抑郁症是如今生活中一种常见的心理疾病。近年来,随着生活压力越来越大,抑郁症患者也在逐年增多,自杀率也在不断上升。如此严重的心理疾病正在危害着人们的身心健康,甚至对社会造成了负面的影响,因此,能够尽早发现是否有抑郁症倾向并治疗是急需解决的问题。随着社交网络的快速发展,越来越多的抑郁症用户在微博等社交平台上表达自我,通过发表文字来记录自己的心理变化、病情状况以及下一步可能采取的极端行为,因此,基于抑郁症患者的在线评论进行抑郁症倾向识别有着重要的研究意义。针对上述问题,本文提出一种基于情感词提取的抑郁症文本情感倾向识别方法,具体研究内容如下:（1）基于抑郁症评论文本和词向量构建抑郁症领域词典,为识别抑郁症倾向提供重要的基础。首先,借助TF-IDF算法得到词语的频率,并对其标注情感强度,以获得高强度且高频率的情感类种子词,且对其进行人工筛选,以获得高频率的行为类种子词;然后,通过BERT预训练模型对抑郁症病人评论文本进行词向量抽取,得到候选词,并根据种子词与候选词的语义相似度计算结果来获取到抑郁症情感词和行为词;最后,通过统计和计算点互信息的方式得到情感词与行为词之间的关联程度,从而得到行为词与情感词之间的对应关系。（2）基于抑郁症词典和Transformer模型对抑郁症文本进行情感分类,以达到抑郁症倾向识别的目的。首先,通过自注意力机制学习抑郁症词典的情感特征信息,同时通过Transformer模型学习句子的语义特征信息;然后,将词典的情感特征信息和句子的语义特征信息进行特征融合,得到融合后的特征矩阵,并且利用池化层对特征矩阵进行计算,得到特征表示;最后,通过线性层和Softmax层对特征表示进行计算得到抑郁症评论文本情感倾向性分类结果。实验结果表明,基于情感词提取的抑郁症文本情感倾向识别方法不仅能够有效挖掘出抑郁症情感词和行为词,而且还提高了抑郁症评论文本情感倾向性识别的准确性。图[17]表[15]参[80]