論文の概要: Quantifying language changes surrounding mental health on Twitter

• arxiv url: http://arxiv.org/abs/2106.01481v1
• Date: Wed, 2 Jun 2021 21:35:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-04 16:02:59.825317
• Title: Quantifying language changes surrounding mental health on Twitter
• Title（参考訳）: Twitterのメンタルヘルスをめぐる言語変化の定量化
• Authors: Anne Marie Stupinski, Thayer Alshaabi, Michael V. Arnold, Jane Lydia Adams, Joshua R. Minot, Matthew Price, Peter Sheridan Dodds, Christopher M. Danforth
• Abstract要約: メンタルヘルスの課題は、毎年世界の人口の約10%を占めると考えられている。 2012年以降、英国全ツイートの約10%のデータストリームから分析された1-、2-、および3-gramの収集を通じて、メンタルヘルスに関連する単語やフレーズの傾向を探る。
• 参考スコア（独自算出の注目度）: 0.9894420655516565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mental health challenges are thought to afflict around 10% of the global population each year, with many going untreated due to stigma and limited access to services. Here, we explore trends in words and phrases related to mental health through a collection of 1- , 2-, and 3-grams parsed from a data stream of roughly 10% of all English tweets since 2012. We examine temporal dynamics of mental health language, finding that the popularity of the phrase 'mental health' increased by nearly two orders of magnitude between 2012 and 2018. We observe that mentions of 'mental health' spike annually and reliably due to mental health awareness campaigns, as well as unpredictably in response to mass shootings, celebrities dying by suicide, and popular fictional stories portraying suicide. We find that the level of positivity of messages containing 'mental health', while stable through the growth period, has declined recently. Finally, we use the ratio of original tweets to retweets to quantify the fraction of appearances of mental health language due to social amplification. Since 2015, mentions of mental health have become increasingly due to retweets, suggesting that stigma associated with discussion of mental health on Twitter has diminished with time.
• Abstract（参考訳）: メンタルヘルスの課題は、毎年世界の人口の約10%を苦しめていると考えられており、多くは汚名とサービスへのアクセスが制限されているため治療を受けていない。 ここでは,2012年以降の英語ツイートの約10%のデータストリームから解析した1-,2-,3-gramの収集を通じて,メンタルヘルスに関連する単語やフレーズの傾向を考察する。 精神保健言語の時間的ダイナミクスについて検討し,2012年から2018年の間に「メンタルヘルス」という言葉の人気が2桁近く増加したことを発見した。 我々は,「メンタルヘルス」が毎年,精神的健康意識のキャンペーンによって確実に急増していること,また,自殺による乱射事件や有名人の死亡,自殺を描写する人気フィクションなどに対して,予測不可能な反応を示した。 成長期を通じて安定しながらも, 「メンタルヘルス」を含むメッセージの陽性度は近年低下している。 最後に、元のツイートの割合を使ってリツイートし、社会的増幅によるメンタルヘルス言語の出現率を定量化する。 2015年以降、リツイートによるメンタルヘルスの言及はますます増加しており、Twitter上でのメンタルヘルスに関する議論に関連するスティグマは時間とともに減少していることを示唆している。

関連論文リスト

• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• Robust language-based mental health assessments in time and space through social media [7.94191542104603]
  言語に基づくアセスメントは、週単位の時間スケールで、集団のメンタルヘルスの費用効率が高くスケーラブルなモニタリングを可能にする。 この方法は、幅広い心理学的結果に一般化し、アンダーリソース環境でのコミュニティ計測を可能にする。
  論文  参考訳（メタデータ） (2023-02-25T01:39:13Z)
• 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)
• EmoMent: An Emotion Annotated Mental Health Corpus from two South Asian Countries [3.439838094559833]
  最先端のNLP技術は、テキストからメンタルヘルス問題を自動的に検出する強力な可能性を示している。 東南アジアの2カ国から抽出した2802のFacebook投稿からなる感情アノテート型メンタルヘルスコーパス(EmoMent)を開発した。 EmoMent corpus は98.3%(つまり2つ以上の合意で %)、Fleiss' Kappa は 0.82 である。
  論文  参考訳（メタデータ） (2022-08-17T18:59:36Z)
• 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)
• Know it to Defeat it: Exploring Health Rumor Characteristics and Debunking Efforts on Chinese Social Media during COVID-19 Crisis [65.74516068984232]
  われわれは、中国のマイクロブログサイトWeiboで、新型コロナウイルス(COVID-19)に関する4ヶ月にわたる噂に関するオンラインディスカッションを包括的に分析した。 以上の結果から、不安(恐怖)型健康噂は、希望(希望)型よりもはるかに多くの議論を巻き起こし、長く続いたことが示唆された。 本稿では,噂の議論を抑えるためのデバンキングの有効性を示す。
  論文  参考訳（メタデータ） (2021-09-25T14:02:29Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using Social Media [14.662523926129117]
  大規模なソーシャルメディア投稿から、COVID-19による話題や感情のダイナミクスを分析した。 安全な家にいよう」といった話題は肯定的な感情で支配されている。 人の死のような他のものは、常に否定的な感情を示しています。
  論文  参考訳（メタデータ） (2020-07-05T12:05:30Z)
• The Effect of Moderation on Online Mental Health Conversations [17.839146423209474]
  モデレーターの存在はユーザーのエンゲージメントを高め、ユーザーはネガティブな感情をより率直に話し合うように促し、チャット参加者の間で悪い振る舞いを劇的に減らした。 以上の結果から, モデレーションは, オンラインメンタルヘルス会話の有効性と安全性を向上させる上で, 有効なツールとなる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-19T05:40:59Z)
• What are We Depressed about When We Talk about COVID19: Mental Health Analysis on Tweets Using Natural Language Processing [8.450147171958776]
  私たちは、各ツイートを次の感情に分類するディープモデルを訓練します。 本研究では、悲しみと恐怖を引き起こす原因を明らかにするために、2つの方法を提案し、比較する。
  論文  参考訳（メタデータ） (2020-04-22T23:45:04Z)
• Suicidal Ideation and Mental Disorder Detection with Attentive Relation Networks [43.2802002858859]
  本稿では,語彙に基づく感情スコアと潜在トピックを用いたテキスト表現を強化する。 本研究は,自殺思考と精神障害を関連するリスク指標を用いて検出する関係ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-16T11:18:55Z)

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。