◆鄭敬華 許成喜 汪松鶴

（電子工程學(xué)院 安徽 230037）

網(wǎng)絡(luò)空間用戶心理健康風(fēng)險(xiǎn)研究

◆鄭敬華 許成喜 汪松鶴

（電子工程學(xué)院 安徽 230037）

心理健康缺陷容易造成心理障礙甚至決策失誤，因此在網(wǎng)絡(luò)空間認(rèn)知域領(lǐng)域的對(duì)抗中，能夠直接影響到戰(zhàn)爭的勝負(fù)，所以預(yù)測人的心理健康成為對(duì)抗雙方的重中之重。本文從預(yù)測流程、特征提取和預(yù)測建模三個(gè)方面綜述了國內(nèi)外在互聯(lián)網(wǎng)絡(luò)用戶心理健康預(yù)測方面進(jìn)行的研究，指出了研究中存在的問題，提出一些可能的研究思路和方法。最后，分析了網(wǎng)絡(luò)空間中用戶心理健康可能帶來的風(fēng)險(xiǎn)。

網(wǎng)絡(luò)空間；心理健康；風(fēng)險(xiǎn)；預(yù)測

0 前言

網(wǎng)絡(luò)空間已經(jīng)由物理域、信息域跨越到了認(rèn)知域領(lǐng)域，網(wǎng)絡(luò)空間認(rèn)知域的主體是人，換句話說，網(wǎng)絡(luò)空間安全的關(guān)鍵在于人，網(wǎng)絡(luò)攻防的目標(biāo)也是人。心理戰(zhàn)正是以認(rèn)知域?yàn)橹鲬?zhàn)場，運(yùn)用多種對(duì)抗手段影響對(duì)手決策和意志，以控制認(rèn)知域戰(zhàn)場主導(dǎo)權(quán)為主要目的的特殊作戰(zhàn)形式。為了取得認(rèn)知域戰(zhàn)場的主導(dǎo)權(quán)，如何實(shí)現(xiàn)預(yù)測人的心理特征成為重中之重。分析對(duì)方心理特征的缺陷，針對(duì)性的實(shí)施心理干預(yù)，促使其心理狀態(tài)發(fā)生變化，導(dǎo)致心理、情緒甚至意識(shí)的改變，以至于產(chǎn)生決策失敗，從而為自己取得戰(zhàn)爭的勝利奠定堅(jiān)實(shí)的基礎(chǔ)。

在互聯(lián)網(wǎng)絡(luò)成為人們依賴的同時(shí)，其對(duì)人們心理的控制和影響也更加凸顯。因此基于互聯(lián)網(wǎng)絡(luò)數(shù)據(jù)預(yù)測用戶的心理特征成為一種新的方式。心理特征有很多種類，本文主要研究基于互聯(lián)網(wǎng)絡(luò)數(shù)據(jù)預(yù)測用戶的心理健康。

心理是用于多方面刻畫一個(gè)人內(nèi)心特征的屬性，它反映個(gè)人的社會(huì)存在，是個(gè)人行為的動(dòng)因，并且主導(dǎo)個(gè)人的行為。也就是說，人的外在行為與內(nèi)在的心理因素是息息相關(guān)的，因此不同的心理因素造成了外在行為的不同，這就是行為的一致性。基于行為的一致性，隨著社會(huì)計(jì)算技術(shù)的發(fā)展、互聯(lián)網(wǎng)的盛行，使得基于互聯(lián)網(wǎng)預(yù)測個(gè)體的心理特征成為可能。同時(shí)網(wǎng)上行為的可記錄、易計(jì)算等特點(diǎn)使得這一研究變得非常方便，從而成為研究熱點(diǎn)。

心理健康是人的健康不可分割的重要方面，是一種持續(xù)的心理情況，描述個(gè)體在各種環(huán)境中的一種高效且滿意的心理狀態(tài)，包括情緒健康、意志健全及行為協(xié)調(diào)等多個(gè)方面的內(nèi)容。世界衛(wèi)生組織將心理健康定義為[1]：個(gè)體的心理活動(dòng)處于正常狀態(tài)，包括智力正常、善于協(xié)調(diào)和控制情緒、較強(qiáng)的意志和品質(zhì)、人際關(guān)系和諧、保持人格的完整和健康等。

