論文の概要: Predicting mental health using social media: A roadmap for future
development
- arxiv url: http://arxiv.org/abs/2301.10453v1
- Date: Wed, 25 Jan 2023 08:08:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-26 15:36:57.303290
- Title: Predicting mental health using social media: A roadmap for future
development
- Title(参考訳): ソーシャルメディアを用いたメンタルヘルスの予測--今後の展開に向けて
- Authors: Ramin Safa, S. A. Edalatpanah and Ali Sorourkhah
- Abstract要約: うつ病や自殺などの精神障害は、世界中で3億人以上の人々に影響を及ぼす。
ソーシャルメディア上では、精神障害の症状が観察され、自動化されたアプローチがそれらを検出する能力が高まっている。
この研究は、精神状態検出を機械学習技術に基づいて行うことができる分析のロードマップを提供する。
- 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: Mental disorders such as depression and suicidal ideation are hazardous,
affecting more than 300 million people over the world. However, on social
media, mental disorder symptoms can be observed, and automated approaches are
increasingly capable of detecting them. The considerable number of social media
users and the tremendous quantity of user-generated data on social platforms
provide a unique opportunity for researchers to distinguish patterns that
correlate with mental status. This research offers a roadmap for analysis,
where mental state detection can be based on machine learning techniques. We
describe the common approaches for predicting and identifying the disorder
using user-generated content. This research is organized according to the data
collection, feature extraction, and prediction algorithms. Furthermore, we
review several recent studies conducted to explore different features of
candidate profiles and their analytical methods. Following, we debate various
aspects of the development of experimental auto-detection frameworks for
identifying users who suffer from disorders, and we conclude with a discussion
of future trends. The introduced methods can help complement screening
procedures, identify at-risk people through social media monitoring on a large
scale, and make disorders easier to treat in the future.
- Abstract(参考訳): 抑うつや自殺といった精神疾患は危険であり、世界中で3億人以上が影響を受ける。
しかしソーシャルメディアでは、精神障害の症状が観察され、自動化されたアプローチが検出できるようになる。
膨大な数のソーシャルメディアユーザーと膨大な量のソーシャルプラットフォーム上のユーザー生成データが、研究者がメンタルステータスと相関するパターンを区別するユニークな機会を提供する。
この研究は、精神状態検出を機械学習技術に基づいて行うことができる分析のロードマップを提供する。
ユーザ生成コンテンツを用いて障害を予測・識別するための一般的なアプローチについて述べる。
この研究は、データ収集、特徴抽出、予測アルゴリズムに基づいて組織される。
さらに, 候補プロファイルの異なる特徴と解析手法について検討した最近の研究について概説する。
続いて,障害のあるユーザを識別するための実験的自動検出フレームワークの開発に関する様々な側面について議論し,今後の動向について考察する。
導入した手法はスクリーニング手順を補完し、ソーシャルメディアによる大規模監視を通じてリスクの高い人々を識別し、将来的には障害を治療しやすくする。
関連論文リスト
- Explainable Depression Symptom Detection in Social Media [2.433983268807517]
本稿では, トランスフォーマーアーキテクチャを用いて, ユーザの文章中の抑うつ症状マーカーの出現を検知し, 説明する。
我々の自然言語による説明により、臨床医はバリデーションされた症状に基づいてモデルの判断を解釈できる。
論文 参考訳(メタデータ) (2023-10-20T17:05:27Z) - Harnessing the Power of Hugging Face Transformers for Predicting Mental
Health Disorders in Social Networks [0.0]
本研究では、ユーザ生成データを用いて精神疾患の症状を予測する方法について検討する。
本研究は,Hugging Faceの4種類のBERTモデルと標準的な機械学習技術を比較した。
新しいモデルは、最大97%の精度で以前のアプローチより優れている。
論文 参考訳(メタデータ) (2023-06-29T12:25:19Z) - An Annotated Dataset for Explainable Interpersonal Risk Factors of
Mental Disturbance in Social Media Posts [0.0]
ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。
我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
論文 参考訳(メタデータ) (2023-05-30T04:08:40Z) - 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) - 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) - 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) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳(メタデータ) (2022-03-03T17:19:12Z) - 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) - Social Behavior and Mental Health: A Snapshot Survey under COVID-19
Pandemic [6.5721468981020665]
新型コロナウイルスのパンデミックは、私たちの生活、研究、社会化、再現方法を変えました。
オンラインソーシャルメディア分析を利用してユーザーの精神状態を検出し評価する研究が増えている。
論文 参考訳(メタデータ) (2021-05-17T21:08:03Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z) - 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。