社会的高速发展使人们的生活压力剧增,心理健康已成为重大的公共卫生问题。基于社交文本信息的心理特征预测已取得很大进展,但仍存在不足之处,论文就其中两点进行研究。首先,目前的模型主要基于社交文本语义特征进行预测,未能充分利用文本之间的关联特征,文本语义特征无法全面反映心理特征,限制了模型的预测效果;其次,社交文本信息和心理特征结合程度低,预测模型对数据集心理特征标注过度依赖。为解决上述问题,论文通过构建社交文本网络,将社交文本抽象成节点,文本间关联抽象成边,文本中心理特征相关信息表示为节点属性,建立包含社交文本语言风格特征的心理知识图谱,改进DeepWalk算法和Node2vec算法实现了适用于心理特征预测的网络表示学习模型。论文主要工作如下:（1）提出了用于心理特征预测的网络表示学习模型POPC-NRL。针对在小规模数据集下,社交文本语义特征提取过程得不到充分训练且容易被无关语义影响导致预测结果准确率低的问题,提出了基于节点重要性的Random Walk改进算法和融合属性信息的Skip-Gram改进算法。基于节点重要性进行随机游走能够利用文本结构特征,获得节点相似度高的游走序列,降低文本噪音对序列生成的影响;把节点属性融入Skip-Gram语言模型完成表示学习,能够充分利用社交文本信息,将社交文本嵌入表达成含有心理特征信息的向量,提升心理特征预测的准确率。通过实验对比,POPC-NRL模型在3个数据集上的表现均优于基线模型,预测结果平均绝对误差（MAE）降低了7%-15%,证明了模型在小规模数据集下也能达到较好的心理特征预测效果。（2）提出了基于知识图谱的心理特征预测模型POPC-KG。针对社交文本和心理特征结合度低,两者需要依靠心理特征标注才能建立关联的问题,论文构建了包含社交语言风格特征的心理知识图谱PF-KG,通过语言风格特征和心理特征的映射关系,将社交文本节点添加到PF-KG中,缓解了社交文本需要通过特征标注才能与心理特征建立关联的问题;使用改进游走策略的Node2vec算法对心理知识图谱进行嵌入,使得模型在预测过程中能够利用图谱中心理特征信息,降低了模型对数据集标注的依赖。实验结果表明,与基线模型相比POPC-KG模型的MAE降低了12%-26%,且在数据集标注率降低的情况下MAE误差均低于基线模型,证明了模型的有效性。（3）将POPC-KG模型进行集成,采用B/S架构实现了包含心理特征预测、预测结果分析、在线心理咨询等功能的心理特征预测系统,为心理特征预测提供了可视化操作界面。综上,POPC-NRL模型能够在数据集规模小的情况下降低心理特征预测误差;POPC-KG模型建立了社交文本语言风格特征与心理特征之间的映射,减小心理特征标注对预测结果准确性的影响;设计实现的心理特征预测系统简化了用户使用步骤,提高了基于社交文本的心理特征预测效率。