随着现代物质生活的极大丰富,人们越来越关注个人的心理和精神健康。心理疾病不仅影响着一个人的工作学习,严重时甚至会危害自身和他人的生命及财产安全,导致自杀、犯罪等行为。近些年来,如何高效准确地识别心理疾病逐渐成为学者研究的热点问题。目前主流的方法大多关注于文本显性特征的探究和表征模型的优化,很少有工作注意更深层次的语言表达。隐喻作为日常生活中经常被使用的语言表达手法,与个人的情感、认知和心理状态息息相关。之前的研究已经证实不同心理健康状态下的人群在隐喻使用上存在着差异。本文从隐式文本特征出发,以心理问题患者在隐喻使用上的差异为基础,研究隐喻特征在心理健康预测中的价值。本文工作包括三个部分:（1）针对目前缺乏心理健康分析数据集的问题,本文构建了以学生手写作文文本和心理健康标签为主要语料来源的心理健康数据集。数据集的收集、标注和检查等环节严格遵循语料库构建原则与流程,并通过质量控制确保数据的有效性。该心理健康数据集在心理、教育、人力资源等领域具有一定的应用价值。（2）针对目前心理健康分析中隐喻特征的有效性分析比较薄弱,本文给出不同心理健康状态下的人群在使用隐喻时的差异性和隐喻作为心理健康分析的重要特征的必要性。构建了基于隐喻-情感的分类模型,在学生心理健康数据集和社交媒体数据集上的实验结果说明隐喻与心理健康的相关性和隐喻特征的应用价值。（3）针对目前心理健康预测中仅使用隐喻浅层信息的不足,本文提出了基于隐喻的心理健康预测算法。该算法利用深度学习的卷积-循环神经网络提取文本信息,并通过隐喻注意力机制使模型关注到文本中与隐喻使用相关的内容,在社交媒体数据集上的实验结果表明该算法在预测心理健康问题用户任务中具有一定的优势。本文通过实验说明文本深层信息与心理健康之间的关联,验证隐喻在预测任务中的有效性和价值,并提出基于隐喻的心理健康预测算法。本文的工作为心理健康研究领域提供文本资源和新的算法设计思路,有助于心理健康预测的发展。