傳統(tǒng)心理健康的測量都是通過自陳量表的方式獲得的，常用的量表對(duì)抑郁和焦慮的預(yù)測較多，如流調(diào)用抑郁自評(píng)量表（Center for Epidemiological survey，depreesionscale，CES-D）、貝克抑郁自評(píng)量表（Beek depression rating scale，CES-D）、醫(yī)院焦慮抑郁量表（Hospital anxiety and depression scale ，HAD）、PHI（Psychological Health Inventory）七維度心理健康量表（包括功能紊亂、抑郁、焦慮、病態(tài)人格、多疑、幻想、狂躁）、90項(xiàng)癥狀自評(píng)量表（SCL-90）、生活事件量表（LES）以及青少年心理適應(yīng)性量表等等，每種量表都有自己的側(cè)重點(diǎn)。如貝克抑郁自評(píng)量表是測量抑郁嚴(yán)重程度最廣泛的工具之一。

心理學(xué)指出個(gè)體周邊環(huán)境中能夠包含一些可以預(yù)測其心理健康狀況的信息[2]，而互聯(lián)網(wǎng)絡(luò)已經(jīng)成為現(xiàn)實(shí)社會(huì)對(duì)應(yīng)的線上虛擬社會(huì)，個(gè)體的周邊環(huán)境，也是行為總體的一部分，同時(shí)通過網(wǎng)絡(luò)數(shù)據(jù)對(duì)心理健康的預(yù)測在國內(nèi)外有著深厚的理論基礎(chǔ)和實(shí)踐經(jīng)驗(yàn)，因此借助網(wǎng)絡(luò)數(shù)據(jù)預(yù)測個(gè)體的心理健康是完全可行的。國內(nèi)外不少學(xué)者已經(jīng)展開了網(wǎng)絡(luò)數(shù)據(jù)和心理健康之間關(guān)系的研究，也取得了一些成果[3]。

Jim等人[4]旨在研究神經(jīng)質(zhì)和輕微的精神障礙之間的關(guān)聯(lián)模式。Campbell A J.等人[5]研究發(fā)現(xiàn)網(wǎng)癮與互聯(lián)網(wǎng)使用時(shí)間和頻率有關(guān)系。也有研究者研究發(fā)現(xiàn)網(wǎng)絡(luò)成癮與焦慮呈顯著正相關(guān)[6][8]。Peng W.等人[7]發(fā)現(xiàn)對(duì)網(wǎng)絡(luò)游戲的依賴與抑郁有著很明顯的正相關(guān)。管理等人[9]試圖通過微博語言特征與個(gè)體的自殺性行為之間的關(guān)系，識(shí)別出自殺可能性高的個(gè)體。最近也有研究表明通過社交網(wǎng)絡(luò)用戶發(fā)布的語言能夠識(shí)別出具有某種心理健康問題的個(gè)體，如自殺傾向、傷害他人傾向和精神分裂等[10-11]。Munmum D.等[12]研究表明語言特征可以用來預(yù)測用戶的抑郁癥和是否有自殺念頭。Mrinal K.等[13]第一次通過社交網(wǎng)絡(luò)研究推特效應(yīng)，即自殺模仿效應(yīng)。Danielle M.等[14]從數(shù)據(jù)挖掘的角度，研究了Twitter用戶抑郁癥分類的數(shù)據(jù)特征選擇問題。

1 網(wǎng)絡(luò)空間用戶心理健康預(yù)測方法

1.1 預(yù)測流程

研究者基于互聯(lián)網(wǎng)絡(luò)數(shù)據(jù)預(yù)測用戶心理健康的研究已經(jīng)取得了一些成果，從開始的統(tǒng)計(jì)某種網(wǎng)絡(luò)特征與某種心理健康之間的關(guān)系，到現(xiàn)在的基于互聯(lián)網(wǎng)絡(luò)數(shù)據(jù)，運(yùn)用機(jī)器學(xué)習(xí)方法進(jìn)行預(yù)測建模，在這一領(lǐng)域取得了很大的進(jìn)展?；诨ヂ?lián)網(wǎng)絡(luò)預(yù)測用戶心理健康的整個(gè)流程如圖1所示。

圖1 互聯(lián)網(wǎng)絡(luò)用戶心理健康預(yù)測流程

第一步，數(shù)據(jù)獲取。包括兩種數(shù)據(jù)的獲取，用戶的網(wǎng)絡(luò)數(shù)據(jù)和心理健康標(biāo)簽數(shù)據(jù)。

