論文の概要: Machine Learning Algorithms for Depression Detection and Their Comparison

• arxiv url: http://arxiv.org/abs/2301.03222v1
• Date: Mon, 9 Jan 2023 09:34:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 15:58:05.051941
• Title: Machine Learning Algorithms for Depression Detection and Their Comparison
• Title（参考訳）: 抑うつ検出のための機械学習アルゴリズムとその比較
• Authors: Danish Muzafar, Furqan Yaqub Khan, Mubashir Qayoom
• Abstract要約: 我々は、ソーシャルメディア利用者の行動を分析して、オンラインソーシャルメディア利用者の自動抑うつ検知を設計した。 その根底にある分類器は、感情的人工知能の最先端技術を使って作られている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Textual emotional intelligence is playing a ubiquitously important role in leveraging human emotions on social media platforms. Social media platforms are privileged with emotional content and are leveraged for various purposes like opinion mining, emotion mining, and sentiment analysis. This data analysis is also levered for the prevention of online bullying, suicide prevention, and depression detection among social media users. In this article, we have designed an automatic depression detection of online social media users by analyzing their social media behavior. The designed depression detection classification can be effectively used to mine user's social media interactions and one can determine whether a social media user is suffering from depression or not. The underlying classifier is made using state-of-art technology in emotional artificial intelligence which includes LSTM (Long Short Term Memory) and other machine learning classifiers. The highest accuracy of the classifier is around 70% of LSTM and for SVM the highest accuracy is 81.79%. We trained the classifier on the datasets that are widely used in literature for emotion mining tasks. A confusion matrix of results is also given.
• Abstract（参考訳）: テキスト的感情知性は、ソーシャルメディアプラットフォーム上で人間の感情を活用する上で、ユビキタスに重要な役割を担っている。 ソーシャルメディアプラットフォームには感情的なコンテンツが特権化されており、意見マイニング、感情マイニング、感情分析など様々な目的で活用されている。 このデータ分析は、ソーシャルメディア利用者のオンラインいじめ、自殺防止、抑うつ検出の防止にも利用される。 本稿では,ソーシャルメディア利用者の行動を分析することで,オンラインソーシャルメディア利用者の自動抑うつ検出を設計した。 デザインされたうつ病検出分類は、ユーザのソーシャルメディアインタラクションのマイニングに効果的に使用することができ、ソーシャルメディアユーザーがうつ病に苦しんでいるかを判断することができる。 基礎となる分類器は、LSTM(Long Short Term Memory)やその他の機械学習分類器を含む感情人工知能の最先端技術を用いて作られている。 分類器の最高精度はLSTMの約70%であり、SVMの最高精度は81.79%である。 感情マイニングタスクの文献で広く使われているデータセットで分類器を訓練した。 結果の混乱行列も与えられる。

関連論文リスト

• Depression detection from Social Media Bangla Text Using Recurrent Neural Networks [1.1874952582465599]
  ソーシャルメディア投稿の感情を分析し、社会に対する肯定的、否定的、感情的な行動を検出することができる。 感情分析における重要な課題の1つは、精神疾患の根本原因であるソーシャルメディアのテキストから落ち込んだテキストを特定することである。 本稿では,抑うつに着目した感情分析を行うために,Facebookのテキストに自然言語処理手法を適用した。
  論文  参考訳（メタデータ） (2024-12-08T08:53:51Z)
• 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)
• 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)
• 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)
• 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)
• Accurate Emotion Strength Assessment for Seen and Unseen Speech Based on Data-Driven Deep Learning [70.30713251031052]
  本研究では,データ駆動型深層学習モデル,すなわちSenseNetを提案する。 実験の結果,提案した強度ネットの予測感情強度は,目視と目視の両方の真理値と高い相関性を示した。
  論文  参考訳（メタデータ） (2022-06-15T01:25:32Z)
• Validating daily social media macroscopes of emotions [0.12656629989060433]
  われわれはオンライン新聞で大規模な調査を行い、ユーザーから毎日の情緒的状態の自己報告を収集した。 同じオンラインプラットフォーム上でのユーザディスカッションの感情分析の結果と比較した。 両プラットフォームにおいて,テキスト分析結果と自己報告感情のレベルとの間には強い相関関係が認められた。
  論文  参考訳（メタデータ） (2021-08-17T14:28:56Z)
• Social media emotion macroscopes reflect emotional experiences in society at large [0.12656629989060433]
  ソーシャルメディアは、大規模かつ長期間にわたって人間の行動に関するデータを生成する。 近年の研究では、ソーシャルメディアの感情と個人レベルでの質問票の相関が弱いことが示されている。 社会全体のレベルでの感情の時間的進化を追跡するために、ソーシャルメディアの感情マクロスコープの有効性を検証した研究はない。
  論文  参考訳（メタデータ） (2021-07-28T09:40:42Z)
• Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction [55.47134146639492]
  この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。 実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-06T06:26:15Z)
• DepressionNet: A Novel Summarization Boosted Deep Framework for Depression Detection on Social Media [12.820775223409857]
  Twitterは、ユーザーが生成したコンテンツを共有できる人気のオンラインソーシャルメディアプラットフォームである。 応用の1つは、うつ病などの精神疾患を自動的に発見することである。 オンラインソーシャルメディア上で、抑うつされたユーザーを自動的に検出する以前の研究は、ユーザー行動と言語パターンに大きく依存している。
  論文  参考訳（メタデータ） (2021-05-23T08:05:53Z)
• Machine Learning-based Approach for Depression Detection in Twitter Using Content and Activity Features [0.0]
  近年の研究では、ソーシャルメディアサイトの利用率とうつ病の増加の相関が示されている。 本研究の目的は、ネットワークの振る舞いとつぶやきの両方に基づいて、潜在的に落ち込んだTwitterユーザーを検出する機械学習技術を活用することである。
  論文  参考訳（メタデータ） (2020-03-09T11:27:39Z)

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。