家庭暴力警察叙事中心理健康障碍的自动提取:文本挖掘研究

简介

家庭暴力可定义为"成年人之间的任何威胁行为、暴力或(心理、身体、性、经济、情感)虐待事件，而不论其性别或性取向" [1］．家庭暴力也可能发生在其他关系中，例如照顾者与受抚养人之间，或在非亲密关系中共同生活在一个家庭中的人之间[2］．它被公认为最常见的人际暴力形式之一，是一个国际社会和公共卫生问题，每年对数以千计的人，主要是妇女的生活造成严重的卫生保健后果[3.-5］．根据世界卫生组织(世卫组织)关于暴力的多国研究，全球针对妇女的身体暴力和性伴侣暴力的发生率在15%至71%之间[3.，5］．2014年，澳大利亚有近5万人被警方记录为家暴受害者。6］．据估计，2015-2016年，澳大利亚针对妇女的暴力成本约为222亿澳元，英国和美国分别为170亿英镑和41亿美元[4，5，7］．

家庭暴力与精神健康障碍的发生、持续时间和复发有复杂的关系，包括药物滥用、饮食失调、创伤后压力和自杀倾向，以及精神病症状的恶化[3.-5，8］．以前的报告表明，与没有精神疾病的人群相比，有精神健康障碍的人群中家庭暴力的风险更高[3.，9］．在过去的20年里，人们已经达成共识，认为严重精神疾病和暴力之间存在适度(但在统计上具有显著性)的关系，严重精神疾病会增加个体对他人使用暴力的风险[10］．

2017年，新南威尔士州警察部队(NSWPF)在WebCOPS中记录了123,330起与视频视频相关的事件，WebCOPS是计算机化操作警务系统(COPS)的基于web的界面，使警察能够在整个组织范围内捕获和分析犯罪信息，约37%的犯罪行为被记录(新南威尔士州警察部队，个人通信，2018年6月)。WebCOPS中包含的关于家庭暴力事件的信息有结构化的形式(例如，记录出生日期、土著身份、是否使用武器等信息的字段)和自由的非结构化文本(“事件叙述”)。每个事件都包含一个或多个文本叙述，详细描述了相关人员(POI)和受害者之间发生的所谓事件、事件的情况以及警方采取的任何行动。这些故事往往没有一个特定的结构，充斥着频繁的拼写错误和印刷错误，经常使用(有时是非正式的)首字母缩写，根据上下文可以承载模棱两可的含义。

然而，大量的家庭暴力事件和相关的文本叙述阻止了使用传统的民族志/定性方法提取潜在有用的信息。最近的一篇研究论文评论道:“……除了人工审查，没有系统的方法从这些(警察)叙述中提取信息”[11］．

不过，大规模处理自由文本的自动化方法称为文本挖掘已使用超过30年，从许多领域的非结构化文本中获取信息，特别是在生物医学[12-15］．最近的尝试旨在利用文本挖掘从在线媒体出版物中识别与犯罪有关的信息[16，17］．然而，当局在处理警方报告方面却鲜有努力[18-20.］．有限的工作包括通过命名实体提取器识别罪犯的姓名、麻醉药品和武器，并取得不同程度的成功(f评分[一种方法的准确性衡量标准]从46%到81%不等)[18，19]以及应用无监督聚类技术将警方报告分类为家庭暴力或与家庭暴力无关，该技术正确地分类了44%的人工检查报告[20.］．

此外，还曾多次尝试从各种自由文本资源中提取与精神健康有关的信息[21-27］．例如，通过应用机器学习和带有规则的字典的混合方法，或仅基于规则的方法，从精神病学叙述中提取药物副作用，该方法返回f分数在75%至85%之间[21，24，25］．重性抑郁障碍的治疗结果是使用带有逻辑回归的监督方法从电子病历中确定的，精确度为78%至86% [22］．通过基于规则的方法，分别从f评分85%和91%的临床医生的临床记录和健康记录对应中识别出迷你精神状态检查结果[23］．杰克逊等人[26]和Karystianis等人[27]均使用正则表达式模式匹配或基于规则的方法从临床出院总结和精神病学记录中识别精神疾病症状，f评分分别为88%和81% [26，27］．

