随着互联网的发展,像facebook、twitter、微博等社交平台也出现在人们生活中。社交网络作为一个开放的信息传播平台,在我们的生活中起到越来越多重要的作用。同时由于社交平台用户真实身份具有隐蔽性所以越来越多的人更愿意通过这些社交平台把自己真正想说而现实中不敢说的想法发表出来,渴望获得更多共鸣者的回应。走饭的最后一条微博也成为了许多抑郁症患者的发布心情和秘密的主要途径之一。社交网络中的数据不仅有文本数据,而且用户与用户之间的社交关系数据也是构成社交网络最重要的一部分数据。在社交网络中往往相同身份的人或者相同价值观的人会彼此相互联系,因此利用微博用户的社交网络数据构建综合微博用户社交关系和微博文本的抑郁倾向识别模型期望进一步提高识别精度。利用机器学习的方法识别微博中抑郁症用户可以在一定程度上帮助专业救助人员实时监测这些用户的心理状况。必要时及时采取干预由原来被动式等待患者求助干预变为主动式救援干预从而最大限度的杜绝或者减少抑郁症患者自杀的可能。现有的基于微博抑郁症的识别方式更多在在微博文本上面实现其识别算法。虽然该种方法可以识别大部分抑郁症微博博主,却无法准确识别出抑郁倾向不明显的微博文本用户或者没有发布过微博文本的用户。本文提出的基于微博抑郁症识别方法不仅考虑到基于微博文本的识别,也考虑到基于微博用户社交关系节点的识别通过此方法期望进一步提高基于微博抑郁症的识别精度。本文主要工作如下:一是利用现有的机器学习的文本识别方法基于用户的微博文本进行识别;二是使用微博用户的社交关系(例如我关注的人)构建相应的社交网络模型进行采用社交网络节点分类算法进行识别;三是提出一种模型融合方式,并上述两个模型进行融合。研究结果表明,本文提出的这种综合了微博文本和微博社交关系数据的方式,可以进一步提高抑郁症的识别精度。