目录
序
前言
第1章 绪论 1
1.1 大数据的概念及特点 1
1.2 心理学的历史与概况 2
1.2.1 发展历史 2
1.2.2 研究概况 2
1.3 大数据在心理学中的应用 4
1.3.1 改善了传统的心理学研究方法 5
1.3.2 催生出全新的心理学研究领域 8
1.4 大数据与心理学的结合原则 12
1.4.1 学科交叉 12
1.4.2 数据驱动 13
1.4.3 目标导向 13
参考文献 14
第2章 大数据时代的计算网络心理 15
2.1 网络心理学的研究范畴 15
2.2 计算网络心理学的提出 17
2.3 开展心理学研究的理论依据 18
2.4 网络行为与心理特征 19
2.4.1 网络行为与人格的相关性 19
2.4.2 网络行为与心理健康的相关性 21
2.5 网络挖掘技术 24
2.5.1 结构挖掘 24
2.5.2 日志挖掘 25
2.5.3 内容挖掘/内容分析 25
2.6 小结 26
参考文献 26
第3章 计算网络心理学的研究基础 33
3.1 构建网络行为特征指标体系 33
3.2 网络行为测量方法 38
3.3 网络内容分析 40
3.3.1 词袋模型方法 40
3.3.2 同义词字典方法 41
3.3.3 心理语义字典方法 42
3.4 机器学习方法的应用 44
3.4.1 主动学习 45
3.4.2 半监督学习 47
3.4.3 迁移学习 47
3.4.4 多任务学习 50
3.4.5 总结 52
参考文献 52
第4章 个体心理特征计算 55
4.1 人格计算 55
4.1.1 人格研究的理论依据 55
4.1.2 基于微博数据分析的人格预测 57
4.2 心理健康计算 61
4.2.1 心理健康研究的理论依据 62
4.2.2 基于微博数据分析的心理健康预测 63
4.3 主观幸福感计算 73
4.3.1 主观幸福感研究的理论依据 73
4.3.2 基于微博分析的主观幸福感预测 74
参考文献 78
第5章 群体心理特征计算 80
5.1 群体社会态度计算 80
5.1.1 开展群体社会态度研究的必要性 80
5.1.2 基于微博数据分析的社会态度预测 81
5.2 北京市微博用户社会态度研究 88
5.2.1 数据获取 88
5.2.2 北京市微博用户的月度情绪分析 90
5.2.3 北京市微博用户的季度社会态度分析 91
参考文献 93
第6章 自杀风险预测 95
6.1 自杀风险预测研究的理论依据 95
6.2 基于微博数据分析的自杀风险预测关键技术研究 97
6.2.1 基于社会媒体的自杀风险预测研究 97
6.2.2 基于微博数据分析的自杀风险预测的关键问题研究 98
6.2.3 网络识别自杀死亡用户与无自杀意念用户的新浪微博特征差异研究 99
6.2.4 不同自杀可能性水平新浪微博用户行为和内容特征差异研究 104
6.2.5 通过新浪微博特征预测用户自杀风险水平—分类预测模型研究 108
6.2.6 总结 115
参考文献 118
第7章 智能移动设备带来的新机遇 122
7.1 智能移动设备的主要类型 122
7.1.1 以智能手机为代表的移动电话 122
7.1.2 以传感器为核心部件的智能手环、手表等设备 123
7.1.3 Kinect3D摄像头 123
7.2 基于智能移动设备的心理预测：以智能手机为例 124
7.2.1 相关研究概况 124
7.2.2 手机使用行为与心理特征相关研究 124
7.2.3 相关实验案例 129
7.3 未来研究趋势 132
参考文献 133
展开
