近日，我协会成员撰写的论文《Online Social Network Individual Depression Detection Using A Multitask Heterogeneous Modality Fusion Approach》在CCF-B级期刊（Information Sciences）上发表。第一作者为王一丁（2017级网安专业本科生），合作作者为王臻懿（2017级网安专业本科生）、李丞浩（2017级网安专业本科生）、张怡霖（2017级网安专业本科生），指导老师为王海舟副教授。

作者提出了一种基于多模态特征融合的深度学习方法以多任务地训练、融合新浪微博用户推文文本、图片和社交行为特征以预测潜在抑郁症用户的分类模型框架。作者在该文章中首次提出了一个用户级别的新浪微博抑郁症检测数据集，该数据是目前为止该平台上规模最大的、包含文本、图片、用户社交属性多模态信息字段的、用于抑郁症检测的数据集。之后，作者使用XLNet预训练模型获取文本词向量、使用统计分析法提取图片饱和度、色调、用户发帖时间段比例等多项统计特征；最后构建了以双向GRU和注意力Attention神经网络为主要结构的多任务学习式深度神经网络分类器FusionNet，以多模态信息为输入并输出用户抑郁/正常的分类标签，从而预测新浪微博上的潜在抑郁症用户。实验表明，FusionNet具有相比于其他神经网络结构分类器更高的分类性能与在面对不平衡比例训练样本下的分类指标鲁棒性，是一种理想的抑郁症多模态融合分类方法。

期刊简介：

Information Sciences是中科院SCI期刊分区计算机科学1区、工程技术2区、CCF-B级期刊；主要研究的主题涉及信息系统、知识工程、智能系统等内容，是计算机和信息系统领域的知名期刊。

官方介绍：Information Sciences will publish original, innovative and creative research results. A smaller number of timely tutorial and surveying contributions will be published from time to time.

The journal is designed to serve researchers, developers, managers, strategic planners, graduate students and others interested in state-of-the art research activities in information, knowledge engineering and intelligent systems. Readers are assumed to have a common interest in information science, but with diverse backgrounds in fields such as engineering, mathematics, statistics, physics, computer science, cell biology, molecular biology, management science, cognitive science, neurobiology, behavioural sciences and biochemistry.

论文链接：https://www.sciencedirect.com/science/article/pii/S002002552200799X