基于变长文本输入的心理症状分类模型研究

随着现代社会的快速发展,人们的生活水平日益提高,然而由于生活节奏的加快,心理健康问题成为不可忽视的社会性问题。结合社交媒体数据全面性、持续性和多样性的特点,研究了基于社交媒体数据进行精准心理症状检测的方法,通过验证文本输入长度对深度学习网络模型性能的影响,提出了融合动态池化层和Attention机制的变长文本分类模型。相比于传统分类模型,该模型在心理症状分类方面精确率和召回率约高出2%。