（1）網(wǎng)絡(luò)數(shù)據(jù)的獲取一般是通過網(wǎng)絡(luò)爬蟲或者是網(wǎng)站提供的API（Application Programming Interface ，API）獲取。許多網(wǎng)絡(luò)都提供開放的API接口或者函數(shù)，允許第三方程序進(jìn)行訪問。如新浪微博提供的開放平臺(tái)API；人人網(wǎng)提供開放平臺(tái)，并使用OAuth2.0作為驗(yàn)證與授權(quán)協(xié)議，允許第三方應(yīng)用在用戶授權(quán)的情況下訪問網(wǎng)站存儲(chǔ)的信息。

（2）心理健康標(biāo)簽數(shù)據(jù)，基本上都是通過讓被試者填寫問卷調(diào)查獲得。選取網(wǎng)絡(luò)數(shù)據(jù)中有效數(shù)據(jù)的用戶，通過讓其回答心理健康量表，評(píng)價(jià)其心理健康狀況的得分。

第二步，數(shù)據(jù)預(yù)處理。

（1）噪聲處理。包括兩種噪聲的處理，一種是網(wǎng)絡(luò)用戶的噪音處理：將發(fā)布內(nèi)容都是轉(zhuǎn)發(fā)的用戶刪除，將內(nèi)容僅僅是超鏈接的用戶刪除，將不常更新的用戶刪除。第二種是用戶心理健康標(biāo)簽數(shù)據(jù)的噪音處理：將問卷答案為空的、填寫答案只有一種的、填寫答案有規(guī)律的問卷刪除，選擇有效的問卷獲取標(biāo)簽數(shù)據(jù)。

（2）規(guī)范化。將非數(shù)值型數(shù)據(jù)轉(zhuǎn)化為數(shù)值型，如將個(gè)人描述轉(zhuǎn)化為長度數(shù)值；將男女信息轉(zhuǎn)化為0和1數(shù)值；將地域信息規(guī)范為特定的數(shù)值標(biāo)識(shí)等。

（3）歸一化。一般是通過函數(shù)將變化幅度較大的特征約束在某一范圍內(nèi)，如（0，1）區(qū)間。

（4）文本數(shù)據(jù)特征處理。通過自然語言處理等方法提取文本信息，如提取第一人稱使用頻率、第二人稱使用頻率、@數(shù)、情緒詞使用頻率等特征。或者通過語義分析提取主題，并通過心理健康語料庫進(jìn)行。

（5）語義分析。提取文本內(nèi)容的情感、觀點(diǎn)、意見等主題信息，首先經(jīng)過分詞、噪音處理、根據(jù)心理健康語料（如心理健康詞典Linguistic Inquiry and Word Count， LIWC）生成主題特征。

第三步，特征提取。提取與心理健康相關(guān)的數(shù)據(jù)特征，通過特征提取、特征選擇，確定用來創(chuàng)建預(yù)測模型的數(shù)據(jù)。

第四步，創(chuàng)建心理健康預(yù)測模型。主要通過機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)，大部分采用傳統(tǒng)的有監(jiān)督分類或回歸算法。

第五步，驗(yàn)證模型的正確性并修正模型。通常采用預(yù)測相關(guān)性指標(biāo)、預(yù)測誤差指標(biāo)和分類準(zhǔn)確性指標(biāo)進(jìn)行驗(yàn)證。

1.2 特征選取與模型建立

基于互聯(lián)網(wǎng)絡(luò)對(duì)用戶心理健康進(jìn)行預(yù)測，大部分研究是從用戶在網(wǎng)絡(luò)發(fā)布的文本信息來提取特征，包括語言特征及語義特征。也有一部分學(xué)者通過用戶社交網(wǎng)絡(luò)中微博數(shù)據(jù)進(jìn)行預(yù)測。心理健康預(yù)測研究中使用的數(shù)據(jù)及算法如表1所示。

微博數(shù)據(jù)包括性別、年齡、朋友數(shù)、粉絲數(shù)、圖像信息等。Wald R等人[15]通過Twitter用戶的微博信息和文本信息，預(yù)測用戶精神變態(tài)癥狀。白朔天等人[16]通過提取新浪微博的微博特征預(yù)測用戶的抑郁和焦慮癥狀。Ferwerda B.等[17]通過采集 113名Instagram用戶的22398副照片信息，并提取圖片數(shù)據(jù)特征，如色調(diào)、亮度、飽和度等，最終驗(yàn)證圖片的數(shù)據(jù)特征與人格特征之間是存在關(guān)聯(lián)的，如神經(jīng)質(zhì)與圖片的亮度相關(guān)聯(lián)，宜人性與圖片中黑暗與光明區(qū)域的多少相關(guān)聯(lián)。

