机器学习: 预测模型, 抑郁症 Reddit 用户的数据集

简介：
Reddit Depression Dataset (RDS) 是一个由约 9,000 名报告患有抑郁症的 Reddit 用户及其发布的内容所组成的大型数据集，同时还涵盖了约 107,000 名未诊断用户的数据。该集合中，被诊断为抑郁症的用户内容已排除了所有在心理健康相关子版块中的发布内容，并且也去除了包含与抑郁症相关的关键词的内容；而对照组的帖子则在整个筛选过程中避免涉及这类内容。该数据集的具体构建细节可在EMNLP 2017年的论文《Depression and Self-Harm Risk Assessment in Online Forums》第3.1节中找到，而具体的资源内容则可访问指定的数据网站获取。RDS数据集旨在促进针对网络论坛内抑郁症及自残风险评估的研究，并提供了一个宝贵的资源，用于开发与识别抑郁症相关的行为模式。 RDS数据集的统计数据显示，在经过系统性处理之后，9210名患有抑郁症的用户被成功划分为训练集、验证集和测试集三个互不重叠的部分，并相应地设置了匹配对照组。这些用户的发帖数量与每篇帖子的长度呈现出显著的多样性。该数据集合成了一个丰富的研究素材，为研究人员深入剖析社交平台中的用户行为特征及其表达特点提供了可分析的基础，并在此基础上开发出了若干有效的抑郁症状识别工具。