁症患者的互助行为既有社会网络中的常见属性（如无标度特性），又展现出其他社会网络所不具备的独特形态，包括极高的互通性（reciprocity）、高度联通性及信息流通性（connectivity and transitivity）、出入度异质性（heterogeneity）、高度的社群黏性（stickiness）；针对这些网络特性，我们开发了新的网络生成模型研究其生成机制，并基于模型探索了高效率社会网络的构建；对交流内容的语义分析表明，抑郁症众包系统用户的语义特征与传统社会学中发现的抑郁症患者特征吻合，更频繁地使用第一人称自我表达寻求帮助和共鸣，情绪波动也有明显周期性；结合抑郁症患者的社交行为（社会网络）与情绪表达（语义分析），我们发现求助者的情绪与其在众包系统中从其他用户那里获得的社会支持（social support）有显著正相关性。更有趣的是，社会支持提供者（帮助者）在社会网络中的地位越高、帮助者的情绪越正面，求助者的情绪改善效果越明显。.科学意义：该课题的研究结果表明，在线心理健康众包系统提供给患者一个黏性高、互通性极佳的匿名互助平台，帮助患者获取及时的社会支持；所获取的社会支持可以有效帮助患者改善心理情绪和健康状况。这为如何管理和合理利用心理健康众包系统帮助患者康复、提高人们的心理健康水平提供了新的研究思路，以及数据和方法支持。