論文の概要: Multi-task Learning for Personal Health Mention Detection on Social Media

• arxiv url: http://arxiv.org/abs/2212.05147v1
• Date: Fri, 9 Dec 2022 23:49:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 14:59:47.140621
• Title: Multi-task Learning for Personal Health Mention Detection on Social Media
• Title（参考訳）: ソーシャルメディアを用いたマルチタスク学習による健康状態の検出
• Authors: Olanrewaju Tahir Aduragba, Jialin Yu and Alexandra I. Cristea
• Abstract要約: 本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。 我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
• 参考スコア（独自算出の注目度）: 70.23889100356091
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting personal health mentions on social media is essential to complement existing health surveillance systems. However, annotating data for detecting health mentions at a large scale is a challenging task. This research employs a multitask learning framework to leverage available annotated data from a related task to improve the performance on the main task to detect personal health experiences mentioned in social media texts. Specifically, we focus on incorporating emotional information into our target task by using emotion detection as an auxiliary task. Our approach significantly improves a wide range of personal health mention detection tasks compared to a strong state-of-the-art baseline.
• Abstract（参考訳）: ソーシャルメディア上の個人の健康診断は、既存の健康監視システムを補完するために不可欠である。 しかし、大規模に健康上の言及を検知するためのデータアノテートは難しい課題である。 本研究は,マルチタスク学習フレームワークを用いて,関連するタスクから利用可能な注釈データを活用することで,ソーシャルメディアテキストに記述された個人的健康体験の検出において,メインタスクのパフォーマンスを向上させる。 具体的には,感情検出を補助タスクとして,対象タスクに感情情報を組み込むことに重点を置いている。 提案手法は, 最先端のベースラインと比較して, 幅広い個人的健康情報検出タスクを著しく改善する。

関連論文リスト

• GPT as Psychologist? Preliminary Evaluations for GPT-4V on Visual Affective Computing [74.68232970965595]
  MLLM(Multimodal large language model)は、テキスト、音声、画像、ビデオなどの複数のソースからの情報を処理し、統合するように設計されている。 本稿では、視覚的情緒的タスクと推論タスクにまたがる5つの重要な能力を持つMLLMの適用性を評価する。
  論文  参考訳（メタデータ） (2024-03-09T13:56:25Z)
• Incorporating Emotions into Health Mention Classification Task on Social Media [70.23889100356091]
  情緒的特徴を取り入れた健康言及分類のための枠組みを提案する。 我々は,ソーシャルメディアプラットフォームによる5つのHMC関連データセットに対するアプローチを評価した。 以上の結果から,感情的な知識を取り入れたHMCモデルが有効な選択肢であることが示唆された。
  論文  参考訳（メタデータ） (2022-12-09T18:38:41Z)
• Task Compass: Scaling Multi-task Pre-training with Task Prefix [122.49242976184617]
  既存の研究では、大規模教師付きタスクによるマルチタスク学習がタスク間の負の効果に悩まされていることが示されている。 タスク間の関係を探索するために,タスクプレフィックスガイド付きマルチタスク事前学習フレームワークを提案する。 我々のモデルは、幅広いタスクの強力な基盤バックボーンとして機能するだけでなく、タスク関係を分析するための探索ツールとしても実現可能である。
  論文  参考訳（メタデータ） (2022-10-12T15:02:04Z)
• User Engagement in Mobile Health Applications [0.0]
  モバイルヘルスアプリは、コミュニケーション、効率、サービスの品質を改善することで、医療エコシステムに革命をもたらしている。 低所得国や中所得国では、患者や医療従事者の健康状態や行動に関する情報の源泉としての役割も担っている。 本稿では,医療従事者や医療従事者を支援するデジタルヘルスアプリに焦点をあて,モバイルヘルスへのユーザエンゲージメントを研究するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-16T13:45:00Z)
• 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)
• MedFilter: Improving Extraction of Task-relevant Utterances from Doctor-Patient Conversations through Integration of Discourse Structure and Ontological Knowledge [14.774816839365025]
  本稿では,タスク関連発話の識別・分類における性能向上を目的としたモデリング手法 MedFilter を提案する。 我々は,7000人近い医師と患者との会話のコーパスに対して,このアプローチを評価した。
  論文  参考訳（メタデータ） (2020-10-05T18:01:38Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)
• Domain-Guided Task Decomposition with Self-Training for Detecting Personal Events in Social Media [11.638298634523945]
  ソーシャルメディアをマイニングすることで、個人的な経験や出来事を検知したり、語彙の空間性に悩まされたり、トレーニングデータに乏しかったり、発明的な辞書を作ったりする。 ラベル付きデータを広範囲に作成することの負担を軽減するため、我々は2つのステップでこれらのタスクを実行することを提案する。 鍵概念を識別してタスクをドメイン固有のサブタスクに分解し、人間のドメイン理解を活用する。 2. ラベル付きトレーニングデータの要求を減らし、協調学習を用いて各鍵概念に対する学習者の結果を組み合わせる。
  論文  参考訳（メタデータ） (2020-04-21T14:50:31Z)
• Adapting Deep Learning Methods for Mental Health Prediction on Social Media [10.102073937554488]
  メンタルヘルスは、個人の幸福のために重要な課題となる。 深層学習モデルを用いてソーシャルメディア利用者の精神状態を検出するという課題に取り組む。 ユーザが9つの異なる障害のうちの1つに苦しむかどうかを予測するバイナリ分類タスクでは、階層的な注意ネットワークが以前設定された4つの障害のベンチマークを上回っている。
  論文  参考訳（メタデータ） (2020-03-17T10:49:03Z)

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。