自杀是导致当近人类死亡的三大因素之一。因此,自杀意念识别已刻不容缓。而传统的自杀意念检测方法大都基于n-gram特征,此后为提升模型检测的准确率,在原输入特征中加入了基于训练数据的自杀词典,但其所得模型的准确率仍不理想。针对自杀意念识别准确率不理想的状况,建立一个可迁移性强的自杀词典,以该自杀词典与词性特征组成的语言特征为新式特征加入模型,以期提高模型的识别准确率。采用对比试验与控制变量的形式,将n-gram特征、语言特征作为模型输入,以随机森林、逻辑回归、支持向量机和朴素贝叶斯算法构建分类模型,重点研究语言特征对原模型性能的影响。通过比较发现:语言特征对原模型性能的提升是显著的,在随机森林算法下,这种提升达到了20%左右。贡献:(1)本论文提供了一个领域内的、且可迁移性强的自杀词典;(2)提出了语言特征,并证明了语言特征对基于n-gram特征与基于n-gram特征和词典模型的性能有所提高;(3)试验了不同分类算法在n-gram特征、词典特征、语言特征下的模型性能,为特征与算法的选择提供了一定的依据。