抑郁症是人类社会所面临的最为普遍的心理问题之一。2012年，世界卫生组织估计，全球受到抑郁症困扰的人口超过3亿。由于社会经验较少、心理承受能力较低，而又负担着未来家庭、社会的多重责任高校学生成为最容易遭遇抑郁症问题的群体之一。本文的研究目的，是探索一种自动识别方法，通过对微博社交网络用户在线信息的深度挖掘，识别出早期的抑郁症倾向的患者。本文研究的主要内容包括：首先，分析新浪微博中有抑郁倾向用户的基本特征。本文以微博用户的公开数据为基础，对有抑郁倾向用户和无抑郁倾向用户的语言、行为等方面的特征进行对比分析，用人工标注的方式获得142个有抑郁倾向用户和274个正常用户，并抓取了他们的个人资料和微博信息。对比了两类用户在语言、行为等方面的差异；确认了关键词词频、表情符号频率为分类识别的重要特征。其次，建立微博中有抑郁倾向用户分类识别模型。使用分析得到的特征，建立将用户分为“有抑郁倾向”和“无抑郁倾向”两类的机器学习模型；构建了DBN、BP网络、SVM三种分类器进行对比分析，得出最优的分类器模型，同时使用的训练样本对有抑郁倾向用户进行识别，验证模型的有效性。最后，高校学生微博用户中抑郁症问题实证研究。本文基于得到的分类识别模型，人工获取了1502个某高校大学生微博用户，调查和分析该群体中抑郁症问题的基本状况，并进行了具体描述和分析，在此基础上提出对高校管理的建议。