抑郁癥是一種嚴重的心理疾病，根據世界衛生組織（WHO）的數據顯示，2015年，全球約有4.4%的人口受到抑郁癥的困擾。接受專(zhuān)業(yè)的心理健康援助是降低抑郁癥危害的有效措施。但是，現實(shí)社會(huì )中存在著(zhù)抑郁癥污名現象，這一現象會(huì )在抑郁癥患者身上加諸恥辱性標簽，引發(fā)他人對患者的歧視、排斥，從而導致抑郁癥患者因羞于主動(dòng)尋求心理健康援助而錯失最佳心理干預時(shí)期。減少抑郁癥污名現象將有利于改善抑郁癥患者的心理健康水平。 

　　大眾媒體（電視、報紙、廣播等）是信息傳播的重要渠道。理解抑郁癥污名信息的特征，有利于從海量的大眾媒體信息中識別、研究抑郁癥污名信息，從而為制定相應的干預策略提供有益的幫助。近年來(lái)，伴隨著(zhù)互聯(lián)網(wǎng)的發(fā)展，社交媒體（如Twitter、新浪微博）已經(jīng)逐漸成為一種新型的大眾媒體。與傳統的大眾媒體相比較，新媒體環(huán)境下的信息內容與溝通方式均發(fā)生了巨大的變化。但是，新媒體環(huán)境下的抑郁癥污名信息的特征至今尚不明確。 

　　基于上述背景，中國科學(xué)院行為科學(xué)重點(diǎn)實(shí)驗室朱廷劭研究組聯(lián)合北京林業(yè)大學(xué)李昂組開(kāi)展研究，旨在探索抑郁癥污名信息在社交媒體環(huán)境下的心理語(yǔ)言表達模式。 

　　該研究以新浪微博為研究平臺，利用應用程序接口（API）下載了超過(guò)一百萬(wàn)名活躍用戶(hù)公開(kāi)發(fā)表的微博，并從中篩選出15879條帶有抑郁癥關(guān)鍵詞的微博，形成一個(gè)子數據集。在此基礎上，一方面，利用人工編碼方法，分析子數據集中每條微博的內容是否反映了抑郁癥污名，以及具體反映了哪種類(lèi)型的抑郁癥污名，將編碼結果作為因變量；另一方面，利用心理語(yǔ)言分析方法，通過(guò)簡(jiǎn)體中文版LIWC程序，從每條微博的內容中提取66類(lèi)心理語(yǔ)言特征，將特征取值作為自變量。隨后，利用機器學(xué)習方法（Logistic回歸、神經(jīng)網(wǎng)絡(luò )、支持向量機、隨機森林），分別建立兩種不同用途的分類(lèi)預測模型：（1）旨在區分污名與非污名微博的分類(lèi)預測模型、（2）旨在區分不同類(lèi)型的污名微博的分類(lèi)預測模型。 

　　研究結果顯示，在15879條微博中，6.09%的微博被確認為抑郁癥污名信息。其中，最常見(jiàn)的三種污名類(lèi)型是：（1）認為抑郁癥患者的言行舉止難以預料（不可預知污名）、（2）認為罹患抑郁癥是個(gè)性軟弱的表現（軟弱污名）、（3）認為抑郁癥不是一種醫學(xué)疾?。ㄔp病污名）。分類(lèi)預測模型的訓練結果顯示（見(jiàn)圖1），區分污名與非污名微博的精確度可以達到75.2%（F-Meaure）；區分最常見(jiàn)的三種類(lèi)型的污名微博的精確度可以達到86.2%（F-Measure）。微博用戶(hù)在發(fā)布抑郁癥污名信息時(shí)，會(huì )更多使用一些特定類(lèi)別的詞匯，包括：差距詞、排除詞、消極情緒詞、社會(huì )歷程詞、暫定詞。 

圖1 分類(lèi)預測模型的訓練結果 

　　該研究發(fā)現了抑郁癥污名信息在社交媒體環(huán)境下的心理語(yǔ)言表達模式，證明利用心理語(yǔ)言分析方法有助于實(shí)現抑郁癥污名信息的在線(xiàn)識別。利用建立好的分類(lèi)預測模型，可以在社交媒體環(huán)境下對海量用戶(hù)信息開(kāi)展實(shí)時(shí)、自動(dòng)監測，提高對抑郁癥污名信息的識別效率。 

　　該研究受?chē)抑攸c(diǎn)基礎研究發(fā)展計劃（2014CB744600）的課題資助。相關(guān)研究成果在線(xiàn)發(fā)表于國際學(xué)術(shù)期刊Journal of Affective Disorders： 

　　Li, Ang., Jiao, Dongdong., Zhu, Tingshao. (2018). Detecting depression stigma on social media: A linguistic analysis. Journal of Affective Disorders. DOI: https://doi.org/10.1016/j.jad.2018.02.087