| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 当下互联网的快速发展与社交媒体的大数据趋势 | 第8-9页 |
| 1.2 心理健康问题的现状 | 第9-11页 |
| 1.3 研究问题的提出 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第二章 综述 | 第14-20页 |
| 2.1 心理健康与网络行为的关联 | 第14-17页 |
| 2.1.1 心理健康 | 第14-15页 |
| 2.1.2 网络行为 | 第15-16页 |
| 2.1.3 心理健康与网络行为的关联 | 第16-17页 |
| 2.2 网络行为的类型 | 第17-18页 |
| 2.3 网络行为的测量 | 第18-20页 |
| 第三章 基于机器学习方法的心理健康模型 | 第20-28页 |
| 3.1 研究方案 | 第20页 |
| 3.2 技术路线 | 第20-28页 |
| 3.2.1 原始数据的获取与预处理 | 第21-23页 |
| 3.2.2 机器学习与模型的建立 | 第23-26页 |
| 3.2.3 结果的推介 | 第26-28页 |
| 第四章 基于新浪微博的互联网用户抑郁预测模型 | 第28-46页 |
| 4.1 原始数据的获取 | 第28-35页 |
| 4.1.1 用户集 | 第28-29页 |
| 4.1.2 发送问卷获得回馈 | 第29-31页 |
| 4.1.3 获取网络行为数据 | 第31-35页 |
| 4.2 新浪微博用户特征的提取与选择 | 第35-41页 |
| 4.2.1 特征提取 | 第35-38页 |
| 4.2.2 特征选择 | 第38-41页 |
| 4.3 心理健康抑郁预测模型的建立与评估 | 第41-42页 |
| 4.3.1 分类 | 第41-42页 |
| 4.3.2 预测 | 第42页 |
| 4.3.3 模型评估 | 第42页 |
| 4.4 不同时间维度下模型效果的讨论 | 第42-46页 |
| 第五章 社交媒体心理健康模型的应用 | 第46-56页 |
| 5.1 基于FLASH的心理健康研究结果展示平台 | 第46-52页 |
| 5.1.1 使用Flash技术搭建平台的优势 | 第46-47页 |
| 5.1.2 展示平台的结构及相应模块 | 第47-52页 |
| 5.2 北京居民心理健康综合服务平台 | 第52-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 攻读学位期间发表论文及参加的项目 | 第64-65页 |