語言學(xué)中很多研究證明，不同心理的人使用語言時(shí)的風(fēng)格是不相同的[15][10][11]，也就是說通過用戶在互聯(lián)網(wǎng)絡(luò)發(fā)表的一些文本數(shù)據(jù)，如微博內(nèi)容、回復(fù)內(nèi)容、自我描述等也能夠預(yù)測用戶的心理特征。另外也有學(xué)者通過提取用戶在互聯(lián)網(wǎng)絡(luò)中文本信息提取語義特征，分析出用戶的情感、觀點(diǎn)、意見以及人格魅力等信息，然后對(duì)用戶的心理健康進(jìn)行預(yù)測分析。

表1 心理健康預(yù)測研究中使用的數(shù)據(jù)及算法

Randall W等[15][19]利用Twitter用戶的靜態(tài)信息和文本信息，通過構(gòu)建邏輯回歸、多層感知器、隨機(jī)森林和支持向量機(jī)等四種分類模型來預(yù)測具備精神變態(tài)傾向的用戶；朱廷劭等[18]通過分析用戶網(wǎng)絡(luò)行為數(shù)據(jù)，基于PHI（Psychological Health Inventory）七維度心理健康量表，利用決策樹創(chuàng)建心理健康狀況預(yù)測模型，平均預(yù)測正確率為70%左右；白朔天[16]等采用多任務(wù)回歸學(xué)習(xí)預(yù)測社交網(wǎng)絡(luò)用戶的抑郁和焦慮兩種心理健康狀況，最終證明心理健康問題可以通過網(wǎng)絡(luò)行為反應(yīng)出來。George G.等[10]使用聚類算法針對(duì)Reddit社交數(shù)據(jù)的語言信息，確定與心理健康相關(guān)的語言特征。通過分析不同心理健康問題的subreddits論壇內(nèi)容（包括發(fā)布的帖子和評(píng)論內(nèi)容），分析出16種覆蓋不同心理健康問題的語言特征。Margaret M.等[11]通過Twitter API采集了174位自認(rèn)為存在精神分裂癥的Twitter用戶的3200個(gè)帖子，首先通過LIWC、LDA(LatentDirichlet Allocation)、Brown Cluster、Character Language Models和Perplexity等5種自然語言處理方法挖掘與精神分裂癥相關(guān)的語言特征，然后采用支持向量機(jī)SVM和最大熵MaxEnt兩種機(jī)器學(xué)習(xí)算法進(jìn)行分類，其最好分類準(zhǔn)確率分別為 82.3%和81.9%。

1.3 研究小結(jié)

從表1可以看出，基于互聯(lián)網(wǎng)絡(luò)預(yù)測用戶的心理健康的預(yù)測研究，主要依據(jù)的還是網(wǎng)絡(luò)本身的數(shù)據(jù)，研究的對(duì)象主要是在網(wǎng)絡(luò)中發(fā)布的語言特征，研究的重點(diǎn)在于數(shù)據(jù)特征的選取，研究的方法主要是機(jī)器學(xué)習(xí)中的有監(jiān)督分類算法。大部分研究者僅停留在具有某種心理健康問題的個(gè)體在互聯(lián)網(wǎng)絡(luò)中的語言特征分析上。

基于社交網(wǎng)絡(luò)預(yù)測用戶心理健康研究屬于跨學(xué)科領(lǐng)域的研究，涉及了計(jì)算科學(xué)、心理學(xué)、社會(huì)科學(xué)等多個(gè)學(xué)科領(lǐng)域。雖然該領(lǐng)域研究已經(jīng)取得了很多成果，但是在預(yù)測研究方面仍存在著以下兩個(gè)問題：

第一，現(xiàn)實(shí)中，獲取大量而有效的互聯(lián)網(wǎng)絡(luò)用戶的標(biāo)簽數(shù)據(jù)，是非常困難的，這樣不可避免的造成訓(xùn)練數(shù)據(jù)樣本的缺乏。

第二，研究方法僅僅局限于單任務(wù)機(jī)器學(xué)習(xí)，即只是對(duì)某一種任務(wù)（如抑郁）數(shù)據(jù)及進(jìn)行訓(xùn)練，然后學(xué)習(xí)該任務(wù)的相關(guān)信息。