在本文中，我们研究了DV警察事件叙事的自动文本挖掘是否可行，通过采用知识驱动的方法，在DV事件涉及的人的叙事层面上识别精神健康障碍的提及。这一方法基于词汇化规则，并结合人工构造的词典，这些词典描述了国家儿童和儿童基金会记录的涉及家庭纠纷的poi和受害者的精神健康障碍特征。我们进一步对492,393起家庭暴力事件进行了大规模分析，并报告了结果。据我们所知，还没有任何文本挖掘应用于使用现实世界事件的家庭暴力领域，这是第一次尝试在警方记录的家庭暴力事件的大规模分析中捕获重要的心理健康信息。

方法

概述

根据完整的精神疾病清单(文本框1)《国际疾病分类》第十版（icd -)治疗精神及行为障碍[28］．我们还注意到叙述中提到了未指明的精神障碍(例如，“被告有精神健康问题”，“受害者患有严重的精神障碍”)，提到了精神药物的名称或药物类别(例如，“受害者服用安定”，“被告服用多种抗抑郁药”)，并提到了创伤性脑损伤、药物处方滥用、物质滥用和药物引起的障碍。

数据

我们从WebCOPS中获得了从2005年1月到2016年12月的492,393起家庭暴力事件的记录，这些事件被标记为“与家庭暴力相关”，或者在WebCOPS中对暴力的描述被编码为“家庭暴力”，或者受害者和POI之间的关系包括以下任何一种:配偶/伴侣(包括前配偶/前伴侣)、男朋友/女朋友(包括前男友/前女友)、父母/监护人(包括继/寄养)、孩子(包括继/寄养)、兄弟姐妹、其他家庭成员(包括亲属)或照顾者。这些事件包括以下类别:各种类型的袭击、违反暴力逮捕令、杀人、恶意损坏财产和对他人的侵犯，如恐吓、绑架、绑架和骚扰。记录中还记录了没有犯罪的事件，但警察仍然参加了DV活动。所有事件叙述都包含个人信息(如名字、姓氏、地址)，因此不面向公众。在获得新南威尔士大学人类研究伦理委员会(参考文献:HC16558)的伦理批准后，NSWPF允许访问这些叙述，仅限本研究的一些作者(GK, AA, TB)访问。严格的安全协议确保了叙述的文本挖掘只能在国家儿童基金会总部现场进行，并且只能将经过鉴定的提取产出带离现场。一个假设性的不确定叙述的例子显示在多媒体附件1．

我们随机选择了100个包含精神健康障碍提到的事件作为我们的训练集，并随机选择了另外100个事件作为开发集，以优化文本挖掘系统的性能。

基于知识的系统开发

我们的方法涉及基于规则的语言表达模式的设计和实现，并结合术语词典，以在叙述层面上识别poi和涉及家庭暴力事件的受害者中提到的精神健康障碍(见图1概述)。

我们的文本挖掘方法包括以下步骤(图1)：

1. 编写与精神健康障碍有关的专门词典;
2. 制定和实施规则，以捕捉文本中提到的精神健康障碍;
3. 标准化和映射提取的心理健康障碍提到纳入icd -；而且
4. 消除每个叙事中的重复提及，以达到叙事层面的统一。

字典

通过一组定制的字典来识别几个特定于任务的语义组。这些词典是通过检查训练和发展集来手动定制的，这些训练和发展集用于描述相关精神健康障碍提到的术语以及与这些疾病相关的表达。为了识别精神健康障碍，我们使用了术语和同义词从icd -以及事件报告中常见的拼写错误(如“精神分裂症”，“阿斯伯格综合征”)或其他指示性描述性句子(如“滥用酒精”，“愤怒问题”)。第一作者GK共编写了13本词典。表1)．

规则

在检查训练集之后，我们将规则建立在文本中的词汇模式之上，这些模式表明在家庭暴力事件中POI、受害者或两者都存在精神健康障碍。下面的例子是在DV事件中观察到的词汇模式(“被告患有精神分裂症”)，以识别精神健康障碍(“精神分裂症”)，单词“被告”(POI)通过包含表示POI的术语变体的字典进行匹配(参见表1)，其中“is suffering from”是一种半冻结的表达，用于识别所提及的精神健康障碍，而“精神分裂症”则通过包含各种精神健康障碍术语(官方和非官方)的字典进行匹配。词汇模式利用(1)固定的词汇表达作为某些元素的锚，这些元素由特定的动词、名词短语和介词构成(例如，“被告遭受痛苦”);(2)语义占位符(通过手工制作的字典的应用来识别(例如，所有表征个体为受害者的潜在同义词，如“受害者”，“vic”，“pn”)表明存在精神健康障碍。

