論文の概要: "Is depression related to cannabis?": A knowledge-infused model for
Entity and Relation Extraction with Limited Supervision
- arxiv url: http://arxiv.org/abs/2102.01222v1
- Date: Mon, 1 Feb 2021 23:02:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-03 16:12:59.222440
- Title: "Is depression related to cannabis?": A knowledge-infused model for
Entity and Relation Extraction with Limited Supervision
- Title（参考訳）: 「大麻にかかわるうつ病ですか。」
「限定監督による実体・関係抽出のための知識融合モデル」
- Authors: Kaushik Roy, Usha Lokala, Vedant Khandelwal, and Amit Sheth
- Abstract要約: ドメインの専門家によって注釈付けされた3つのカテゴリ – 推論、エフェクト、追加 – の関連性を含むつぶやきを使用する。
最先端のNatural Langauge Processing技術は、大麻のフレーズとうつ病の指標の間の関係を抽出するのに不足している。
我々は,広範囲なコーパスで訓練された GPT-3 と併用して教師付きコントラスト学習を行い,限られた監督下でも性能の向上を実現している。
- 参考スコア（独自算出の注目度）: 15.474688705696348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With strong marketing advocacy of the benefits of cannabis use for improved
mental health, cannabis legalization is a priority among legislators. However,
preliminary scientific research does not conclusively associate cannabis with
improved mental health. In this study, we explore the relationship between
depression and consumption of cannabis in a targeted social media corpus
involving personal use of cannabis with the intent to derive its potential
mental health benefit. We use tweets that contain an association among three
categories annotated by domain experts - Reason, Effect, and Addiction. The
state-of-the-art Natural Langauge Processing techniques fall short in
extracting these relationships between cannabis phrases and the depression
indicators. We seek to address the limitation by using domain knowledge;
specifically, the Drug Abuse Ontology for addiction augmented with Diagnostic
and Statistical Manual of Mental Disorders lexicons for mental health. Because
of the lack of annotations due to the limited availability of the domain
experts' time, we use supervised contrastive learning in conjunction with GPT-3
trained on a vast corpus to achieve improved performance even with limited
supervision. Experimental results show that our method can significantly
extract cannabis-depression relationships better than the state-of-the-art
relation extractor. High-quality annotations can be provided using a nearest
neighbor approach using the learned representations that can be used by the
scientific community to understand the association between cannabis and
depression better.
- Abstract（参考訳）: 精神の健康を改善するための大麻の使用の利点を強く宣伝し、大麻の合法化が立法府の優先事項である。
しかし、予備的な科学的研究は、大麻と精神の健康の改善を決定づけるものではない。
本研究では、大麻の個人的使用を含む標的ソーシャルメディアコーパスにおける大麻の抑うつと消費の関係を検討し、その潜在的な精神的健康上の利益を導き出そうとする。
ドメインの専門家がアノテートした3つのカテゴリ(理由、効果、中毒)に関連付けられたツイートを使用します。
最先端の自然ランガウジ処理技術は、大麻のフレーズとうつ病指標の間のこれらの関係の抽出に不足します。
本研究は,精神疾患の診断・統計マニュアルを付加した依存症用薬物乱用オントロジーを精神保健に応用し,その限界に対処することを目的とする。
ドメインエキスパートの時間が限られているためアノテーションが不足しているため、広範囲のコーパスで訓練されたGPT-3とともに教師付きコントラスト学習を使用して、限られた監督下でもパフォーマンスの向上を実現している。
