自殺事件頻發引重視

12月10日，深圳中興網信科技有限公司研發組主管歐某在中興大樓墜亡，經初步勘察判定排除他殺。據其妻子公開發文中顯示，歐某于12月1日首次被領導告知辭退意向，這之后的10天里與公司多次圍繞辭退事宜進行談話，期間歐某曾受到公司的惡意中傷和壓低賠償，于12月10日墜樓身亡。此事件引發了大量網友關注和熱議：

輿情走勢顯示，各平臺網友對此事件的關注度在12月10日墜樓事件發生后開始出現高峰。

而根據清博輿情監測系統對全網情感屬性的檢測結果顯示，網友負面、正面、中性情緒占比均在三分之一左右，可見此事引發的網友觀點并沒有一邊倒向討伐中興，支持員工。出現這樣的結果，可以從知乎上“如何看待 12 月 10 日中興通訊 42 歲研發負責人墜樓事件?”這一話題中獲贊2w+的回答找到原因，回答客觀分析了在行業衰落的大背景下，公司裁員、壓低股票的做法是正常的，我們需要做的是怎樣避免受到客觀問題的影響。

因此，輿論觀點除網友為墜樓員工發聲之外，也有不少人表達出了對現實問題的無奈。在互聯網內外，公司調整犧牲員工利益之事時有發生，失業降薪、財政困難、家庭責任是每個人已經遇到或一定會遇到的問題。不知道歐某到底出于何種真相才選擇拋下父母妻兒選擇自殺，但無論是出于何種原因，一條鮮活的生命就這樣消失了。

有數據顯示，全世界每年約80萬人死于自殺，中國每年至少28.7萬人(其中，約10萬名青少年)自殺，200萬人自殺未遂，平均每分鐘2人自殺，8人自殺未遂。這樣高的自殺率已經引起了各國研究者的關注，利用大數據預測和預防自殺也成為了一大研究方向。

預測預防自殺研究現狀

今年2月，一女孩直播自殺的視頻傳遍美國社交平臺，引起一片嘩然。對此，Facebook3月宣布將利用AI識別自殺傾向用戶，并表示將大力加強自身的自殺預防工具，利用人工智能技術來識別有自殺傾向的用戶，從而保障Facebook社區環境的安全、健康。

弗羅里達州立大學研究者領導的開創性項目也在自殺預測方面取得了巨大的進步——利用機器學習預測自殺傾向風險。該研究通過梳理2百萬病人的電子健康記錄的數據庫，根據其中包含的可能導致自殺行為的詳細病史，利用機器學習進行檢查，學習因子的組合方式，以最大化自殺傾向預測的準確率，從而開發針對自殺行為風險的預警系統。該研究得到了一個十分吸引人的結論：機器學習能預測最多兩年之后某人的自殺傾向，準確率高達80%~90%。該方法在越接近某人的可能自殺日期時還會變得更加準確，比如針對一般的醫院病人，在試圖自殺的前一周準確率攀升到92%。

前不久，清華大學計算機系教授、數據科學研究院計算心理健康研究中心主任馮鈴在講座中介紹了中心針對預測預防自殺所做的研究，該中心的研究內容包括感知壓力、疏導壓力兩個方向。

在感知壓力方向，中心對傳統心理學量表、穿戴設備所檢測的生理信號以及社交網絡中的在線遺書等數據進行分析，以監測壓力并判斷壓力類型和級別。對此，中心建立了一個特征模型，利用文本分析、情感分析、數據挖掘、意見挖掘等常用的方法，監測持續性慢性壓力、壓力類型種類及其波動狀態圖，并對以下暴露心理壓力等自殺因素的六大特征進行監測：

負面情緒詞在微博中占比

自我關注詞在微博中占比

自殺詞匯在微博中占比

遺言詞在微博中占比

社交媒體上的活躍程度

不同情緒之間的轉移

隨后，分析這些特征的權重，把所有的數據量化之后，開始跑機器學習模型，用各種優化算法，比如遺傳算法來學，降低檢測誤差。

在疏導壓力方向，中心構建了“清華幫”平臺，作為落地的應用。該平臺通過分析用戶在平臺上發布的帶有文字、圖片及發布時間等信息，有效實現壓力疏導。平臺使用者可以表達自己的愿望、問題，或解答問題，在隱私保護方面，所有的用戶消息都會定期清理。系統后臺有算法來做支撐，例如推薦算法推薦合適的用戶解答問題。

　　預測預防自殺研究發展方向

顯然，不同國家的學者都意識到了自殺率高這一問題的嚴重性，紛紛開展對預測預防自殺的研究。但在此過程中，仍然存在許多有待解決的困難，如何解決這些問題也必然將成為該研究領域的發展方向：

建立合理的隱私數據準用機制

預測預防自殺需要研究醫療、社交等多源頭大量的數據，而醫療數據的獲取往往受到數據隱私保護的限制，想要拿到真實、全面的醫療數據非常困難。社交數據同樣存在這一問題，微博、博客等公開數據的獲取較為方便，微信朋友圈、個人通話和信息等隱私性較強的數據難以獲取。但往往最隱私的信息最能暴露更多的自殺征兆，所以，建立合理的隱私數據準用規范和機制將使得研究獲取更多數據，從而提高研究結果的準確率。

研究成果落地，完善預警系統

所有的研究都應該遵循問題引導，并尋求應用落地。利用大數據人工智能、機器學習等手段進行自殺預測和預防正是以自殺率搞這以公眾健康問題為背景，但是目前的應用落地還不能很好的實現。數據科學研究院計算心理健康研究中心研發的“清華幫”目前僅是一個小小的應用產品，面向更大受眾群體的落地應用還有待開發，例如建立全國范圍的自殺預警系統。此外，預警系統建立后還將面臨更多的問題：系統報警后，誰來實地執行對有自殺傾向的人員進行救治?如何及時趕到自殺現場?針對有自殺傾向的人群，如何有效疏導和緩解他們的心情?這期間需要警力、心理專家等多方協作和執行，才能真正促使研究發揮實際價值。

自殺作為日益嚴重的公眾健康問題，越來越引起人們的關注，除了惋惜之外，我們也應該思考如何科學預測、預防自殺。相信隨著研究手段的不斷增加和研究成果的不斷產出，在不久的未來，人們可以通過大數據和人工智能，更有力地避免悲劇發生。