‎ 查看此图

概念枚举也被实施，因为它经常出现在训练数据中(例如，“POI有抑郁、自残和自杀倾向的历史[POI提到的精神健康障碍]”)。事件报告中可能匹配多个词汇模式，并可能涉及受害者、POI或两者的一个或多个障碍提及(可以是重复的)。

对于规则的生成和实现，我们使用了文本工程通用体系结构(GATE) [23，一个文本挖掘框架，用于注释和分类文本，从而能够识别目标信息。选择GATE是因为它支持基于规则的文本挖掘方法。使用Java注释模式引擎(Java Annotations Pattern Engine, JAPE) (GATE的模式匹配语言)将文本中观察到的模式转换为规则。总共创建了264条规则，其中POI的规则137条，受害者的规则127条。图2显示识别精神健康障碍的规则示例。

规则使用宽松的令牌匹配(小写或大写)，例如{token .string==~ " (?i)to "}匹配" to ";各种词典包含感兴趣的术语的变体、缩写和同义词，例如(受害者)、(POI)和(动词)包含受害者、POI的术语，以及以各种形式和时态描述患有精神健康障碍的受害者或POI的动词(参见表2);({Token!Lookup.majorType== " negated "})[0,1]将匹配不属于字典" negated "(其中包含否定的指示符，如" not ")的任何标记;而“?”，表示它的非条件性质(即，它可以出现在文本中，也可以不出现在文本中)。

《国际疾病分类》第十版摘录的精神健康障碍的地图

由于所提取的精神健康障碍的提及是高度可变的(同义词，拼写错误)，任何进一步的分析都需要将它们映射到标准的精神健康概念，如icd -精神和行为障碍类别。这是通过一个启发式算法自动完成的，该算法依赖于代表各种术语的组icd -类别。如果一个给定的提及匹配一个特定的术语icd -类别，然后它被映射到那个类别。

映射在四个层次上完成(见多媒体附件2)．第一级是最一般的(26类)，代表精神健康障碍的总体类型icd -(见文本框1)．最初的icd -使用八个自定义类别进行扩展，以映射没有直接映射明显的提及。这八个类别中有四个涉及到精神药物(“药物-抗抑郁药”，“药物-抗焦虑药”，“药物-抗精神病药”，“药物-神经安定药”)。例如，在指定了药物类别(如抗抑郁药物)或品牌名称(如“Zoloft”)的事件叙述中，我们将它们映射到称为“药物-抗抑郁药物”的类别中。其他四个类别包括“药物处方滥用”、“药物滥用(未指明)”、“创伤性脑损伤”和“未指明药物引起的疾病”。我们确认受害者或POI患有未知的精神健康障碍或未知的药物引起的精神障碍的病例，分别被归入“未指明的精神障碍”或“未指明的药物引起的精神障碍”类别。

‎ 查看此图

精神健康障碍提到更具体的病例被映射到更低的水平icd -类别。第二级和第三级分别有62个和98个类别。例如，“偏执型精神分裂症”被归类为第三级“偏执型精神分裂症”icd -模式。因为提到了第三层映射icd -，这表明它也可以向后映射到第二个层次(“精神分裂症”)和第一个层次(“精神分裂症，分裂型，妄想症和其他非情绪性精神障碍”)。水平之间的映射是由精神病学(PS)领域的专家手动完成的。

第四级icd -部分叙述中记录了分类(27类)。但是，为了在我们的论文中报告结果，我们将该级别与第三个分类级别合并。例如，我们没有报告“其他冲动障碍”(第三级)，而是在第三级分类中包括“间歇性爆发性障碍”(第四级)，仅用于结果的表示。因此，虽然没有明确提到“其他冲动障碍”(例如)，但这种映射并没有导致任何关于提到精神健康障碍的信息丢失。表2显示了一些提取的精神健康障碍的例子映射到icd -模式。

映射后提取的心理健康提法纳入icd -类别，我们消除了叙事层面的重复。重复的消除导致叙述层面的统一，因为在每个事件中都单独提到了受害者或poi的精神健康障碍。

结果

主要研究结果

该系统根据一组100个未见过的、随机选择的、提到精神健康障碍的家庭暴力事件进行评估。该集由两位领域专家(DV (CG)和精神病学(PS))手动检查和注释，他们确定了poi和受害者的精神健康障碍。注释者之间的一致性为90%，计算为绝对一致性率[29]，建议专家给出一致可靠的注释。

