Research

理论研究

网络行为特征指标体系

在探讨网络用户的网络使用行为与其自身心理特征的关系时，既有研究在提取能够表征网络用户的心理特征的网络使用行为特征时缺乏理论体系框架的指导，致使网络使用行为特征提取的主观随意性较大，网络使用行为特征提取的种类有限。鉴于此，我们开展相关研究，旨在建立一个基于心理学理论视角的网络使用行为指标体系，从而指导网络使用行为特征的提取，进而提升基于网络使用行为的心理特征预测模型的精度。

网络内容心理语义分析

用户在网络上发表的内容与其心理特征具有一定的相关性，我们提出了基于词语心理学类别标注的网络内容心理分析，研发了基于LIWC的中文心理分析词典、微博心理分析词典和“文心”中文心理分析系统，并拟开展基于Topic Model的词库扩展技术研究。

网络人格结构

人格作为心理学研究领域当中的一个重要组成部分，对于解释和预测人的行为有着重要意义。网络的发展与人的交互作用日益显著，网络语境与现实语境存在着较大的差异，而现有的人格结构主要是从现实语境中产生的，在解释网络用户行为过程中常常遇到困难，研究网络人格结构将有助于我们从心理层面识别网络用户身份，深入了解网络用户的行为特征并预测用户的网络行为。实验室在网络人格结构方面的研究分为两个步骤，第一步是根据词汇学假设建立微博人格结构，第二步将利用深度学习(Deep Learning)的方法从用户的网络行为直接建立人格结构的特征表达向量，以期建立一个网络用户心理体系。

计算建模

在进行网络用户心理特征建模时，我们需要开展用户实验，招募一定数量的被试，同时获得他们的心理特征标注及网络行为特征，并利用机器学习方法，以用户的网络行为特征为输入变量，以用户的心理特征标注为目标变量，建立用户心理特征预测模型。为了能够以最小的成本，建立能够高效、准确预测用户心理特征的模型，我们分别引入了主动学习、半监督学习、迁移学习、多任务学习等方法。

机器学习方法研究

主动学习

在进行用户实验时，需要进行用户抽样，在抽样过程当中，可能会引入抽样偏置；此外，在开展心理学实验时，对每个用户进行心理特征标注需要花费的成本较高。为了尽可能地减小抽样偏置，并选取、邀请有效的用户参加心理学实验，从而节省实验成本，并获得对建模更有价值的数据，我们采用了机器学习领域的“主动学习”方法。

半监督学习

在网络心理研究中，用户标注数据具有成本高、标注数据少的特点，而无标注数据则成本低、数据量大，为了能够在这样的数据集上，充分利用无标注数据，建立更有效的用户心理特征预测模型，我们引入机器学习领域的“半监督学习”方法，从与标注数据相关的无标注点中获得知识，提升预测模型的有效性。

迁移学习

在现实世界中，广泛存在人们用来训练模型的数据集与待推广领域的数据集的数据分布或特征空间不一致的情况，这时候由于不满足机器学习的独立同分布假设，传统监督学习方法常常表现不佳。为了处理这类问题，迁移学习研究受到大量关注并逐渐发展起来。迁移学习一般是指利用与目标任务相关的辅助数据集帮助目标任务上的学习和预测。而在利用因特网的网络行为预测用户的心理特征时，同样存在着网络行为的测试集与训练集的分布或特征空间不同的情况，需要引进迁移学习来改进心理特征预测模型。

多任务学习

人格、心理健康和社会态度等心理属性皆是多维度指标，各个指标之间虽然相对独立，却存在某种较为紧密的联系。在实际建模预测中，属于多个具有相关性的任务在同一训练集的同时学习问题。传统的思路是在训练集上对各个任务分别训练模型。这种方法仅仅考虑了各个任务的特定信息；忽略了任务之间的相关性，没有考虑到任务之间的某些共享信息。因而为了提高学习效果，就需要考虑多任务学习。

社交网络与人格

结合数据挖掘等技术，建立网络用户行为及其人格心理健康之间关系的计算模型，通过对行为的分析，更深入地了解用户的心理人格个性特征，可以帮助我们更多了解网络用户，并根据用户不同的情况改善网络信息服务。通过技术手段对用户的网络行为进行引导，帮助网络用户提高心理满意度，为他们营造一个开心舒心的上网体验。

移动互联网与心理健康

通过对相关领域研究的深入调研，我们提出基于认知行为疗法（CBT）进行心理自助调节的研究解决方案，设计并实现在Android移动终端上进行用户短信收集、心理调查及反馈、心理自助调节服务等系统。

心导网

随着社会的高速发展以及生活压力的增加，人们在日常生活中难免会面临诸如升学、就业、婚姻等问题。这些问题带给人们不同程度心理压力的同时，还伴随着抑郁、焦虑等负面情绪的产生，给人们的心理和生理健康造成影响。心理辅导网通过提供基于认知行为治疗的心理调节自助系统对用户的负面情绪进行针对行治疗，并建立心理社区与个人信息模块，通过对推荐算法的应用与改进，对社区每个用户进行个性化的好友与资源推荐，最终目标形成一个自助-互助-自助的生态体。

网络行为本体

在科学研究领域中，本体研究扮演着对概念进行形式化表达的角色，包括了概念的共享和关系结构的澄清。网络行为是人类现实行为的延伸，其在网络环境下几乎成为了标识用户内隐心理现象的唯一有效途径。建立网络行为本体，明确了网络行为与心理现象之间的映射关系，指导研究者高效地提取一系列有效的网络行为指标，实现即时、客观、准确地分析网络用户的心理状态。

多任务学习

多任务学习是机器学习的一种方法，它可以利用有内在联系的多个任务之间的共性来提升整个模型的泛化能力。多任务学习在同一个模型上对有内在联系的多个任务同时进行训练，这样，训练中的每个任务都可以从其他任务那里受益。

用户的网络行为之间存在着一定的内在联系，所以我们可以用多任务学习的方法来建立用户的网络行为和其心理特征之间关系的模型。由于充分利用了同一个用户网络行为之间的存在的共性，通过多任务学习建立的模型会有较好的性能表现。