對(duì)于非常小規(guī)模的訓(xùn)練樣本數(shù)據(jù)，如果分別訓(xùn)練每一個(gè)任務(wù)，不可避免地會(huì)造成過擬合現(xiàn)象。同樣，心理健康雖然描述的是一個(gè)人不同方面的心理狀況，但是不同維度之間是存在一定關(guān)系的。以PHI七維度心理健康指標(biāo)為例，心理健康指標(biāo)七維度之間就存在一定的相關(guān)性的，如焦慮與抑郁之間，狂躁與功能紊亂之間都存在著正相關(guān)。而傳統(tǒng)的單任務(wù)機(jī)器學(xué)習(xí)方法，并不能夠充分利用多個(gè)任務(wù)之間的共享信息。因此可以考慮采取多任務(wù)學(xué)習(xí)方法，建立互聯(lián)網(wǎng)絡(luò)用戶心理健康預(yù)測模型，這就意味著，同時(shí)學(xué)習(xí)多個(gè)心理健康任務(wù)，不但充分共享了其間的關(guān)聯(lián)信息，而且也較好地解決了小樣本數(shù)據(jù)在訓(xùn)練過程中帶來的過擬合現(xiàn)象，提高了預(yù)測精度以及模型的泛化性能。另外，一般來說具備某種心理健康問題（比如焦慮、抑郁等）的用戶，很可能不會(huì)再使用社交網(wǎng)絡(luò)，同時(shí)心理健康是一個(gè)逐漸變化的過程，鄰近區(qū)間的差異較小，因此研究社交網(wǎng)絡(luò)用戶具有某種心理健康問題的傾向性也許更為關(guān)鍵，研究通過其互聯(lián)網(wǎng)絡(luò)行為的演變規(guī)律去尋找心理健康的變化。

雖然目前心理健康預(yù)測領(lǐng)域的研究還不成熟，并且面臨著各種困難和障礙，但是從社會(huì)發(fā)展的長期趨勢來看，無論從攻防角度還是安全角度，關(guān)鍵的核心仍然是人，因此心理學(xué)與計(jì)算機(jī)科學(xué)以及社會(huì)科學(xué)之間的融合將成為未來的必然發(fā)展趨勢。

2 網(wǎng)絡(luò)空間用戶心理健康風(fēng)險(xiǎn)

心理戰(zhàn)已經(jīng)融入戰(zhàn)爭全程，其地位和作用也日益凸顯，成為影響戰(zhàn)爭全局的重要因素。心理戰(zhàn)中，信息成為了心理殺傷武器，構(gòu)成了決定戰(zhàn)爭勝負(fù)的重要因素，可誘導(dǎo)心理殺傷，并降低戰(zhàn)斗力[20]，這里的信息就是我們前面描述的預(yù)測互聯(lián)網(wǎng)絡(luò)用戶心理健康所使用的網(wǎng)絡(luò)數(shù)據(jù)。

2010年的“渦輪”網(wǎng)絡(luò)攻擊行動(dòng)，通過竊取計(jì)算機(jī)設(shè)備信息，匯總形成用戶個(gè)人特征描述，提供監(jiān)控人員決策是否對(duì)該用戶進(jìn)行深入監(jiān)控，最終成功入侵全球近10萬臺(tái)計(jì)算機(jī)。這足以說明網(wǎng)絡(luò)行為能夠真實(shí)地反映人的心理，通過分析其網(wǎng)絡(luò)行為，預(yù)測其心理、生理、觀念甚至意識(shí)方面的內(nèi)容，尋找其心理特征的脆弱性，也就是說將人的意志、信念、思維、心理等作為對(duì)抗的目標(biāo)，從而有針對(duì)性地實(shí)施網(wǎng)絡(luò)空間對(duì)抗，如針對(duì)性地對(duì)其推送能夠引發(fā)身心功能障礙的損傷信息，如虛假信息、恐嚇信息、易產(chǎn)生視覺差的圖片信息等，導(dǎo)致其認(rèn)知域發(fā)生變化，從而可能出現(xiàn)意志下降等認(rèn)知能力問題，決策錯(cuò)誤等認(rèn)知判斷問題，以及心理障礙等情緒變化問題，從而贏得勝利，這充分體現(xiàn)了“攻心為上，攻城為下；心戰(zhàn)為上，兵戰(zhàn)為下”的對(duì)抗思想。

相反，為了網(wǎng)絡(luò)空間安全，我們就要預(yù)測我方人員的心理特征，分析其脆弱性，針對(duì)性地對(duì)其進(jìn)行干預(yù)和引導(dǎo)，彌補(bǔ)心理健康缺陷帶來的風(fēng)險(xiǎn)，避免為對(duì)方所利用，從而保護(hù)我方網(wǎng)絡(luò)空間的安全。

