近日，我院梁瑞成博士作为独立通讯作者，与美国特拉华大学Jiaheng Xie教授、合肥工业大学柴一栋教授以及中国科学院曾大军教授等共同在管理信息系统领域顶级期刊Information Systems Research在线发表题为“Short-Form Videos and Mental Health: A Knowledge-Guided Neural Topic Model”的学术论文。

         随着抖音、TikTok等短视频平台的迅速崛起，数以亿计的短视频对用户心理健康产生了广泛影响。针对存在心理健康影响的短视频并及时采取干预措施是保障用户心理健康的重要途径。然而，准确鉴别存在心理健康风险的短视频面临着数据模态复杂、缺乏医疗专业知识以及风险信息难以定位等多重难题。针对上述问题，本研究提出了一种基于医疗本体知识监督的神经主题模型。该模型针对传统短视频分析方法信息源单一问题，综合考虑视频、音频、文本等多模态特征，挖掘主题级别心理健康相关信息；针对风险信息难定位问题，构建了基于医疗本体知识的种子主题，并设计伯努利先验的自监督机制，精准区分风险主题来源并动态优化监督强度；针对模型训练难调优问题，通过重构概率生成过程规避离散变量的梯度传导难题，并设计融合传统主题先验的EM算法实现高效训练。本模型结合医疗专业知识监督与多模态数据驱动，实现了对短视频是否可能引发用户心理健康问题的准确预测，并能够基于视频多模态信息提取与心理健康影响相关的医学主题，用于分析短视频的潜在心里健康风险。

图1：短视频心理健康风险预测示例

 该研究为管理信息系统领域贡献了一种融合医学知识的智能视频分析框架，并可扩展至其他风险识别场景，有助于平台管理者辨析和监管违反社区规范的视频，以采取干预措施保障观众心理健康。

论文链接：https://pubsonline.informs.org/doi/10.1287/isre.2024.1071

（撰稿：学科发展办公室;  审核：梁中）