抑郁症严重威胁着人类的身心健康,已经成为一个急需解决的世界性公共健康管理问题。目前,我国抑郁症患病率为2.1%,但由于心理健康专业人员不足、患者自身“病耻感”等因素,抑郁症就诊率极低,造成抑郁症患者自杀悲剧的发生。随着网络社交媒体的发展,在线抑郁社区作为一种沟通平台,已成为抑郁症患者健康话题讨论、在线交友、医疗求助的重要渠道。大量与抑郁症作斗争的用户聚集在社区中,但许多人并没有认识到自身疾病的严重性,从而无法得到专业的心理救助。未被充分发现和未得到治疗的抑郁症已成为严重的公共卫生问题,将造成不可估量的人身及财产损失,例如暴力和自杀死亡。因此,如何充分了解社区中用户的特征,进而帮助社区管理人员及心理危机干预者制定更好的健康管理策略和针对不同类型用户有所侧重的干预机制变得越来越紧迫和重要。本课题以在线抑郁社区中的大量帖子及其评论数据为主要数据源,通过自然语言处理技术、机器学习和实证研究等方法对在线抑郁社区中用户的负面情绪、症状表达、社区参与行为特征进行分析,并在此基础上构建了抑郁社区在线心理危机干预体系,以期为应用大数据进行在线心理危机干预提供一定的参考。其主要研究内容如下:首先,识别了社区中的抑郁倾向用户并分析了其负面情绪演化规律。本研究利用深度学习LSTM神经网络模型,构建了文本分类器,实现了社区中抑郁倾向用户和其负面情绪的识别,并定量分析了负面情绪的主题内容和时间分布情况。然后对抑郁倾向用户的负面情感演化规律进行刻画,提出了基于社交媒体的数据来监测抑郁倾向用户负面情绪变化的方法,将负面情绪作为心理危机预警的重要指标之一。其次,建立了在线抑郁症状自动识别模型,并研究揭示了各个症状之间的关联关系。基于前期识别出的抑郁倾向用户发布的文本信息,本研究首先创建了在线抑郁症状分类体系,该体系既包括了临床抑郁症状,同时也包含在线环境中用户表现的特有特征。然后利用深度学习Attention-BLSTM方法构建了各类症状识别模型,实现了从大量嘈杂的社区文本数据中自动快速识别出各类抑郁症状。最后利用网络分析的方法揭示了各个症状之间的关联关系及其伴随症状。研究结果将为心理危机预警对象的心理健康评估及心理危机干预工作提供重要参考。再次,基于抑郁症的反应风格理论研究了抑郁社区用户的贡献和反刍两种参与行为的作用。首先,基于抑郁症的反应风格理论,将用户在抑郁社区中的参与行为划分为在线反刍和社区贡献两种类型,并利用BERT预训练模型从用户发布的文本信息中提取了该两种行为。基于此,基于社会支持理论探究了用户在线反刍行为和社区贡献行为对其接收到社会支持和共同反刍（即,情绪传染）的影响,并探究了疾病严重程度的调节作用。研究结果可为社区管理者改进社区的社交服务,促使社区成员实践健康行为提供科学依据。最后,基于抑郁社区用户负面情绪、症状和参与行为特征的研究成果,构建了抑郁社区在线心理危机干预体系。根据危机发展的过程,该在线心理危机干预体系包括三个功能:危机预防、危机预警、危机干预。本研究首先介绍了该心理危机干预体系的基本特征,分析了三个功能之间的关系,然后分别构建了实现三个功能的具体路径。该体系可以为抑郁社区实现抑郁症和抑郁倾向用户在线心理危机干预的目标提供有效方法,同时为自杀干预策略的制定提供科学依据。