論文の概要: Emotion-based Modeling of Mental Disorders on Social Media

• arxiv url: http://arxiv.org/abs/2201.09451v1
• Date: Mon, 24 Jan 2022 04:41:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-25 16:16:41.795129
• Title: Emotion-based Modeling of Mental Disorders on Social Media
• Title（参考訳）: 感情に基づくソーシャルメディアにおける精神障害のモデル化
• Authors: Xiaobo Guo, Yaojia Sun, Soroush Vosoughi
• Abstract要約: 4人に1人は、ある時点で精神疾患に罹患する。 Reddit上での会話から受動的に精神障害を検出するモデルを提案する。
• 参考スコア（独自算出の注目度）: 11.945854832533234
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: According to the World Health Organization (WHO), one in four people will be affected by mental disorders at some point in their lives. However, in many parts of the world, patients do not actively seek professional diagnosis because of stigma attached to mental illness, ignorance of mental health and its associated symptoms. In this paper, we propose a model for passively detecting mental disorders using conversations on Reddit. Specifically, we focus on a subset of mental disorders that are characterized by distinct emotional patterns (henceforth called emotional disorders): major depressive, anxiety, and bipolar disorders. Through passive (i.e., unprompted) detection, we can encourage patients to seek diagnosis and treatment for mental disorders. Our proposed model is different from other work in this area in that our model is based entirely on the emotional states, and the transition between these states of users on Reddit, whereas prior work is typically based on content-based representations (e.g., n-grams, language model embeddings, etc). We show that content-based representation is affected by domain and topic bias and thus does not generalize, while our model, on the other hand, suppresses topic-specific information and thus generalizes well across different topics and times. We conduct experiments on our model's ability to detect different emotional disorders and on the generalizability of our model. Our experiments show that while our model performs comparably to content-based models, such as BERT, it generalizes much better across time and topic.
• Abstract（参考訳）: 世界保健機関(who)によると、成人の4人に1人は、ある時点で精神疾患にかかっているという。 しかし、世界中の多くの地域では、患者は精神疾患、精神疾患の無知、関連する症状により、専門的な診断を積極的に求めていない。 本稿では,Reddit上での会話を用いた受動的精神障害検出モデルを提案する。 具体的には、うつ病、不安症、双極性障害など、異なる感情パターン(感情障害と呼ばれる)を特徴とする精神障害のサブセットに焦点を当てる。 受動的(即ち無刺激)な検出によって、精神疾患の診断と治療を患者に求めることができる。 提案するモデルは,この領域における他の研究とは違って,我々のモデルは情緒的状態とReddit上のユーザの状態間の遷移に基づいているのに対して,以前の研究は典型的にはコンテンツに基づく表現(n-gram,言語モデル埋め込みなど)に基づいている。 我々は,コンテンツベースの表現がドメインやトピックのバイアスに影響され,一般化しないことを示す一方で,我々のモデルではトピック固有の情報を抑圧し,異なるトピックや時間にまたがってうまく一般化する。 我々は,モデルが異なる感情障害を検知する能力と,モデルの一般化可能性について実験を行う。 我々の実験は、BERTのようなコンテンツベースモデルと相容れない性能を示す一方で、時間とトピックをまたいだ一般化を実現していることを示している。

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)
• Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
  人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
  論文  参考訳（メタデータ） (2023-11-16T06:20:13Z)
• Language and Mental Health: Measures of Emotion Dynamics from Text as Linguistic Biosocial Markers [30.656554495536618]
  本研究では,ツィート感情動態とメンタルヘルス障害との関連について検討した。 調査対象のUEDメトリクスはそれぞれ,ユーザの自己開示診断によって異なることがわかった。 この研究は、感情力学に関連する言語的手がかりが、精神疾患のバイオ社会マーカーとして重要な役割を担っていることを示す重要な初期の証拠を提供する。
  論文  参考訳（メタデータ） (2023-10-26T13:00:26Z)
• Editing Personality for Large Language Models [73.59001811199823]
  本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。 このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
  論文  参考訳（メタデータ） (2023-10-03T16:02:36Z)
• Gendered Mental Health Stigma in Masked Language Models [38.766854150355634]
  マスキング言語モデルにおける性的なメンタルヘルスのスティグマについて検討した。 モデルでは、精神的な健康状態に関する文章の中で、男性よりも女性の被験者を予測する傾向が常に高いことが判明した。
  論文  参考訳（メタデータ） (2022-10-27T03:09:46Z)
• 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)
• Learning Triadic Belief Dynamics in Nonverbal Communication from Videos [81.42305032083716]
  非言語コミュニケーションはエージェント間で豊富な社会情報を伝達することができる。 本論文では,エージェントの精神状態を表現,モデル化,学習,推論するために,異なる非言語的コミュニケーションキューを組み込んだ。
  論文  参考訳（メタデータ） (2021-04-07T00:52:04Z)
• Detection and Classification of mental illnesses on social media using RoBERTa [0.3753841394482697]
  本研究では,うつ病,不安,双極性障害,ADHD,PTSDの5種類の精神疾患を検出し,分類する。 われわれの研究は、RoBERTaのようなTransformerベースのアーキテクチャを使って人々の感情や心理学を分析する最初のマルチクラスモデルであると信じている。
  論文  参考訳（メタデータ） (2020-11-23T05:54:46Z)
• Modality-Transferable Emotion Embeddings for Low-Resource Multimodal Emotion Recognition [55.44502358463217]
  本稿では、上記の問題に対処するため、感情を埋め込んだモダリティ変換可能なモデルを提案する。 我々のモデルは感情カテゴリーのほとんどで最先端のパフォーマンスを達成する。 私たちのモデルは、目に見えない感情に対するゼロショットと少数ショットのシナリオにおいて、既存のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-09-21T06:10:39Z)
• 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。