Fugu-MT 論文翻訳(概要): Assessing Viewer's Mental Health by Detecting Depression in YouTube Videos

論文の概要: Assessing Viewer's Mental Health by Detecting Depression in YouTube Videos

arxiv url: http://arxiv.org/abs/2008.07280v1
Date: Wed, 29 Jul 2020 16:17:35 GMT
ステータス: 処理完了
システム内更新日: 2022-11-05 21:01:33.699497
Title: Assessing Viewer's Mental Health by Detecting Depression in YouTube Videos
Title（参考訳）: youtubeビデオにおける抑うつ検出による視聴者のメンタルヘルス評価
Authors: Shanya Sharma and Manan Dey
Abstract要約: うつ病は自殺の主な原因の1つであり、家族や社会に大きな経済的負担を課している。本稿では,YouTubeビデオのコンテンツに適用する機械学習技術の有効性について検討する。我々のモデルは83%の精度で抑うつビデオを検出することができる。
参考スコア（独自算出の注目度）: 6.846274669929093
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Depression is one of the most prevalent mental health issues around the world, proving to be one of the leading causes of suicide and placing large economic burdens on families and society. In this paper, we develop and test the efficacy of machine learning techniques applied to the content of YouTube videos captured through their transcripts and determine if the videos are depressive or have a depressing trigger. Our model can detect depressive videos with an accuracy of 83%. We also introduce a real-life evaluation technique to validate our classification based on the comments posted on a video by calculating the CES-D scores of the comments. This work conforms greatly with the UN Sustainable Goal of ensuring Good Health and Well Being with major conformity with section UN SDG 3.4.
Abstract（参考訳）: うつ病は世界有数のメンタルヘルス問題の一つであり、自殺の原因の1つであり、家族や社会に大きな経済的負担を課すことが証明されている。そこで本研究では,映像の書き起こしを通じてキャプチャしたyoutubeビデオのコンテンツに対して,機械学習手法を適用した効果を検証し,動画が抑うつ性であるか,あるいは抑うつ性トリガーであるかを判定する。モデルでは,83%の精度で抑うつ性映像を検出できる。また,ビデオに投稿されたコメントに基づいて,コメントのces-dスコアを計算して分類を検証する実生活評価手法を提案する。この作業は、un sdg 3.4と大きく一致した健康と健康を確保するという国連の持続可能な目標に大きく合致する。

関連論文リスト

MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文参考訳（メタデータ） (2024-10-09T13:06:40Z)
Supporters and Skeptics: LLM-based Analysis of Engagement with Mental Health (Mis)Information Content on Video-sharing Platforms [19.510446994785667]
米国では5人に1人が精神疾患で暮らしている。ショートフォームビデオコンテンツは、メンタルヘルスとリソースを広めるための重要なコンジットとして機能するように成長してきた。
論文参考訳（メタデータ） (2024-07-02T20:51:06Z)
Exploring Social Media Posts for Depression Identification: A Study on Reddit Dataset [0.0]
うつ病は個人の個人的および専門的な生活に影響を与える最も一般的な精神疾患の1つである。本研究では,個人のうつ病を識別するためのソーシャルメディア投稿の活用の可能性について検討した。
論文参考訳（メタデータ） (2024-04-16T06:25:51Z)
Reading Between the Frames: Multi-Modal Depression Detection in Videos from Non-Verbal Cues [11.942057763913208]
世界的障害への顕著な貢献者である抑うつは、人口のかなりの部分に影響を与える。ソーシャルメディアのテキストからうつ病を検知する試みは広く行われているが、ユーザー生成ビデオコンテンツからうつ病を検知する研究はごくわずかしか行われていない。本研究では, ノイズの多い実世界のビデオにおいて, 多様なモーダル性から非言語的抑うつの手がかりを識別できる, 単純で柔軟なマルチモーダル時間モデルを提案する。
論文参考訳（メタデータ） (2024-01-05T10:47:42Z)
Cordyceps@LT-EDI: Depression Detection with Reddit and Self-training [0.0]
うつ病は不安定であり、まれではない。事実、過度のソーシャルメディア利用者の研究は、うつ病、ADHD、その他のメンタルヘルスの懸念と相関している。本研究では,重度,中等度,低レベルのうつ病を経験しているユーザからの投稿を予測するために,半教師付き学習技術を用いた重度うつ病検出システムを提案する。
論文参考訳（メタデータ） (2023-09-24T01:14:49Z)
Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文参考訳（メタデータ） (2023-02-05T22:33:49Z)
Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文参考訳（メタデータ） (2022-11-14T18:47:26Z)
How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios [73.24092762346095]
情緒応答と主観的幸福感に注釈を付けた6万本以上のビデオを備えた大規模データセットを2つ導入した。 Video Cognitive Empathyデータセットには、微粒な感情応答の分布のためのアノテーションが含まれており、モデルが感情状態の詳細な理解を得ることができる。 Video to Valenceデータセットには、ビデオ間の相対的な快適性のアノテーションが含まれている。
論文参考訳（メタデータ） (2022-10-18T17:58:25Z)
Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文参考訳（メタデータ） (2022-07-03T11:33:52Z)
Data set creation and empirical analysis for detecting signs of depression from social media postings [0.0]
うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
論文参考訳（メタデータ） (2022-02-07T10:24:33Z)
Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文参考訳（メタデータ） (2020-12-05T05:14:14Z)

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。