論文の概要: A Psychologically Informed Part-of-Speech Analysis of Depression in Social Media

• arxiv url: http://arxiv.org/abs/2108.00279v1
• Date: Sat, 31 Jul 2021 16:23:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-04 13:45:05.759417
• Title: A Psychologically Informed Part-of-Speech Analysis of Depression in Social Media
• Title（参考訳）: 心理的インフォームドによるソーシャルメディアの抑うつの分析
• Authors: Ana-Maria Bucur, Ioana R. Podin\u{a} and Liviu P. Dinu
• Abstract要約: 私たちは、Early Risk Prediction on the Internet Workshop (eRisk) 2018のうつ病データセットを使用します。 その結果, うつ病者と非うつ病者の間に統計的に有意な差が認められた。 我々の研究は、抑うつした個人がソーシャルメディアプラットフォーム上で自己表現している方法に関する洞察を提供する。
• 参考スコア（独自算出の注目度）: 1.7188280334580193
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we provide an extensive part-of-speech analysis of the discourse of social media users with depression. Research in psychology revealed that depressed users tend to be self-focused, more preoccupied with themselves and ruminate more about their lives and emotions. Our work aims to make use of large-scale datasets and computational methods for a quantitative exploration of discourse. We use the publicly available depression dataset from the Early Risk Prediction on the Internet Workshop (eRisk) 2018 and extract part-of-speech features and several indices based on them. Our results reveal statistically significant differences between the depressed and non-depressed individuals confirming findings from the existing psychology literature. Our work provides insights regarding the way in which depressed individuals are expressing themselves on social media platforms, allowing for better-informed computational models to help monitor and prevent mental illnesses.
• Abstract（参考訳）: 本研究では,抑うつを伴うソーシャルメディア利用者の言論を幅広く分析する。 心理学の研究によると、うつ病のユーザーは自己中心であり、自分自身に夢中になり、自分の生活や感情についてより反感を抱く傾向にある。 本研究の目的は,大規模データセットと計算手法を用いて談話の定量的探索を行うことである。 我々は、Early Risk Prediction on the Internet Workshop (eRisk) 2018から公開されているうつ病データセットを使用して、音声の特徴とそれに基づくいくつかの指標を抽出する。 その結果, 既往の心理学文献から, うつ病と非うつ病では統計的に有意な差が認められた。 我々の研究は、うつ病の個人がソーシャルメディアプラットフォーム上で自己表現する方法に関する洞察を提供し、より良い情報処理モデルによって精神疾患の監視と予防に役立つ。

関連論文リスト

• Exploring Social Media Posts for Depression Identification: A Study on Reddit Dataset [0.0]
  うつ病は個人の個人的および専門的な生活に影響を与える最も一般的な精神疾患の1つである。 本研究では,個人のうつ病を識別するためのソーシャルメディア投稿の活用の可能性について検討した。
  論文  参考訳（メタデータ） (2024-04-16T06:25:51Z)
• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• 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)
• 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)
• Affective Idiosyncratic Responses to Music [63.969810774018775]
  本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。 我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
  論文  参考訳（メタデータ） (2022-10-17T19:57:46Z)
• Data set creation and empirical analysis for detecting signs of depression from social media postings [0.0]
  うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。 我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
  論文  参考訳（メタデータ） (2022-02-07T10:24:33Z)
• An Exploratory Analysis of the Relation Between Offensive Language and Mental Health [3.333967282951668]
  我々は,自己報告型うつ病診断の有無にかかわらず,個人グループによって書かれたソーシャルメディア投稿における攻撃的言語の使用を比較するために,計算モデルを訓練する。 分析の結果,自己報告型うつ病の患者やうつ病の徴候を呈する患者では,攻撃的言語がより頻繁に使用されることが明らかとなった。
  論文  参考訳（メタデータ） (2021-05-31T11:25:07Z)
• 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)
• Affective Conditioning on Hierarchical Networks applied to Depression Detection from Transcribed Clinical Interviews [0.0]
  抑うつは、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。 我々は階層的注意ネットワークを用いて抑うつ者のインタビューを分類する。 我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
  論文  参考訳（メタデータ） (2020-06-04T20:55:22Z)
• Depressed individuals express more distorted thinking on social media [0.0]
  うつ病は世界中で障害の主な原因であるが、診断が不十分で治療が不十分であることが多い。 本稿では,うつ病を自覚した人は,無作為なサンプルよりも歪んだ思考のレベルが高いことを示す。 抑うつコホートでは, いくつかの歪んだ思考が, 特にパーソナライズと感情的推論の2倍以上の傾向を示した。
  論文  参考訳（メタデータ） (2020-02-07T14:18:53Z)

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。