[1] Herrman H，Saxena S，Moodie R． Promoting Mental Health：Concepts，Emerging evidence，Practice：A report of the World Health Organization,Department of Mental Health and Substance Abuse in collaboration with the Victorian Health Promotion Foundation and University of Melboume[M]//World Heath Organization，2005．

[2] Brunswik E． Perception and representative design of psychological experiments[M]，1956．

[3] Kosinski M，Stillwell D，Graepel T． Private traits and attributes are predictable from digital records of human behavior[J]//Proceedings of the National Academy of Sciences，2013．

[4] Jim V,Park S,Jone P．Neuroticism life events and mental healrh：evidence for person-environment correlation[J]．British Journal of Psychiatry Supplement, 2001．

[5] Campbell A J,Cumming S R,Hughes I．Internet use by the Social Fearful：Addiction or Therapy[J]．Cyber Psychology &Behavior，2006．

[6] 羋靜，張玉媛，韓慧，梅翠竹．網(wǎng)絡(luò)成癮與非成癮醫(yī)學(xué)認(rèn)知狀況比較[J]．現(xiàn)代預(yù)防醫(yī)學(xué)，2009．

[7] Peng W,Liu M．Online Gameing Dependency：a preliminary Study in China[J]． Cyberpsychology Behavior & Social Networking,2010．

[8] 張夢菡，趙笑顏，孫易蔓．大學(xué)生網(wǎng)絡(luò)成癮現(xiàn)狀及其對(duì)交往焦慮的影響[J]．中國社會(huì)醫(yī)學(xué)雜志，2013．

[9] 管理，郝碧波，程綺瑾，葉兆輝，朱廷劭．不同自殺可能性微博用戶行為和語言特征差異解釋性研究[J]．中國公共衛(wèi)生，2015．

[10] George G．,Anika O．,Tim J H．Richard J D．The Language of Mental Health Problems in Social Media[C]// San Diego，California． Proceedings of the 3rd Workshop on Computational Linguistics and Clinical Psychology, 2016．

[11] Margaret M．， KristyH．， Glen C． Quantifying the Language of Schizophrenia in Social Media[C]// Denver，Colorado． Proceedings of the 2nd Workshop on Computational Linguistics and Clinical Psychology, 2015．

[12] Munmum D． C．， EmreK．， Mark D．， et al． Discovering Shifts to Suicidal Ideation from Mental Health Content in Social Media[C]// CA USA． In Proceedings of 2016 Special Interest Group on Computer-Human Interaction(SIGCHI), 2016．

[13] MrinalK．， MarkD．， Glen C．，Munmun D C． Detecting Changes in Suicide Content Manifested in Social Media Following Celebrity Suicides[C]// Cyprus．26th ACM Conference on Hypertext and Social Media, 2015．

[14] Danielle M．,CraigB．,Mike C．Feature Studies to Inform the Classification of Depressive Symptoms from Twitter Data for Population Health[J]． https：//arxiv．org/pdf/1701．08229．pdf,2017．

[15] Wald R,Khoshgoftaar T M,Napolitano A． Using twitter content to predict psychopathy[C]//Boca Raton,USA．Proceedings of the 2012 11th International Conference on Machine Learning and Applications，2012．

[16] Bai S T,Hao B B，Li Ang,Nie D,Zhu T S．Depression and anxiety prediction on microblogs[J]．Journal of University of Chinese Academy of Sciences，2014．

[17] BruceFerwda．MarkusSchedl,MarkoTkalcic．Predicting Personality Traits with Instagram Pictures[J]． Springer International Publishing，2016．

[18] Tingshao ZYueN， Ang L． Using Decision Tree to Predict Mental Health Status based on Web Behavior[J]．Proceedings of the 2011 3rd Symposium on web Socitey． Port Elizabeth， South Africa，2011．

[19] Golbeck J,Robles C,Tuener K．Predicting personality with social media[C]// New York,USA． Proceedings of the 2011 Annual Conference Extended Abstracts on Human Factors in Computing Systems，2011．

[20] 苗丹民，朱霞．心理戰(zhàn)信息損傷的概念與研究[J]．心理科學(xué)進(jìn)展，2006．

省部級(jí)重大項(xiàng)目（AWS13J003）、國家自然科學(xué)基金（61602491）。