論文の概要: Identifying Depressive Symptoms from Tweets: Figurative Language Enabled Multitask Learning Framework

• arxiv url: http://arxiv.org/abs/2011.06149v1
• Date: Thu, 12 Nov 2020 01:17:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 06:59:12.946126
• Title: Identifying Depressive Symptoms from Tweets: Figurative Language Enabled Multitask Learning Framework
• Title（参考訳）: ツイートから抑うつ症状を識別する:フィギュラティブ言語によるマルチタスク学習フレームワーク
• Authors: Shweta Yadav, Jainish Chauhan, Joy Prakash Sain, Krishnaprasad Thirunarayan, Amit Sheth, Jeremiah Schumm
• Abstract要約: 本研究の目的は,抑うつ的トリアージレベルを確実に決定するための意思決定支援システム(DSS)の設計と評価である。 ツイートに対する280文字の制限は、発話における創造的なアーティファクトの使用を動機付けているため、ツイートからの抑うつ症状の信頼性の高い検出は難しい。 本稿では,新しいBERTベースのマルチタスク学習フレームワークを提案し,画像的使用検出の補助的タスクを用いて抑うつ症状を正確に識別する。
• 参考スコア（独自算出の注目度）: 6.306293318976695
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing studies on using social media for deriving mental health status of users focus on the depression detection task. However, for case management and referral to psychiatrists, healthcare workers require practical and scalable depressive disorder screening and triage system. This study aims to design and evaluate a decision support system (DSS) to reliably determine the depressive triage level by capturing fine-grained depressive symptoms expressed in user tweets through the emulation of Patient Health Questionnaire-9 (PHQ-9) that is routinely used in clinical practice. The reliable detection of depressive symptoms from tweets is challenging because the 280-character limit on tweets incentivizes the use of creative artifacts in the utterances and figurative usage contributes to effective expression. We propose a novel BERT based robust multi-task learning framework to accurately identify the depressive symptoms using the auxiliary task of figurative usage detection. Specifically, our proposed novel task sharing mechanism, co-task aware attention, enables automatic selection of optimal information across the BERT layers and tasks by soft-sharing of parameters. Our results show that modeling figurative usage can demonstrably improve the model's robustness and reliability for distinguishing the depression symptoms.
• Abstract（参考訳）: ソーシャルメディアを用いたユーザのメンタルヘルス状態の導出に関する既存の研究は、うつ病検出タスクに焦点を当てている。 しかし、ケースマネジメントと精神科医への紹介のためには、医療従事者は実用的でスケーラブルなうつ病スクリーニングとトリアージシステムを必要とする。 本研究は, 患者健康アンケート-9 (PHQ-9) のエミュレーションを通じて, 利用者のつぶやきに表される微粒なうつ症状を捉え, うつ症状レベルを確実に判定する意思決定支援システム(DSS)を設計し, 評価することを目的とする。 ツイートからの抑うつ症状の信頼できる検出は、ツイートに対する280文字制限が発話における創造的アーティファクトの使用にインセンティブを与え、フィギュラティブな使用が効果的な表現に寄与するため、難しい。 本稿では,新しいBERTベースのマルチタスク学習フレームワークを提案し,画像的使用検出の補助的タスクを用いて抑うつ症状を正確に識別する。 具体的には,提案するタスク共有機構により,パラメータのソフトシェアリングにより,BERT層とタスク間で最適な情報を自動的に選択することができる。 この結果から,表現的使用法をモデル化することで,抑うつ症状を識別するためのモデルの堅牢性と信頼性が向上することが示唆された。

関連論文リスト

• Self-Supervised Embeddings for Detecting Individual Symptoms of Depression [18.43207977841643]
  世界の数百万人に影響を及ぼす精神疾患であるうつ病は、信頼できるアセスメントシステムを必要としている。 我々は、自己教師付き学習(SSL)ベースの音声モデルを利用して、このタスクで頻繁に遭遇する小さなデータセットをよりよく活用する。 抑うつ症状を効果的に識別するためのマルチタスク学習の重要性を示す。
  論文  参考訳（メタデータ） (2024-06-25T02:35:37Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• DepreSym: A Depression Symptom Annotated Corpus and the Role of LLMs as Assessors of Psychological Markers [3.5511184956329727]
  DepreSym データセットは Beck Depression Inventory-II 症状に関連する21580 文からなる。 このデータセットは、臨床症状などのうつ病マーカーを組み込んだモデルの開発を進めるための貴重なリソースとなる。
  論文  参考訳（メタデータ） (2023-08-21T14:44:31Z)
• 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)
• Dynamic Graph Representation Learning for Depression Screening with Transformer [13.551342607089184]
  ソーシャルメディアプラットフォームは、メンタルヘルスを調査し、精神疾患の事例を検出する研究機会を提供する。 既存の抑うつ検出手法は,特徴工学への依存と時間的要因の考慮の欠如により制約される。 提案するContrastEgoは,各ユーザを動的時間進化型属性グラフ(ego-network)として扱う。 ContrastEgoは、様々な実験環境におけるすべての有効性指標において、最先端の手法を著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2023-05-10T20:34:40Z)
• 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)
• 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)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。