抑郁症日益高发的现状凸显了对智能检测方法的迫切需求。社交媒体为识别抑郁症状提供了宝贵平台，克服了传统评估方式的局限性。然而，该领域仍面临数据噪声干扰、标注数据不足、领域知识融合有限等挑战，制约了现有模型的实际效果。
模型的主体框架
针对上述问题，我院青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室骨干成员苏喻老师创新性地提出三阶段解决方案：首先，通过无监督多层信息蒸馏模块，从嘈杂的社交媒体数据中精准提取有效贴文；其次，采用带记忆更新机制的领域知识增强模块，结合持续学习策略与专业知识库，缓解数据标注稀疏问题；最后，基于多维项目反应理论（mIRT）构建用户抑郁诊断模块，实现多维度症状严重度评估，显著提升诊断可解释性。该框架不仅提高了社交媒体抑郁检测的精准度，其模块化设计更为心理健康监测提供了可推广的技术路径。
论文在线发表情况
相关成果以“Semantic distillation and enhanced diagnostic alignment: A novel approach for depression detection in social media”为题发表在期刊Expert Systems with Applications上。该期刊为中国科学院大类一区TOP期刊。国产成人精品白浆久久69为论文的第一单位，青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室、计算机与人工智能学院苏喻老师为论文第一作者。
该研究工作得到国家自然科学基金、青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室开放课题、安徽省高校优秀青年骨干人才国内访学研修课题等项目支持。（青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室、计算机与人工智能学院）