実験の結果,本手法は最先端の関係抽出装置よりも大麻-うつ病関係を有意に抽出できることが判明した。
良質なアノテーションは、科学コミュニティが大麻とうつ病の関連性をよりよく理解するために使用できる学習表現を使用して、近隣のアプローチで提供することができる。
関連論文リスト
- High Expectations: An Observational Study of Programming and Cannabis
Intoxication [10.628808257929627]
一部のプロフェッショナルは、仕事関連のタスクでもプログラミングしながら、定期的に大麻を使用します。
大麻のプログラミングへの影響は様々であり、しばしば矛盾する。
本稿では,大麻がプログラミング能力に与える影響について,初めて制御された観察的研究を行った。
論文 参考訳（メタデータ） (2024-02-29T14:26:05Z) - "Can We Detect Substance Use Disorder?": Knowledge and Time Aware
Classification on Social Media from Darkweb [0.08388591755871731]
本研究は,オピオイドを暗号市場上場を通じて販売するソーシャルメディア上での物質使用状況を分析した。
我々は、薬物乱用オントロジー、最先端のディープラーニング、知識を意識したBERTベースのモデルを用いて、感情と感情を生成する。
我々は、暗号市場データをクロールして、フェンタニル、フェンタニル類縁体、その他の新しい合成オピオイドの抽出に利用した方法について論じる。
論文 参考訳（メタデータ） (2023-04-20T17:47:13Z) - 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) - Knowledge-Driven New Drug Recommendation [88.35607943144261]
既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。
EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。
その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
論文 参考訳（メタデータ） (2022-10-11T16:07:52Z) - Chatbots for Mental Health Support: Exploring the Impact of Emohaa on
Reducing Mental Distress in China [50.12173157902495]
調査には134人の参加者が参加し、Emohaa(CBT)、Emohaa(Full)、コントロールの3つのグループに分けられた。
Emohaaは、CBTベースのエクササイズとガイド付き会話を通じて認知的支援を提供する会話エージェントである。
また、ユーザーが望む感情的な問題を経験できるようにすることで、ユーザーを感情的に支援する。
論文 参考訳（メタデータ） (2022-09-21T08:23:40Z) - Understanding the Dynamics between Vaping and Cannabis Legalization
Using Twitter Opinions [3.9490204272684872]
大麻に関する意見を含むTwitterのデータと、非常に人気のある電子タバコブランドであるJUULを分析します。
我々は,レクリエーション大麻の合法化政策が,すでに電子タバコを好んでいるユーザに対するプロ大麻の態度向上に効果があることを発見した。
論文 参考訳（メタデータ） (2021-06-04T15:34:20Z) - eDarkTrends: Harnessing Social Media Trends in Substance use disorders
for Opioid Listings on Cryptomarket [10.220809005199781]
本研究は,ソーシャルメディア上で,オピオイドが仮想通貨市場で販売されている場合の薬物乱用記事を分析した。
我々は、薬物乱用オントロジー、最先端のディープラーニング、およびBERTベースのモデルを使用して、ソーシャルメディア投稿に対する感情と感情を生成する。
時間的介入が必要なオピオイド症例の分離を支援するため, 政策形成に有効であると考えられた。
論文 参考訳（メタデータ） (2021-03-29T16:58:26Z) - 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) - "When they say weed causes depression, but it's your fav
antidepressant": Knowledge-aware Attention Framework for Relationship
Extraction [5.998711621261398]
本研究では,大麻使用と抑うつの関係を明らかにするために,ドメイン固有の知識を学習プロセスに取り入れることの価値を実証する。
我々は、事前学習されたBERT言語表現モデルとドメイン固有の宣言的知識源を活用する、エンドツーエンドの知識注入ディープラーニングフレームワーク(Gated-K-BERT)を開発した。
実験結果から,BERTと関連づけた知識・意識的表現を取り入れることで,大麻・抑うつ関係をより良好なカバレッジで抽出できることが示唆された。
論文 参考訳（メタデータ） (2020-09-21T19:54:42Z) - Computational Support for Substance Use Disorder Prevention, Detection,
Treatment, and Recovery [62.9980747784214]
物質使用障害には、アルコール、オピオイド、マリファナ、メタンフェタミンの誤用が含まれる。
成人12人中1人が薬物使用障害を患っている。
全米薬物乱用協会(National Institute on Drug Abuse)は、SUDが年間5200億ドルの費用を負担していると推計している。
論文 参考訳（メタデータ） (2020-06-23T18:30:20Z)
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。