論文の概要: DepressionNet: A Novel Summarization Boosted Deep Framework for
Depression Detection on Social Media
- arxiv url: http://arxiv.org/abs/2105.10878v1
- Date: Sun, 23 May 2021 08:05:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 15:26:55.929178
- Title: DepressionNet: A Novel Summarization Boosted Deep Framework for
Depression Detection on Social Media
- Title（参考訳）: DepressionNet: ソーシャルメディア上でのデプレッション検出のためのDeep Frameworkの新たな要約
- Authors: Hamad Zogan, Imran Razzak, Shoaib Jameel, Guandong Xu
- Abstract要約: Twitterは、ユーザーが生成したコンテンツを共有できる人気のオンラインソーシャルメディアプラットフォームである。
応用の1つは、うつ病などの精神疾患を自動的に発見することである。
オンラインソーシャルメディア上で、抑うつされたユーザーを自動的に検出する以前の研究は、ユーザー行動と言語パターンに大きく依存している。
- 参考スコア（独自算出の注目度）: 12.820775223409857
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Twitter is currently a popular online social media platform which allows
users to share their user-generated content. This publicly-generated user data
is also crucial to healthcare technologies because the discovered patterns
would hugely benefit them in several ways. One of the applications is in
automatically discovering mental health problems, e.g., depression. Previous
studies to automatically detect a depressed user on online social media have
largely relied upon the user behaviour and their linguistic patterns including
user's social interactions. The downside is that these models are trained on
several irrelevant content which might not be crucial towards detecting a
depressed user. Besides, these content have a negative impact on the overall
efficiency and effectiveness of the model. To overcome the shortcomings in the
existing automatic depression detection methods, we propose a novel
computational framework for automatic depression detection that initially
selects relevant content through a hybrid extractive and abstractive
summarization strategy on the sequence of all user tweets leading to a more
fine-grained and relevant content. The content then goes to our novel deep
learning framework comprising of a unified learning machinery comprising of
Convolutional Neural Network (CNN) coupled with attention-enhanced Gated
Recurrent Units (GRU) models leading to better empirical performance than
existing strong baselines.
- Abstract（参考訳）: Twitterは現在、ユーザーが生成したコンテンツを共有できるオンラインソーシャルメディアプラットフォームとして人気がある。
この公開されたユーザーデータは、検出されたパターンがいくつかの方法でそれらに大きな利益をもたらすため、医療技術にも不可欠です。
応用の1つは、うつ病などの精神疾患を自動的に発見することである。
オンラインソーシャルメディア上で落ち込んだユーザーを自動的に検出する以前の研究は、ユーザの行動とユーザの社会的相互作用を含む言語パターンに大きく依存している。
欠点は、これらのモデルがいくつかの無関係なコンテンツに基づいてトレーニングされていることだ。
さらに、これらのコンテンツはモデル全体の効率と有効性に悪影響を及ぼす。
既存の自動抑うつ検出手法の欠点を克服するために,まず,よりきめ細かな関連コンテンツにつながる全ユーザツイートのシーケンス上で,ハイブリッド抽出および抽象的要約戦略により関連コンテンツを選択する,自動抑うつ検出のための新しい計算フレームワークを提案する。
その内容は、コンボリューションニューラルネットワーク(cnn)と注意強化ゲートリカレントユニット(gru)モデルを組み合わせた統合学習機構で構成され、既存の強力なベースラインよりも優れた経験的パフォーマンスを実現する、新たなディープラーニングフレームワークに移行します。
関連論文リスト
- Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Understanding writing style in social media with a supervised
contrastively pre-trained transformer [57.48690310135374]
オンラインソーシャルネットワークは、ヘイトスピーチから偽情報の拡散まで、有害な行動の場として機能している。
本稿では, 4.5 x 106テキストの公開資料から得られた大規模コーパスに基づいて学習したStyle Transformer for Authorship Representations (STAR)を紹介する。
512個のトークンからなる8つのドキュメントからなるサポートベースを使用して、著者を最大1616人の著者のセットから、少なくとも80%の精度で識別することができる。
論文 参考訳（メタデータ） (2023-10-17T09:01:17Z) - To ChatGPT, or not to ChatGPT: That is the question! [78.407861566006]
本研究は,ChatGPT検出における最新の手法を包括的かつ現代的に評価するものである。
我々は、ChatGPTと人間からのプロンプトからなるベンチマークデータセットをキュレートし、医療、オープンQ&A、ファイナンスドメインからの多様な質問を含む。
評価の結果,既存の手法ではChatGPT生成内容を効果的に検出できないことがわかった。
論文 参考訳（メタデータ） (2023-04-04T03:04:28Z) - 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) - Detecting Reddit Users with Depression Using a Hybrid Neural Network
SBERT-CNN [18.32536789799511]
うつ病は広範なメンタルヘルスの問題であり、世界の人口の3.8%に影響を及ぼしている。
本稿では,事前訓練された文BERT(SBERT)と畳み込みニューラルネットワーク(CNN)を組み合わせたハイブリッドディープラーニングモデルを提案する。
このモデルは精度0.86とF1スコア0.86を達成し、文学における他の機械学習モデルによる最先端の文書化結果(F1スコア0.79)を上回った。
論文 参考訳（メタデータ） (2023-02-03T06:22:18Z) - Machine Learning Algorithms for Depression Detection and Their
Comparison [0.0]
我々は、ソーシャルメディア利用者の行動を分析して、オンラインソーシャルメディア利用者の自動抑うつ検知を設計した。
その根底にある分類器は、感情的人工知能の最先端技術を使って作られている。
論文 参考訳（メタデータ） (2023-01-09T09:34:38Z) - Countering Malicious Content Moderation Evasion in Online Social
Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。
本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
論文 参考訳（メタデータ） (2022-12-27T16:08:49Z) - 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) - A Multitask Deep Learning Approach for User Depression Detection on Sina
Weibo [6.899536164312357]
私たちは、Sina Weibo(中国コミュニティで最もアクティブなユーザ数の多いOSN)に大規模なデータセットを構築しています。
ユーザのテキスト、社会的行動、投稿された画像を分析して10の統計的特徴を結論し、提案する。
新しいディープニューラルネットワーク分類モデルであるFusionNetが提案され、上記の特徴を同時に訓練する。
論文 参考訳（メタデータ） (2020-08-26T17:53:17Z) - Machine Learning-based Approach for Depression Detection in Twitter
Using Content and Activity Features [0.0]
近年の研究では、ソーシャルメディアサイトの利用率とうつ病の増加の相関が示されている。
本研究の目的は、ネットワークの振る舞いとつぶやきの両方に基づいて、潜在的に落ち込んだTwitterユーザーを検出する機械学習技術を活用することである。
論文 参考訳（メタデータ） (2020-03-09T11:27:39Z)
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。