快节奏高压力的社会生活带来了许多心理问题，其中抑郁症显得尤为突出。约有七分之一的人在人生的某个阶段会遭受抑郁症的困扰，但只有不到十分之一的人会接受专业的心理咨询或治疗。相当多的患者没有意识到他们患有抑郁症，或者不愿或羞于咨询心理医生。社交媒体平台的流行使得人们更愿意在网上表达情感和分享感受，文本挖掘技术的发展能够让我们对这些信息进行挖掘分析。因此，本次研究旨在通过社交媒体上的公开数据来检测用户抑郁倾向。
　　本篇文章以新浪微博数据作为研究对象，通过微博爬虫的方式建立了抑郁数据集，并提取了三大类用户特征:用户在线行为特征，语言特征，抑郁领域特征。其中本文通过建立抑郁特征词典的方式提取抑郁领域特征，将数据完成预处理后首先通过TF-IDF算法提取用户微博内容关键词，并进行人工筛选获得抑郁基础词集。其次通过词向量模型word2vec将文本向量化，利用余弦相似度扩展抑郁基础词集。最后通过一个综合加权的方法为抑郁词汇设定了抑郁权重。完成特征的提取和降维后，本文使用多种分类模型进行对比实验，最后引进了集成学习方法的Xgboost模型建立分类模型。实验表明，本文提出的三类特征，尤其是抑郁领域特征，相比之下能够显著地提高分类器的性能。
　　本篇文章采用文本挖掘的方法，建立抑郁用户分类器，进行抑郁症的早期检测，旨在甄别早期抑郁倾向，从而帮助减少抑郁症给产业带来的各类损失，提高产业效益。