Fugu-MT 論文翻訳(概要): Detecting Early Onset of Depression from Social Media Text using Learned Confidence Scores

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

Depression detection from Social Media Bangla Text Using Recurrent Neural Networks [1.1874952582465599]
ソーシャルメディア投稿の感情を分析し、社会に対する肯定的、否定的、感情的な行動を検出することができる。感情分析における重要な課題の1つは、精神疾患の根本原因であるソーシャルメディアのテキストから落ち込んだテキストを特定することである。本稿では,抑うつに着目した感情分析を行うために,Facebookのテキストに自然言語処理手法を適用した。
論文参考訳（メタデータ） (2024-12-08T08:53:51Z)
Depression Detection on Social Media with Large Language Models [23.075317886505193]
抑うつ検出は、ソーシャルメディア上の投稿履歴を分析して、個人が抑うつに苦しむかどうかを判断することを目的としている。本稿では,医学的知識と大規模言語モデルの最近の進歩を融合した,DORISと呼ばれる新規なうつ病検出システムを提案する。
論文参考訳（メタデータ） (2024-03-16T01:01:16Z)
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)
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。