論文の概要: Using Open-Ended Stressor Responses to Predict Depressive Symptoms
across Demographics
- arxiv url: http://arxiv.org/abs/2211.07932v1
- Date: Tue, 15 Nov 2022 06:34:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 14:26:17.599610
- Title: Using Open-Ended Stressor Responses to Predict Depressive Symptoms
across Demographics
- Title(参考訳): オープンエンディングストレス応答を用いたデモグラフィーにおける抑うつ症状の予測
- Authors: Carlos Aguirre, Mark Dredze, Philip Resnik
- Abstract要約: 本研究では,ストレスに関するオープンエンドテキスト応答と,性別・人種・民族間の抑うつ症状との関連について検討した。
我々は、トピックモデルやその他のNLPツールを使用して、人口集団間でのストレスを報告する際に、テーマと語彙の違いを見つける。
抑うつ症状を予測し,ストレスと抑うつの関係を見出すために,自己報告型ストレスダーを用いた言語モデルを訓練した。
- 参考スコア(独自算出の注目度): 22.476706522778994
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Stressors are related to depression, but this relationship is complex. We
investigate the relationship between open-ended text responses about stressors
and depressive symptoms across gender and racial/ethnic groups. First, we use
topic models and other NLP tools to find thematic and vocabulary differences
when reporting stressors across demographic groups. We train language models
using self-reported stressors to predict depressive symptoms, finding a
relationship between stressors and depression. Finally, we find that
differences in stressors translate to downstream performance differences across
demographic groups.
- Abstract(参考訳): ストレスはうつ病に関連するが、この関係は複雑である。
本研究では,ストレスに関するオープンエンドテキスト応答と,性別・人種・民族間の抑うつ症状との関連について検討した。
まず,トピックモデルなどのnlpツールを用いて,グループ間でストレスを報告する際に,テーマや語彙の差異を検出する。
抑うつ症状を予測し,ストレスと抑うつの関係を見出すために,自己報告型ストレスダーを用いて言語モデルを訓練する。
最後に,ストレス要因の違いは,集団間でのダウンストリームパフォーマンスの差に繋がることがわかった。
関連論文リスト
- 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) - Improving Minority Stress Detection with Emotions [0.0]
性的・性的マイノリティの言語を理解するために、心理的ストレスモデルの有効性を評価するために、マイノリティ・ストレス検出の関連課題を用いる。
従来の心理的ストレスモデルではマイノリティなストレス検出が不十分であることに気付き,その性能格差を軽減するために感情注入モデルを提案する。
論文 参考訳(メタデータ) (2023-11-29T14:39:38Z) - The Relationship Between Speech Features Changes When You Get Depressed:
Feature Correlations for Improving Speed and Performance of Depression
Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。
このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文 参考訳(メタデータ) (2023-07-06T09:54:35Z) - 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) - The MuSe 2022 Multimodal Sentiment Analysis Challenge: Humor, Emotional
Reactions, and Stress [71.06453250061489]
マルチモーダル・センチメント・アナリティクス・チャレンジ(MuSe 2022)は、マルチモーダル・センチメントと感情認識に重点を置いている。
今年の課題では、(i)ドイツサッカーコーチの音声-視覚的記録を含むPassau Spontaneous Football Coach Humorデータセット、(ii)ドイツサッカーコーチのユーモアの存在をラベル付けしたHum-Reactionデータセット、(ii)感情的表情強度に対して個人の反応が注釈付けされたHum-Reactionデータセット、(iii)ストレス的態度における人々の継続的な感情的価値観をラベル付けした音声-視覚的データからなるUlm-Trier Social Stress Testデータセットの3つのデータセットを特徴としている。
論文 参考訳(メタデータ) (2022-06-23T13:34:33Z) - Exploring COVID-19 Related Stressors Using Topic Modeling [0.0]
本研究では、ソーシャルメディアデータに自然言語処理(NLP)を適用し、新型コロナウイルスパンデミック時の精神社会的ストレスを識別することを目的とする。
2月14日から,subreddit rCOVID19_ Supportから9266件のReddit投稿のデータセットを得た。
2020年 - 2021年7月19日。
その結果,ソーシャルメディアプラットフォーム上で議論されているコビッド新型コロナウイルス関連ストレス要因の傾向を可視化するダッシュボードが提示された。
論文 参考訳(メタデータ) (2022-01-12T20:22:43Z) - A Psychologically Informed Part-of-Speech Analysis of Depression in
Social Media [1.7188280334580193]
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。
論文 参考訳(メタデータ) (2021-07-31T16:23:22Z) - 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)
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。