●序
前言
章 緒論 1
1.1 大數據的概念及特點 1
1.2 心理學的歷史與概況 2
1.2.1 發展歷史 2
1.2.2 研究概況 2
1.3 大數據在心理學中的應用 4
1.3.1 改善了傳統的心理學研究方法 5
1.3.2 催生出全新的心理學研究領域 8
1.4 大數據與心理學的結合原則 12
1.4.1 學科交叉 12
1.4.2 數據驅動 13
1.4.3 目標導向 13
參考文獻 14
第2章 大數據時代的計算網絡心理 15
2.1 網絡心理學的研究範疇 15
2.2 計算網絡心理學的提出 17
2.3 開展心理學研究的理論依據 18
2.4 網絡行為與心理特征 19
2.4.1 網絡行為與人格的相關性 19
2.4.2 網絡行為與心理健康的相關性 21
2.5 網絡挖掘技術 24
2.5.1 結構挖掘 24
2.5.2 日志挖掘 25
2.5.3 內容挖掘/內容分析 25
2.6 小結 26
參考文獻 26
第3章 計算網絡心理學的研究基礎 33
3.1 構建網絡行為特征指標體繫 33
3.2 網絡行為測量方法 38
3.3 網絡內容分析 40
3.3.1 詞袋模型方法 40
3.3.2 同義詞字典方法 41
3.3.3 心理語義字典方法 42
3.4 機器學習方法的應用 44
3.4.1 主動學習 45
3.4.2 半監督學習 47
3.4.3 遷移學習 47
3.4.4 多任務學習 50
3.4.5 總結 52
參考文獻 52
第4章 個體心理特征計算 55
4.1 人格計算 55
4.1.1 人格研究的理論依據 55
4.1.2 基於微博數據分析的人格預測 57
4.2 心理健康計算 61
4.2.1 心理健康研究的理論依據 62
4.2.2 基於微博數據分析的心理健康預測 63
4.3 主觀幸福感計算 73
4.3.1 主觀幸福感研究的理論依據 73
4.3.2 基於微博分析的主觀幸福感預測 74
參考文獻 78
第5章 群體心理特征計算 80
5.1 群體社會態度計算 80
5.1.1 開展群體社會態度研究的必要性 80
5.1.2 基於微博數據分析的社會態度預測 81
5.2 北京市微博用戶社會態度研究 88
5.2.1 數據獲取 88
5.2.2 北京市微博用戶的月度情緒分析 90
5.2.3 北京市微博用戶的季度社會態度分析 91
參考文獻 93
第6章 自殺風險預測 95
6.1 自殺風險預測研究的理論依據 95
6.2 基於微博數據分析的自殺風險預測關鍵技術研究 97
6.2.1 基於社會媒體的自殺風險預測研究 97
6.2.2 基於微博數據分析的自殺風險預測的關鍵問題研究 98
6.2.3 網絡識別自殺死亡用戶與無自殺意念用戶的新浪微博特征差異研究 99
6.2.4 不同自殺可能性水平新浪微博用戶行為和內容特征差異研究 104
6.2.5 通過新浪微博特征預測用戶自殺風險水平—分類預測模型研究 108
6.2.6 總結 115
參考文獻 118
第7章 智能移動設備帶來的新機遇 122
7.1 智能移動設備的主要類型 122
7.1.1 以智能手機為代表的移動電話 122
7.1.2 以傳感器為核心部件的智能手環、手表等設備 123
7.1.3 Kinect3D攝像頭 123
7.2 基於智能移動設備的心理預測：以智能手機為例 124
7.2.1 相關研究概況 124
7.2.2 手機使用行為與心理特征相關研究 124
7.2.3 相關實驗案例 129
7.3 未來研究趨勢 132
參考文獻 133
內容簡介
近年來，大數據概念得到了包括心理學在內的各個領域的高度關注。
《大數據時代的心理學研究及應用》以中國科學院心理研究所計算網絡心理實驗室（CCPL）的一繫列研究成果為內容主線，繫統介紹了網絡心理學的基本概念、研究方法、研究工具及新研究進展，旨在使讀者能夠全面地了解這門新型交叉學科的整體概況、清晰地理解大數據對心理科學的研究邏輯和研究方法所產生的深遠影響、深刻地領悟利用網絡大數據開展心理學研究的非凡科研價值與廣闊應用前景，從而為推動後續相關研究課題的開展起到拋磚引玉的作用。
《大數據時代的心理學研究及應用》可供心理學、醫學、教育學、計算機科學工作者和心理學愛好者閱讀參考。
