論文の概要: Adapting Deep Learning Methods for Mental Health Prediction on Social Media

• arxiv url: http://arxiv.org/abs/2003.07634v1
• Date: Tue, 17 Mar 2020 10:49:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 21:11:49.778043
• Title: Adapting Deep Learning Methods for Mental Health Prediction on Social Media
• Title（参考訳）: ソーシャルメディア上でのメンタルヘルス予測のための深層学習手法の適用
• Authors: Ivan Sekuli\'c and Michael Strube
• Abstract要約: メンタルヘルスは、個人の幸福のために重要な課題となる。 深層学習モデルを用いてソーシャルメディア利用者の精神状態を検出するという課題に取り組む。 ユーザが9つの異なる障害のうちの1つに苦しむかどうかを予測するバイナリ分類タスクでは、階層的な注意ネットワークが以前設定された4つの障害のベンチマークを上回っている。
• 参考スコア（独自算出の注目度）: 10.102073937554488
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Mental health poses a significant challenge for an individual's well-being. Text analysis of rich resources, like social media, can contribute to deeper understanding of illnesses and provide means for their early detection. We tackle a challenge of detecting social media users' mental status through deep learning-based models, moving away from traditional approaches to the task. In a binary classification task on predicting if a user suffers from one of nine different disorders, a hierarchical attention network outperforms previously set benchmarks for four of the disorders. Furthermore, we explore the limitations of our model and analyze phrases relevant for classification by inspecting the model's word-level attention weights.
• Abstract（参考訳）: メンタルヘルスは個人の幸福にとって大きな課題となる。 ソーシャルメディアのような豊かな資源のテキスト分析は、病気のより深い理解に寄与し、早期発見の手段を提供する。 我々は,学習モデルを用いてソーシャルメディア利用者のメンタルステータスを検知し,従来のアプローチからタスクへ移行するという課題に取り組む。 ユーザが9つの異なる障害のうちの1つに苦しむかどうかを予測するバイナリ分類タスクでは、階層的な注意ネットワークが以前設定された4つの障害のベンチマークを上回っている。 さらに,モデルの制約を探索し,モデルの単語レベルの注意重みを検査することにより,分類に関連する句を分析する。

関連論文リスト

• Early Detection of Depression and Eating Disorders in Spanish: UNSL at MentalRiskES 2023 [1.0878040851637998]
  MentalRiskESは、スペイン語の早期リスク検出に関連する問題を解決することを提案する新しい課題である。 目的は、異なるタスクを考慮に入れた精神障害の兆候を示すTelegramユーザーをできるだけ早く検出することである。
  論文  参考訳（メタデータ） (2023-10-30T20:38:31Z)
• Explainable Depression Symptom Detection in Social Media [2.433983268807517]
  本稿では, トランスフォーマーアーキテクチャを用いて, ユーザの文章中の抑うつ症状マーカーの出現を検知し, 説明する。 我々の自然言語による説明により、臨床医はバリデーションされた症状に基づいてモデルの判断を解釈できる。
  論文  参考訳（メタデータ） (2023-10-20T17:05:27Z)
• Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
  本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。 具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
  論文  参考訳（メタデータ） (2023-10-04T21:57:09Z)
• A Simple and Flexible Modeling for Mental Disorder Detection by Learning from Clinical Questionnaires [0.2580765958706853]
  そこで本研究では,テキストから直接意味を抽出し,症状に関連する記述と比較する手法を提案する。 詳細な分析により,提案モデルがドメイン知識の活用,他の精神疾患への伝達,解釈可能な検出結果の提供に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-05T15:23:55Z)
• Predicting mental health using social media: A roadmap for future development [0.0]
  うつ病や自殺などの精神障害は、世界中で3億人以上の人々に影響を及ぼす。 ソーシャルメディア上では、精神障害の症状が観察され、自動化されたアプローチがそれらを検出する能力が高まっている。 この研究は、精神状態検出を機械学習技術に基づいて行うことができる分析のロードマップを提供する。
  論文  参考訳（メタデータ） (2023-01-25T08:08:29Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Multi-task Learning for Personal Health Mention Detection on Social Media [70.23889100356091]
  本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。 我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
  論文  参考訳（メタデータ） (2022-12-09T23:49:00Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
  メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。 本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。 分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
  論文  参考訳（メタデータ） (2022-08-07T02:28:32Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)

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。