論文の概要: Early Risk Detection of Pathological Gambling, Self-Harm and Depression
Using BERT
- arxiv url: http://arxiv.org/abs/2106.16175v1
- Date: Wed, 30 Jun 2021 16:12:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-01 17:24:15.996543
- Title: Early Risk Detection of Pathological Gambling, Self-Harm and Depression
Using BERT
- Title(参考訳): BERTを用いた病的ギャンブル, セルフハーム, 抑うつの早期検出
- Authors: Ana-Maria Bucur, Adrian Cosma and Liviu P. Dinu
- Abstract要約: eRiskワークショップの2021年版でBLUEチームの貢献について紹介する。
我々は、ギャンブル中毒の早期発見、セルフハーム、ソーシャルメディア投稿からのうつ病の重症度の推定といった課題に対処する。
我々は、トレーニング済みのBERTトランスフォーマーと、メンタルヘルスのサブレディットから自動的にクロールされたデータを採用し、3つのタスクすべてに対して合理的な結果を得る。
- 参考スコア(独自算出の注目度): 3.3302293148249125
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early risk detection of mental illnesses has a massive positive impact upon
the well-being of people. The eRisk workshop has been at the forefront of
enabling interdisciplinary research in developing computational methods to
automatically estimate early risk factors for mental issues such as depression,
self-harm, anorexia and pathological gambling. In this paper, we present the
contributions of the BLUE team in the 2021 edition of the workshop, in which we
tackle the problems of early detection of gambling addiction, self-harm and
estimating depression severity from social media posts. We employ pre-trained
BERT transformers and data crawled automatically from mental health subreddits
and obtain reasonable results on all three tasks.
- Abstract(参考訳): 精神疾患の早期発見は、人々の幸福に大きなプラスの影響を与える。
eriskワークショップは、抑うつ、自傷、食欲不振、病的ギャンブルなどの精神疾患の早期危険因子を自動的に推定する計算手法の開発における、学際的な研究の最前線にある。
本稿では,2021年版のワークショップにおけるBLUEチームの貢献について述べる。このワークショップでは,ギャンブル中毒の早期発見,セルフハーム,ソーシャルメディア投稿からのうつ病の重症度推定といった課題に対処する。
我々は、トレーニング済みのBERTトランスフォーマーと、メンタルヘルスのサブレディットから自動的にクロールされたデータを採用し、3つのタスクすべてに対して合理的な結果を得る。
関連論文リスト
- Towards More Efficient Depression Risk Recognition via Gait [12.28595811609976]
うつ病は世界中で2億8000万人を超える人に影響を及ぼす。早期発見とタイムリーな介入は、再発の促進、再発の防止、うつ病に伴う感情的・財政的負担の軽減に不可欠である。
歩行とうつ病リスクの相関が実証的に確立されている。
この研究はまず、1200人以上の個人、40,000人の歩行シーケンスを含む大規模な歩行データベースを構築し、6つの視点と3種類の服装をカバーした。
深層学習に基づくうつ病リスク認識モデルを提案し,手作りアプローチの限界を克服した。
論文 参考訳(メタデータ) (2023-10-10T03:34:31Z) - Harnessing the Power of Hugging Face Transformers for Predicting Mental
Health Disorders in Social Networks [0.0]
本研究では、ユーザ生成データを用いて精神疾患の症状を予測する方法について検討する。
本研究は,Hugging Faceの4種類のBERTモデルと標準的な機械学習技術を比較した。
新しいモデルは、最大97%の精度で以前のアプローチより優れている。
論文 参考訳(メタデータ) (2023-06-29T12:25:19Z) - An Annotated Dataset for Explainable Interpersonal Risk Factors of
Mental Disturbance in Social Media Posts [0.0]
ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。
我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
論文 参考訳(メタデータ) (2023-05-30T04:08:40Z) - Exploring Social Media for Early Detection of Depression in COVID-19
Patients [44.76299288962596]
早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。
我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。
うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
論文 参考訳(メタデータ) (2023-02-23T14:13:52Z) - 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) - 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 Early Onset of Depression from Social Media Text using Learned
Confidence Scores [19.86148958828238]
うつ病は若者にとって2番目に大きな死因である。
本研究では,ソーシャルメディアのテキストからうつ病の早期発症を検出する手法に焦点をあてる。
論文 参考訳(メタデータ) (2020-11-03T13:34:04Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳(メタデータ) (2020-08-09T20:22:52Z) - 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) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳(メタデータ) (2020-01-13T13:54:36Z)
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。