論文の概要: Detecting Early Onset of Depression from Social Media Text using Learned
Confidence Scores
- arxiv url: http://arxiv.org/abs/2011.01695v1
- Date: Tue, 3 Nov 2020 13:34:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 03:41:50.195217
- Title: Detecting Early Onset of Depression from Social Media Text using Learned
Confidence Scores
- Title(参考訳): 学習信頼度スコアを用いたソーシャルメディアテキストからの抑うつの早期発見
- Authors: Ana-Maria Bucur and Liviu P. Dinu
- Abstract要約: うつ病は若者にとって2番目に大きな死因である。
本研究では,ソーシャルメディアのテキストからうつ病の早期発症を検出する手法に焦点をあてる。
- 参考スコア(独自算出の注目度): 19.86148958828238
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational research on mental health disorders from written texts covers
an interdisciplinary area between natural language processing and psychology. A
crucial aspect of this problem is prevention and early diagnosis, as suicide
resulted from depression being the second leading cause of death for young
adults. In this work, we focus on methods for detecting the early onset of
depression from social media texts, in particular from Reddit. To that end, we
explore the eRisk 2018 dataset and achieve good results with regard to the
state of the art by leveraging topic analysis and learned confidence scores to
guide the decision process.
- Abstract(参考訳): テキストからのメンタルヘルス障害に関する計算的研究は、自然言語処理と心理学の学際領域をカバーする。
この問題の重要な側面は予防と早期診断であり、自殺は若者にとって第二の死因であるうつ病によるものである。
本研究では,ソーシャルメディアテキスト,特にRedditからの抑うつの早期発生を検出する手法に焦点を当てた。
この目的のために,eRisk 2018データセットを探索し,トピック分析を活用し,信頼度スコアを学習して意思決定プロセスのガイドを行うことにより,技術状況に関する良好な結果を得る。
関連論文リスト
- Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted
Outcomes to Analyze Longitudinal Social Media Data [2.76101452577748]
新型コロナウイルスのパンデミックは世界中でメンタルヘルスの危機をエスカレートしている。
自殺は、恥、虐待、放棄、うつ病のような精神状態などの社会的要因によって引き起こされる。
これらの状況が発展するにつれて、自殺的思考の兆候がソーシャルメディアの相互作用に現れる可能性がある。
論文 参考訳(メタデータ) (2023-12-13T17:15:12Z) - What Symptoms and How Long? An Interpretable AI Approach for Depression
Detection in Social Media [0.5156484100374058]
うつ病は最も一般的で深刻な精神疾患であり、重大な財政的・社会的影響をもたらす。
本研究は、ソーシャルメディアにおける抑うつ検出のための新しい解釈可能な深層学習モデルを用いて、IS文献に寄与する。
論文 参考訳(メタデータ) (2023-05-18T20:15:04Z) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳(メタデータ) (2023-03-24T21:26:27Z) - Depression Detection Using Digital Traces on Social Media: A
Knowledge-aware Deep Learning Approach [17.07576768682415]
うつ病は世界中でよく見られる病気だ。診断は困難であり、診断が下にある。
うつ病患者は、常に症状、主要なライフイベント、治療をソーシャルメディアで共有しているため、研究者はうつ病検出のためにソーシャルメディア上でユーザー生成のデジタルトレースに目を向けている。
本稿では,抑うつリスクのあるソーシャルメディア利用者を正確に検出し,その検出に寄与する重要な要因を説明するために,Deep Knowledge-Aware Depression Detection (DKDD)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-06T20:08:07Z) - 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) - Aggression and "hate speech" in communication of media users: analysis
of control capabilities [50.591267188664666]
著者らは新メディアにおける利用者の相互影響の可能性を検討した。
新型コロナウイルス(COVID-19)対策として、緊急の社会問題について議論する際、攻撃やヘイトスピーチのレベルが高いことが分かった。
結果は、現代のデジタル環境におけるメディアコンテンツの開発に有用である。
論文 参考訳(メタデータ) (2022-08-25T15:53:32Z) - 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) - A Psychologically Informed Part-of-Speech Analysis of Depression in
Social Media [1.7188280334580193]
私たちは、Early Risk Prediction on the Internet Workshop (eRisk) 2018のうつ病データセットを使用します。
その結果, うつ病者と非うつ病者の間に統計的に有意な差が認められた。
我々の研究は、抑うつした個人がソーシャルメディアプラットフォーム上で自己表現している方法に関する洞察を提供する。
論文 参考訳(メタデータ) (2021-07-31T16:23:22Z) - 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) - Suicidal Ideation and Mental Disorder Detection with Attentive Relation
Networks [43.2802002858859]
本稿では,語彙に基づく感情スコアと潜在トピックを用いたテキスト表現を強化する。
本研究は,自殺思考と精神障害を関連するリスク指標を用いて検出する関係ネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-16T11:18:55Z)
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。