Fugu-MT 論文翻訳(概要): Social Behavior and Mental Health: A Snapshot Survey under COVID-19 Pandemic

論文の概要: Social Behavior and Mental Health: A Snapshot Survey under COVID-19 Pandemic

arxiv url: http://arxiv.org/abs/2105.08165v1
Date: Mon, 17 May 2021 21:08:03 GMT
ステータス: 処理完了
システム内更新日: 2021-05-19 14:13:07.531039
Title: Social Behavior and Mental Health: A Snapshot Survey under COVID-19 Pandemic
Title（参考訳）: 社会的行動とメンタルヘルス:新型コロナパンデミック下のスナップショット調査
Authors: Sahraoui Dhelim, Liming Luke Chen, Huansheng Ning, Sajal K Das, Chris Nugent, Devin Burns, Gerard Leavey, Dirk Pesch and Eleanor Bantry-White
Abstract要約: 新型コロナウイルスのパンデミックは、私たちの生活、研究、社会化、再現方法を変えました。オンラインソーシャルメディア分析を利用してユーザーの精神状態を検出し評価する研究が増えている。
参考スコア（独自算出の注目度）: 6.5721468981020665
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Online social media provides a channel for monitoring people's social behaviors and their mental distress. Due to the restrictions imposed by COVID-19 people are increasingly using online social networks to express their feelings. Consequently, there is a significant amount of diverse user-generated social media content. However, COVID-19 pandemic has changed the way we live, study, socialize and recreate and this has affected our well-being and mental health problems. There are growing researches that leverage online social media analysis to detect and assess user's mental status. In this paper, we survey the literature of social media analysis for mental disorders detection, with a special focus on the studies conducted in the context of COVID-19 during 2020-2021. Firstly, we classify the surveyed studies in terms of feature extraction types, varying from language usage patterns to aesthetic preferences and online behaviors. Secondly, we explore detection methods used for mental disorders detection including machine learning and deep learning detection methods. Finally, we discuss the challenges of mental disorder detection using social media data, including the privacy and ethical concerns, as well as the technical challenges of scaling and deploying such systems at large scales, and discuss the learnt lessons over the last few years.
Abstract（参考訳）: オンラインソーシャルメディアは、人々の社会的行動と精神的な苦痛を監視するチャンネルを提供する。新型コロナウイルス(COVID-19)の規制により、オンラインソーシャルネットワークを使って感情を表現している人が増えている。結果として、多様なユーザー生成ソーシャルメディアコンテンツが存在する。しかし、新型コロナウイルス(COVID-19)のパンデミックは、私たちの生活、研究、社会化、再生の方法を変えました。オンラインソーシャルメディア分析を利用してユーザーの精神状態を検出し評価する研究が増えている。本稿では,2020-2021年の間に行われた新型コロナウイルス研究を中心に,精神障害検出のためのソーシャルメディア分析の文献を調査する。まず,調査対象を,言語の使用パターンから美的嗜好,オンライン行動に至るまで,特徴抽出型の観点から分類した。第2に,機械学習や深層学習検出法を含む精神障害検出に用いられる検出法について検討する。最後に,プライバシや倫理的な懸念を含むソーシャルメディアデータを用いた精神障害検出の課題と,大規模にシステムをスケールアップ・展開する技術的課題について論じ,過去数年間の教訓について論じる。

関連論文リスト

Social Support Detection from Social Media Texts [44.096359084699]
ソーシャルメディアのような様々な相互作用やプラットフォームを通じて伝えられる社会支援は、所有意識を育む上で重要な役割を担っている。本稿では,自然言語処理(NLP)タスクとしてのソーシャルサポート検出(SSD)について紹介する。我々は1万のYouTubeコメントからなるデータセットで実験を行った。
論文参考訳（メタデータ） (2024-11-04T20:23:03Z)
LOST: A Mental Health Dataset of Low Self-esteem in Reddit Posts [4.6071451559137175]
低自尊心と対人欲求は、うつ病や自殺の試みに大きな影響を及ぼす。個人は、孤独を増進し緩和するためにソーシャルメディア上の社会的つながりを求めます。 Reddit上での低自己評価を研究・検出するために,心理学的根拠と専門的な注釈付きデータセット,LoST: Low Self esTeemを紹介した。
論文参考訳（メタデータ） (2023-06-08T23:52:35Z)
Emotion fusion for mental illness detection from social media: A survey [16.410940528107115]
精神病は世界中で最も多い公衆衛生問題の一つである。ソーシャルメディア上でユーザーが作成した投稿を分析し、精神疾患の早期発見に対する研究の関心が高まっている。感情と精神疾患の相関関係から,感情情報の活用と融合が重要な研究トピックに発展してきた。
論文参考訳（メタデータ） (2023-04-19T08:28:34Z)
Predicting mental health using social media: A roadmap for future development [0.0]
うつ病や自殺などの精神障害は、世界中で3億人以上の人々に影響を及ぼす。ソーシャルメディア上では、精神障害の症状が観察され、自動化されたアプローチがそれらを検出する能力が高まっている。この研究は、精神状態検出を機械学習技術に基づいて行うことができる分析のロードマップを提供する。
論文参考訳（メタデータ） (2023-01-25T08:08:29Z)
Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベース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） (2022-12-22T01:20:29Z)
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)
Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文参考訳（メタデータ） (2022-07-03T11:33:52Z)
The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文参考訳（メタデータ） (2022-03-03T17:19:12Z)
Detection and Classification of mental illnesses on social media using RoBERTa [0.3753841394482697]
本研究では,うつ病,不安,双極性障害,ADHD,PTSDの5種類の精神疾患を検出し,分類する。われわれの研究は、RoBERTaのようなTransformerベースのアーキテクチャを使って人々の感情や心理学を分析する最初のマルチクラスモデルであると信じている。
論文参考訳（メタデータ） (2020-11-23T05:54:46Z)
Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文参考訳（メタデータ） (2020-09-21T03:45:14Z)
The Relationship between Deteriorating Mental Health Conditions and Longitudinal Behavioral Changes in Google and YouTube Usages among College Students in the United States during COVID-19: Observational Study [1.74243547444997]
個人がGoogle検索やYouTubeなどのオンラインプラットフォームとどのように関わるかは、パンデミックとその後のロックダウンによって大きく変化している。この研究は、2020年1月に米国大学キャンパスから49人の学生を募集し(パンデミックに先立ち)、各参加者の不安と抑うつのレベルを測定した。個人レベルのGoogle検索とYouTube履歴から、パンデミック中のオンライン行動の変化を定量化する5つのシグナルを開発した。
論文参考訳（メタデータ） (2020-09-05T00:54:57Z)

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。