論文の概要: Towards Preemptive Detection of Depression and Anxiety in Twitter

• arxiv url: http://arxiv.org/abs/2011.05249v1
• Date: Tue, 10 Nov 2020 17:17:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 07:22:49.541516
• Title: Towards Preemptive Detection of Depression and Anxiety in Twitter
• Title（参考訳）: twitterにおける抑うつと不安の事前検出に向けて
• Authors: David Owen, Jose Camacho Collados, Luis Espinosa-Anke
• Abstract要約: うつ病と不安は、日常生活の多くの領域で観察される精神疾患である。 我々は、Twitterにおけるうつ病と不安検出の研究を促進するために設計されたデータセットを開発した。
• 参考スコア（独自算出の注目度）: 14.877991297466174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depression and anxiety are psychiatric disorders that are observed in many areas of everyday life. For example, these disorders manifest themselves somewhat frequently in texts written by nondiagnosed users in social media. However, detecting users with these conditions is not a straightforward task as they may not explicitly talk about their mental state, and if they do, contextual cues such as immediacy must be taken into account. When available, linguistic flags pointing to probable anxiety or depression could be used by medical experts to write better guidelines and treatments. In this paper, we develop a dataset designed to foster research in depression and anxiety detection in Twitter, framing the detection task as a binary tweet classification problem. We then apply state-of-the-art classification models to this dataset, providing a competitive set of baselines alongside qualitative error analysis. Our results show that language models perform reasonably well, and better than more traditional baselines. Nonetheless, there is clear room for improvement, particularly with unbalanced training sets and in cases where seemingly obvious linguistic cues (keywords) are used counter-intuitively.
• Abstract（参考訳）: うつ病と不安は、日常生活の多くの領域で観察される精神疾患である。 例えば、これらの障害は、ソーシャルメディアで診断されていないユーザーによって書かれたテキストに頻繁に現れる。 しかし、これらの条件でユーザを検知することは、彼らの精神状態について明示的に話すことのできない単純なタスクではなく、もしそうであるなら、即時性のような文脈的な手がかりを考慮する必要がある。 利用可能な場合、不安や抑うつを示す言語旗は、医療専門家がより良いガイドラインや治療を書くために使用できる。 本稿では,twitterにおける抑うつと不安検出の研究を促進すべく,検出タスクをバイナリ・ツイート分類問題として表現したデータセットを開発した。 次に、このデータセットに最先端の分類モデルを適用し、定性的エラー解析と競合するベースラインセットを提供する。 その結果,言語モデルの性能は従来のベースラインよりも良好であることがわかった。 それにもかかわらず、特にバランスのとれないトレーニングセットや、一見明らかな言語的手がかり(キーワード)が直観的に使われる場合など、改善の余地は明らかである。

関連論文リスト

• 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)
• 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)
• DEPTWEET: A Typology for Social Media Texts to Detect Depression Severities [0.46796109436086664]
  我々はうつ病の重症度を検出するために,うつ病の臨床的記述を活用してソーシャルメディアテキストのタイプロジを構築する。 精神疾患の診断・統計マニュアル(DSM-5)と患者健康アンケート(PHQ-9)の標準的臨床評価手順をエミュレートする 専門家アノテータによってラベル付けされた40191ツイートの新しいデータセットを提示します。それぞれのツイートは、"non-depressed"あるいは"depressed"とラベル付けされます。
  論文  参考訳（メタデータ） (2022-10-10T08:23:57Z)
• Hierarchical Attention Network for Explainable Depression Detection on Twitter Aided by Metaphor Concept Mappings [15.19024278125422]
  本稿では,Twitter上での抑うつ検出のための新しい説明可能なモデルを提案する。 階層的な注意機構とフィードフォワードニューラルネットワークを組み合わせた,新しいエンコーダを備える。 抑うつされた個人を検知するだけでなく、そのようなユーザーのつぶやきの特徴と関連するメタファの概念マッピングを識別する。
  論文  参考訳（メタデータ） (2022-09-15T17:36:18Z)
• 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)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• 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)
• A Novel Sentiment Analysis Engine for Preliminary Depression Status Estimation on Social Media [0.0]
  我々は,Twitter ソーシャルメディア上での抑うつ検出を主目的とする,ディープラーニングベースのバックエンドを備えた,クラウドベースのスマートフォンアプリケーションを提案する。 心理学者は、患者がカウンセリングの前にうつ状態を評価するためにこのアプリケーションを利用することができる。 試験精度は87.23%、AUCは0.8621である。
  論文  参考訳（メタデータ） (2020-11-29T04:42:53Z)
• Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
  不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。 スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
  論文  参考訳（メタデータ） (2020-08-09T20:22:52Z)

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。