論文の概要: An ensemble deep learning technique for detecting suicidal ideation from posts in social media platforms

• arxiv url: http://arxiv.org/abs/2112.10609v1
• Date: Fri, 17 Dec 2021 15:34:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-23 08:58:33.472293
• Title: An ensemble deep learning technique for detecting suicidal ideation from posts in social media platforms
• Title（参考訳）: ソーシャルメディアプラットフォームにおける投稿からの自殺思考検出のためのアンサンブル深層学習手法
• Authors: Shini Renjith, Annie Abraham, Surya B.Jyothi, Lekshmi Chandran, Jincy Thomson
• Abstract要約: 本稿ではLSTM-Attention-CNN複合モデルを提案する。 提案されたモデルは90.3%の精度、F1スコア92.6%の精度を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Suicidal ideation detection from social media is an evolving research with great challenges. Many of the people who have the tendency to suicide share their thoughts and opinions through social media platforms. As part of many researches it is observed that the publicly available posts from social media contain valuable criteria to effectively detect individuals with suicidal thoughts. The most difficult part to prevent suicide is to detect and understand the complex risk factors and warning signs that may lead to suicide. This can be achieved by identifying the sudden changes in a user behavior automatically. Natural language processing techniques can be used to collect behavioral and textual features from social media interactions and these features can be passed to a specially designed framework to detect anomalies in human interactions that are indicators of suicidal intentions. We can achieve fast detection of suicidal ideation using deep learning and/or machine learning based classification approaches. For such a purpose, we can employ the combination of LSTM and CNN models to detect such emotions from posts of the users. In order to improve the accuracy, some approaches like using more data for training, using attention model to improve the efficiency of existing models etc. could be done. This paper proposes a LSTM-Attention-CNN combined model to analyze social media submissions to detect any underlying suicidal intentions. During evaluations, the proposed model demonstrated an accuracy of 90.3 percent and an F1-score of 92.6 percent, which is greater than the baseline models.
• Abstract（参考訳）: ソーシャルメディアからの自殺イデオレーション検出は、大きな課題を持つ進化的な研究である。 自殺傾向の人の多くは、ソーシャルメディアプラットフォームを通じて意見や意見を共有している。 多くの研究の一環として、ソーシャルメディアから公開されている投稿には自殺思考を持つ個人を効果的に検出するための貴重な基準が含まれていることが観察された。 自殺を防ぐための最も難しい部分は、自殺につながる複雑な危険因子や警告の兆候を検出し、理解することである。 これは、ユーザー行動の突然の変化を自動的に識別することで達成できる。 自然言語処理技術は、ソーシャルメディアのインタラクションから行動やテキストの特徴を収集するために利用することができ、これらの機能は、自殺意図の指標である人間のインタラクションの異常を検出するために特別に設計されたフレームワークに渡される。 深層学習および/または機械学習に基づく分類アプローチを用いて,自殺イデオレーションの迅速検出を実現する。 このような目的のために,LSTMモデルとCNNモデルを組み合わせることで,ユーザの投稿からそのような感情を検出することができる。 精度を向上させるために、トレーニングにより多くのデータを使うこと、既存のモデルの効率を改善するためにアテンションモデルを使用することなど、いくつかのアプローチが可能である。 本稿ではLSTM-Attention-CNN複合モデルを提案する。 評価中、提案モデルは精度が90.3%、f1-scoreが92.6%であり、これはベースラインモデルよりも大きい。

関連論文リスト

• Leveraging Large Language Models for Suicide Detection on Social Media with Limited Labels [3.1399304968349186]
  本稿では,テキストベースのソーシャルメディア投稿における自殺的内容を自動的に検出するLarge Language Models (LLMs) について検討する。 我々は,Qwen2-72B-インストラクションの促進とLlama3-8B,Llama3.1-8B,Gemma2-9Bなどの微調整モデルを用いたアンサンブルアプローチを開発した。 実験の結果,アンサンブルモデルでは個々のモデルと比較して5%の精度で検出精度が向上した。
  論文  参考訳（メタデータ） (2024-10-06T14:45:01Z)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• SOS-1K: A Fine-grained Suicide Risk Classification Dataset for Chinese Social Media Analysis [22.709733830774788]
  本研究では,自殺リスクの詳細な分類を目的とした,中国のソーシャルメディアデータセットを提案する。 事前訓練した7つのモデルについて, 自殺リスクが高い, 自殺リスクが少ない, 自殺リスクの細かい分類が0～10の2つのタスクで評価された。 ディープラーニングモデルは高い自殺リスクと低い自殺リスクを区別する上で優れた性能を示し、最良のモデルはF1スコア88.39%である。
  論文  参考訳（メタデータ） (2024-04-19T06:58:51Z)
• Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
  自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。 我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。 我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
  論文  参考訳（メタデータ） (2024-04-18T12:33:57Z)
• Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted Outcomes to Analyze Longitudinal Social Media Data [2.76101452577748]
  新型コロナウイルスのパンデミックは世界中でメンタルヘルスの危機をエスカレートしている。 自殺は、恥、虐待、放棄、うつ病のような精神状態などの社会的要因によって引き起こされる。 これらの状況が発展するにつれて、自殺的思考の兆候がソーシャルメディアの相互作用に現れる可能性がある。
  論文  参考訳（メタデータ） (2023-12-13T17:15:12Z)
• 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)
• Order-Disorder: Imitation Adversarial Attacks for Black-box Neural Ranking Models [48.93128542994217]
  ブラックボックスニューラルパスランキングモデルに対する模倣逆攻撃を提案する。 重要クエリ/候補を列挙することで,対象経路ランキングモデルを透明化し,模倣することができることを示す。 また,一対の目的関数によって強化された革新的な勾配に基づく攻撃手法を提案し,敵の引き金を発生させる。
  論文  参考訳（メタデータ） (2022-09-14T09:10:07Z)
• A Quantitative and Qualitative Analysis of Suicide Ideation Detection using Deep Learning [5.192118773220605]
  本稿では,競合するソーシャルメディアによる自殺検知・予測モデルを再現した。 複数のデータセットと異なる最先端ディープラーニングモデルを用いて自殺思考の検出の可能性を検討した。
  論文  参考訳（メタデータ） (2022-06-17T10:23:37Z)
• Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
  自律運転システムには2つの主要なアルゴリズムアプローチがある。 ディープラーニングだけでは、多くの分野で最先端の結果が得られています。 しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
  論文  参考訳（メタデータ） (2022-03-28T20:29:50Z)
• Detecting Potentially Harmful and Protective Suicide-related Content on Twitter: A Machine Learning Approach [0.1582078748632554]
  我々は大量のTwitterデータを自動ラベル付けするために機械学習手法を適用した。 2つのディープラーニングモデルが2つの分類タスクで最高のパフォーマンスを達成した。 本研究は, 各種ソーシャルメディアコンテンツが自殺率, ヘルプ・サーキング行動に与える影響について, 今後の大規模調査を可能にするものである。
  論文  参考訳（メタデータ） (2021-12-09T09:35:48Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)

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。