我们的方法的表现在叙述层面进行评估(在映射和消除任何重复的精神健康障碍之后)。我们使用标准定义计算了与poi和受害者相关的精神健康障碍提及的精确度、回忆率和F-score [30.) (多媒体)．表3显示在评估集上的总结结果，以及在培训和发展集上的表现。

f得分大于80%，表明结果可靠，其中与poi相关的提及占87%，与受害者相关的提及占81%。精度范围从87%到97%，这表明与我们的开发集相比，性能只有很小的下降(1.2%-1.8%)。POI的回忆相对稳定在79%(下降0.3%)，尽管受害者的回忆显著下降了11%，这是意料之中的，因为我们的目标是在避免噪音的同时，在叙述层面准确捕捉精神健康障碍的提及。应该指出的是，与poi相比，受害者在叙述层面提到的精神健康障碍较少(分别为36对154)。错误提取或不识别与受害者相关的精神健康障碍比单一poi更能影响受害者的整体提取表现。因此，应谨慎对待受害者的精度、召回率和F-score值。

大规模语料库应用

鉴于该方法在可靠地识别精神健康障碍方面的结果相对准确，我们将其应用于所有492,393起家庭暴力事件。结果显示77,995(15.83%，77,995/492,393)家暴事件涉及POI、受害者或两者都涉及精神健康障碍。超过四分之三(76.96%，600,032 /77,995)的家庭暴力事件包括与poi相关的精神健康障碍，而受害者为16.47%(12,852/77,995)。共有5111例(6.55%)家庭暴力事件的受害者和POI都有精神健康障碍(表4)．

标准化的精神健康障碍被分组到各自的icd -类别(包括我们自己定制的)分为三个级别:第一、第二和第三。例如，如果一个事件叙述提到“反社会人格障碍”，它就会被映射到三个层次(第三个层次:反社会人格障碍;第二:特异性人格障碍;第一:成人人格和行为障碍)。

所有精神健康疾病都被划分到第一级，但并非所有疾病都包含足够的细节，能够划分到第二级和第三级(例如，“未指明的精神疾病”、“未指明的智力残疾”)。第一级分类的精神健康障碍提及总数为103,232例，而62,526例精神健康障碍提及包含足够的信息，可以将它们映射到第二级，其中三分之一的提及(32,479例，31.46%)映射到第三级(表4)．

在第一层(表5)，在POI中提到的81,942例精神健康障碍中，近三分之一(32.46%，26,598例)，五分之一(22.79%，4851例)受害者患有"未指明的精神健康障碍"，主治警官的叙述中没有明确记录。在poi(15330例，18.71%)和受害者(4946例，23.23%)中，“情绪(情感)障碍”(如双相情感障碍、抑郁症)的提及次数最多，“使用精神活性物质引起的精神和行为障碍”(包括酗酒)在poi(6790例，8.29%)和受害者(1259例，5.91%)中分别排在第四位和第五位。总之，12.02%的poi(9848人)和10.45%的受害者(2224人)提到“通常发生在儿童和青少年时期的行为和情绪障碍”(例如，“注意缺陷多动障碍”，“品行障碍”)是poi和受害者的第三和第四大障碍组。尽管POIs中提到“智力残疾”的人数(1517人，1.85%)高于受害者(939人，4.41%)，但受害者的比例高于POIs。0.84%的poi和1.17%的受害者(分别有688和250次提及)提到了创伤性脑损伤(例如，“受害者因车祸而遭受脑损伤”)。

在第二级类别中(表6)， "酗酒"是poi中第二大精神健康障碍(5829例，12.19%)，是受害者中第五大精神健康障碍(1180例，8.03%)，加强了家庭暴力与酗酒之间的既定联系[31-33］．此外，有644名受害者患有“痴呆症，不明”(4.38%，644/ 14609)和546名POI患者(1.14%，546/47,600)。

在第三层次类别中(表7)，“双相情感障碍，未指明”在poi(5445, 21.59%)和受害者(1553,21.36%)的提及率中排名第一。然而，在poi中，与患有“焦虑障碍，不确定”(1459,20.07%)的受害者不同，“不确定的行为和情绪障碍，通常发生在儿童和青少年时期”被提及次数排在第二位(4888,19.38%)。

