音乐聆听、心理健康与压力：一个用于个性化分析与推荐的计算框架

《ACM Transactions on Information Systems》：Music Listening, Mental Health, and Stress: A Computational Framework for Personalized Analysis and Recommendation

本研究利用社交媒体大数据分析音乐聆听与心理健康人群短期压力表达的关系，发现不同音乐类型对抑郁、PTSD等群体压力反应影响显著，并构建了基于压力感知的音乐推荐模型。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

本研究利用大规模社交媒体数据，探讨了音乐聆听与患有心理健康问题（包括抑郁症、焦虑症、创伤后应激障碍和双相情感障碍）的个体短期压力表达之间的关系。我们分析了来自Twitter（现称X）的10,264名用户的2000多万条帖子，并通过共享的流媒体平台链接识别出音乐聆听事件。在每次聆听事件发生后的30至60分钟内发布的推文中，我们测量了与压力相关的语言内容。为了减少混淆因素，我们采用了倾向得分匹配（Propensity Score Matching, PSM）方法，并使用零膨胀广义线性混合模型（Zero-Inflated Generalized Linear Mixed Models, ZIGLMM）对不同音乐类型和音频属性（情感价值、节奏、乐器成分）之间的关联进行了建模。研究结果揭示了与心理健康状况及音乐类型相关的特定效应。例如，患有抑郁症的用户在聆听流行音乐后60分钟内的压力水平上升了24%，而创伤后应激障碍患者在30分钟后压力水平上升了33%。低情感价值的音乐与压力增加的延迟有关（例如，在抑郁症患者中上升14%，在双相情感障碍患者中上升约25%），而高情感价值的音乐则没有显著的压力提升效果。基于这些发现，我们展示了一个概念验证性的、能够识别减压歌曲的音乐推荐系统（该系统的压力缓解效果评分MRR为0.35，而基础模型的MRR为0.18）。这些发现凸显了数据驱动的音乐干预措施对情绪健康潜在的积极影响。

人工智能摘要

人工智能生成的摘要（实验性)

本摘要是由自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现研究内容的相关性，并协助来自相关研究领域的读者理解本文的研究成果。该摘要旨在补充作者提供的摘要，后者仍是文章的正式总结。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的摘要版本。

要查看此由人工智能生成的通俗语言摘要，您必须拥有高级访问权限。