論文の概要: Exploring Hybrid and Ensemble Models for Multiclass Prediction of Mental
Health Status on Social Media
- arxiv url: http://arxiv.org/abs/2212.09839v1
- Date: Mon, 19 Dec 2022 20:31:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 14:53:29.491348
- Title: Exploring Hybrid and Ensemble Models for Multiclass Prediction of Mental
Health Status on Social Media
- Title（参考訳）: ソーシャルメディア上でのメンタルヘルス状態のマルチクラス予測のためのハイブリッドおよびアンサンブルモデルの検討
- Authors: Sourabh Zanwar, Daniel Wiechmann, Yu Qiao, Elma Kerz
- Abstract要約: Redditのソーシャルメディア投稿から,不安,注意欠陥多動性障害,双極性障害,外傷後ストレス障害,抑うつ,心理的ストレス)の6つの症状を予測する実験を報告する。
変圧器アーキテクチャ(BERT,RoBERTa)とBiLSTMニューラルネットワークを利用したハイブリッド・アンサンブルモデルの性能について検討・比較を行った。
また,特定の精神状態の指標として,どのような特徴が最も重要であるかを検討するために,特徴アブレーション実験を実施している。
- 参考スコア（独自算出の注目度）: 27.799032561722893
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, there has been a surge of interest in research on automatic
mental health detection (MHD) from social media data leveraging advances in
natural language processing and machine learning techniques. While significant
progress has been achieved in this interdisciplinary research area, the vast
majority of work has treated MHD as a binary classification task. The
multiclass classification setup is, however, essential if we are to uncover the
subtle differences among the statistical patterns of language use associated
with particular mental health conditions. Here, we report on experiments aimed
at predicting six conditions (anxiety, attention deficit hyperactivity
disorder, bipolar disorder, post-traumatic stress disorder, depression, and
psychological stress) from Reddit social media posts. We explore and compare
the performance of hybrid and ensemble models leveraging transformer-based
architectures (BERT and RoBERTa) and BiLSTM neural networks trained on
within-text distributions of a diverse set of linguistic features. This set
encompasses measures of syntactic complexity, lexical sophistication and
diversity, readability, and register-specific ngram frequencies, as well as
sentiment and emotion lexicons. In addition, we conduct feature ablation
experiments to investigate which types of features are most indicative of
particular mental health conditions.
- Abstract（参考訳）: 近年,自然言語処理や機械学習技術の進歩を活用したソーシャルメディアデータから,自動メンタルヘルス検出(MHD)研究への関心が高まっている。
この学際研究領域では大きな進歩を遂げているが、ほとんどの研究はmhdを二分分類タスクとして扱っている。
しかし、マルチクラス分類の設定は、特定の精神疾患に関連する言語使用の統計的パターンの微妙な違いを明らかにするために必要不可欠である。
本稿では,Redditのソーシャルメディア投稿から6つの症状(不安,注意欠陥高活動障害,双極性障害,外傷後ストレス障害,うつ病,心理的ストレス)を予測する実験を報告する。
本稿では,多種多様な言語的特徴のテキスト内分布を訓練したトランスフォーマーベースアーキテクチャ(bert,roberta)とbilstmニューラルネットワークを用いたハイブリッドモデルとアンサンブルモデルの性能の比較を行った。
このセットは、構文的複雑さ、語彙的洗練と多様性、可読性、レジスタ固有のnグラム頻度、および感情と感情の語彙の尺度を含む。
また,特定の精神状態を示す特徴の種類について検討するため,機能改善実験を実施している。
関連論文リスト
- Still Not Quite There! Evaluating Large Language Models for Comorbid Mental Health Diagnosis [9.738105623317601]
我々は、ソーシャルメディア投稿からの抑うつ不安のコorbidity分類のための、新しいファースト・オブ・イットのベンチマークであるAN GSTを紹介する。
我々は、メンタル-BERT から GPT-4 まで、様々な最先端言語モデルを用いてAN GSTをベンチマークする。
GPT-4は一般に他のモデルより優れているが、F1スコアが72%を超えるようなマルチクラスのコンコービッド分類は達成していない。
論文 参考訳（メタデータ） (2024-10-04T20:24:11Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Mental Health Diagnosis in the Digital Age: Harnessing Sentiment
Analysis on Social Media Platforms upon Ultra-Sparse Feature Content [3.6195994708545016]
3次元構造を持つ新しい意味的特徴前処理手法を提案する。
強化されたセマンティック機能により、精神障害を予測および分類するために機械学習モデルを訓練する。
提案手法は,7つのベンチマークモデルと比較して,大幅な性能向上を示した。
論文 参考訳（メタデータ） (2023-11-09T00:15:06Z) - A Simple and Flexible Modeling for Mental Disorder Detection by Learning
from Clinical Questionnaires [0.2580765958706853]
そこで本研究では,テキストから直接意味を抽出し,症状に関連する記述と比較する手法を提案する。
詳細な分析により,提案モデルがドメイン知識の活用,他の精神疾患への伝達,解釈可能な検出結果の提供に有効であることが示唆された。
論文 参考訳（メタデータ） (2023-06-05T15:23:55Z) - Behavior quantification as the missing link between fields: Tools for
digital psychiatry and their role in the future of neurobiology [0.0]
現在の技術は、行動特性を改善するためのエキサイティングな機会です。
携帯電話のGPSやスマートウォッチの加速度計などの受動的センサーストリームを連続的に収集する新機能は、新しい疑問の道を開く。
理論上、現在の技術で捉えられるものには大きな可能性があるが、それ自体は大きな計算課題である。
論文 参考訳（メタデータ） (2023-05-24T17:45:10Z) - A Hierarchical Regression Chain Framework for Affective Vocal Burst
Recognition [72.36055502078193]
本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。
データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。
提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
論文 参考訳（メタデータ） (2023-03-14T16:08:45Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - Variational Topic Inference for Chest X-Ray Report Generation [102.04931207504173]
医療画像のレポート生成は、作業負荷を減らし、臨床実習における診断を支援することを約束する。
近年の研究では、ディープラーニングモデルが自然画像のキャプションに成功していることが示された。
本稿では,自動レポート生成のための変分トピック推論を提案する。
論文 参考訳（メタデータ） (2021-07-15T13:34:38Z) - Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。
実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
論文 参考訳（メタデータ） (2021-01-22T19:49:47Z) - Multimodal Depression Severity Prediction from medical bio-markers using
Machine Learning Tools and Technologies [0.0]
うつ病は世界中の精神疾患の主要な原因となっている。
近年,うつ病の診断とステージ予測の自動化に行動的手がかりが用いられている。
ラベル付き行動データセットの欠如と、膨大な量のバリエーションが、タスクを達成する上で大きな課題であることが証明されている。
論文 参考訳（メタデータ） (2020-09-11T20:44:28Z)
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。