論文の概要: A Text Classification Framework for Simple and Effective Early Depression Detection Over Social Media Streams
- arxiv url: http://arxiv.org/abs/1905.08772v2
- Date: Wed, 17 Apr 2024 15:58:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-21 20:14:16.723454
- Title: A Text Classification Framework for Simple and Effective Early Depression Detection Over Social Media Streams
- Title（参考訳）: ソーシャルメディアストリーム上での簡易かつ効果的な早期抑うつ検出のためのテキスト分類フレームワーク
- Authors: Sergio G. Burdisso, Marcelo Errecalde, Manuel Montes-y-Gómez,
- Abstract要約: ERD問題を自然に支援するテキスト分類のための教師付き学習モデルであるSS3を紹介する。
CLEFのeRiskパイロットタスクの早期抑うつ検出におけるモデルの評価を行った。
- 参考スコア（独自算出の注目度）: 3.412346100956839
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rise of the Internet, there is a growing need to build intelligent systems that are capable of efficiently dealing with early risk detection (ERD) problems on social media, such as early depression detection, early rumor detection or identification of sexual predators. These systems, nowadays mostly based on machine learning techniques, must be able to deal with data streams since users provide their data over time. In addition, these systems must be able to decide when the processed data is sufficient to actually classify users. Moreover, since ERD tasks involve risky decisions by which people's lives could be affected, such systems must also be able to justify their decisions. However, most standard and state-of-the-art supervised machine learning models are not well suited to deal with this scenario. This is due to the fact that they either act as black boxes or do not support incremental classification/learning. In this paper we introduce SS3, a novel supervised learning model for text classification that naturally supports these aspects. SS3 was designed to be used as a general framework to deal with ERD problems. We evaluated our model on the CLEF's eRisk2017 pilot task on early depression detection. Most of the 30 contributions submitted to this competition used state-of-the-art methods. Experimental results show that our classifier was able to outperform these models and standard classifiers, despite being less computationally expensive and having the ability to explain its rationale.
- Abstract（参考訳）: インターネットの普及に伴い、早期うつ病検出、早期噂検出、性的捕食者の識別など、ソーシャルメディア上の早期リスク検出(ERD)問題に効率的に対処できるインテリジェントシステムを構築する必要性が高まっている。
これらのシステムは、今日では主に機械学習技術に基づいており、ユーザが時間の経過とともにデータを提供するため、データストリームに対処できなければならない。
さらに、これらのシステムは、処理されたデータが実際にユーザを分類するのに十分なタイミングで決定できなければならない。
さらに、ERDタスクは、人々の生活に影響を及ぼす可能性のあるリスクの高い決定を含むため、そのようなシステムは、彼らの決定を正当化することも可能でなければならない。
しかし、ほとんどの標準および最先端の教師付き機械学習モデルは、このシナリオを扱うのに適していない。
これは、ブラックボックスとして機能するか、段階的な分類/学習をサポートしていないためである。
本稿では,これらの側面を自然に支援するテキスト分類のための新しい教師付き学習モデルであるSS3を紹介する。
SS3はEDR問題に対処するための一般的なフレームワークとして使用されるように設計されている。
CLEFのeRisk2017パイロットタスクの早期うつ病検出におけるモデルの評価を行った。
このコンペティションに提出された30のコントリビューションのほとんどは、最先端の手法を使用していた。
実験の結果,計算コストが低く,理論的に説明できる能力があるにもかかわらず,分類器はこれらのモデルや標準分類器よりも優れていた。
関連論文リスト
- No Free Delivery Service: Epistemic limits of passive data collection in complex social systems [11.990018360916553]
複雑な社会システムにおいて広く考慮されている推論設定において、列車試験のパラダイムは正当化を欠いているだけでなく、リスク推定装置に対して実際に無効であることを示す。
私は、広く使われているMovieLensベンチマークを通じてこれらの結果を説明し、これらの結果が社会システムにおけるAIに与える影響について議論することで結論付けています。
論文 参考訳（メタデータ） (2024-11-20T19:01:03Z) - A Systematic Review of Machine Learning Approaches for Detecting Deceptive Activities on Social Media: Methods, Challenges, and Biases [0.037693031068634524]
本稿では、機械学習(ML)モデルとディープラーニング(DL)モデルを用いて、ソーシャルメディア上の偽ニュース、スパム、偽アカウントを検出する研究を体系的に評価する。
論文 参考訳（メタデータ） (2024-10-26T23:55:50Z) - Continual Learning with Pre-Trained Models: A Survey [61.97613090666247]
継続的な学習は、新しい知識を学ぶ際に、かつての知識の破滅的な忘れを克服することを目的としている。
本稿では, PTM を用いた CL の最近の進歩を包括的に調査する。
論文 参考訳（メタデータ） (2024-01-29T18:27:52Z) - Towards Evaluating Transfer-based Attacks Systematically, Practically,
and Fairly [79.07074710460012]
ディープニューラルネットワーク(DNN)の敵対的脆弱性に大きな注目を集めている。
ブラックボックスDNNモデルを騙すための転送ベース手法が増えている。
30以上のメソッドを実装した転送ベースアタックベンチマーク(TA-Bench)を確立する。
論文 参考訳（メタデータ） (2023-11-02T15:35:58Z) - Few-shot Weakly-supervised Cybersecurity Anomaly Detection [1.179179628317559]
本稿では,既存の弱教師付きディープラーニング異常検出フレームワークの強化を提案する。
このフレームワークには、データ拡張、表現学習、順序回帰が含まれている。
そして、3つのベンチマークデータセット上で実装したフレームワークの性能を評価した。
論文 参考訳（メタデータ） (2023-04-15T04:37:54Z) - A Survey of Machine Unlearning [56.017968863854186]
最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。
MLモデルは古いデータをよく記憶します。
機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
論文 参考訳（メタデータ） (2022-09-06T08:51:53Z) - Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。
また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文 参考訳（メタデータ） (2021-11-28T14:24:52Z) - How Can Subgroup Discovery Help AIOps? [0.0]
サブグループディスカバリがAIOpsにどのように役立つかを研究する。
このプロジェクトには、フランスのソフトウェアエディタであるInfologicalのデータマイニングの研究者と実践者の両方が含まれる。
論文 参考訳（メタデータ） (2021-09-10T14:41:02Z) - Decentralized Federated Learning Preserves Model and Data Privacy [77.454688257702]
我々は、訓練されたモデル間で知識を共有することができる、完全に分散化されたアプローチを提案する。
生徒は、合成された入力データを通じて教師の出力を訓練する。
その結果,教師が学習した未学習学生モデルが,教師と同等のF1スコアに達することがわかった。
論文 参考訳（メタデータ） (2021-02-01T14:38:54Z) - Detecting discriminatory risk through data annotation based on Bayesian
inferences [5.017973966200985]
本稿では,与えられたデータセットの判別結果のリスクについて警告することを目的としたデータアノテーション手法を提案する。
機械学習コミュニティが一般的にアクセスする3つのデータセット上で,我々のシステムを実証的にテストする。
論文 参考訳（メタデータ） (2021-01-27T12:43:42Z) - Leveraging Semi-Supervised Learning for Fairness using Neural Networks [49.604038072384995]
機械学習に基づく意思決定システムの公平性に対する懸念が高まっている。
本稿では,ラベルのないデータから得られるニューラルネットワークを用いた半教師付きアルゴリズムを提案する。
提案したSSFairと呼ばれるモデルは、ラベルのないデータの情報を活用して、トレーニングデータのバイアスを軽減する。
論文 参考訳（メタデータ） (2019-12-31T09:11:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。