讨论

概述

通过对警察事件叙述的文本挖掘，获得了关于家庭暴力事件中受害者和poi心理健康状况的丰富数据，这些数据可能有助于政策的制定和预防，而迄今为止这些数据还没有得到。通过挖掘大量的家暴警察事件，我们确定了许多涉及poi和受害者的精神健康障碍，突出了精神健康障碍在家暴中的可能作用。研究表明，精神疾病会增加处于虐待关系中的可能性[3.，9]，这与受害者提到的较高的精神健康障碍患病率(16%)相一致。

我们的目标是在叙事层面上识别和分配精神健康障碍给poi和涉及家庭暴力事件的受害者。因此，我们的规则侧重于精确性，以便能够将各自的疾病分配给poi或受害者。在一个单一的叙述中，许多精神健康的提及是对同一个人的同一种疾病的(不同的)提及。这解释了与召回率(78.5%-79.0%)相比，更高的精度(87.1%-97.5%)。

误差分析

我们检查了评估集的假阳性和假阴性错误来源提取精神健康障碍的提及。报告中提到的POI或受害者的精神健康障碍的假阳性数量有限。在某些情况下，规则中使用的词汇模式是模糊的，并将精神健康障碍定义为错误的人。例如，在下面这句话中，“POI由于酗酒而有可能对受害者采取暴力行为”，“酗酒”被错误地提取为受害者的精神健康障碍，而不是POI。在其他情况下，具体提到的不是实际的精神健康问题，规则错误地确定了提到的精神健康障碍，因为具体情况的性质模糊，映射到精神健康障碍词典中的一个术语(例如，“由于地板上的玻璃，被告割伤了自己[POI假阳性]”)。

在三分之一的假阴性案例(33%)中，词汇模式没有被纳入，因为它们以前在培训和发展集中未见过(例如，“有酗酒史[假阴性:POI提到精神健康障碍]和被告犯下的恶意损害，”“受害者还向警方陈述，在POI期间，她喝醉了，因为她有酒精成瘾[假阴性:受害者提及精神健康障碍]”)。此外，在近40%的假阴性中，由于缺乏指定个体角色的语义锚，规则忽略了与POI或受害者相关的正确精神健康障碍(例如，“XXX[受害者的名字]因抑郁症和厌食症住进YYY院[假阴性:受害者提到精神健康障碍]，”“她孩子的行为是因为多动症[假阴性:POI提到精神健康障碍]”)。在这种情况下，我们选择不设计任何规则，以保护系统的准确性，并避免对可能涉及家庭暴力事件并患有精神障碍的潜在其他人(如证人、危险儿童、朋友、邻居)产生误报。

局限性和未来工作

我们在检查和探索了一个相对较小的训练和发展集之后设计了这些规则。然而，这些集包含了大量的精神健康障碍(表3)．尽管如此，评估集中受害者提及的总数明显低于POI(几乎低三倍)，这可能解释了受害者提及的相对较低的表现。有可能，一套只侧重于提及受害者的规则(而不是一套既提及poi也提及受害者的精神健康规则)可能有助于为受害者确定精神健康障碍建立更广泛的规则网。由于我们的规则是基于常见的词汇模式，它们可能被用来处理类似类型的警察记录叙述(例如，性侵犯和其他记录犯罪)。尽管这些规则可能适用于其他数据，但它们可能需要在词汇和词典覆盖范围方面进行进一步调整(例如，非精神健康疾病的识别)。

我们不知道摘录的精神健康障碍的提及是否有效，因为它们是由不是精神健康专家的警察记录的，因此在解释调查结果时应谨慎。受害者、poi和证人可以向警方提供有关精神健康状况的信息。我们计划通过使用行政数据收集中包含的正式诊断来检查这些“非正式”提到的精神健康障碍的真实性。

我们还将从警方叙述中扩大我们的目标信息集，以评估高风险群体(如老年人、同性关系中的人以及照顾者关系中的人)的poi和受害者的特征。提取的信息可用于设计预测模型，以研究我们是否可以预测高危群体的DV复发事件，并为预防策略提供信息。

结论

我们设计、实施和评估了一种基于规则的方法，用于提取由NSWPF在事件叙述中记录的无法大规模手动检查的poi和家庭暴力事件受害者的精神健康障碍。性能很有希望，对受害者的精度为87.1%，对poi的精度为97.5%。结果令人鼓舞，并表明自动文本挖掘方法可以从警察叙述中提取重要信息。从一组大规模的家庭暴力报告中提取的信息使我们能够确定和确认家庭暴力事件与精神健康障碍之间的模式和联系。确定的信息可用于进一步的研究，旨在评估家庭暴力事件中受害者和poi的特征和特征。