論文の概要: Detecting Reddit Users with Depression Using a Hybrid Neural Network SBERT-CNN

• arxiv url: http://arxiv.org/abs/2302.02759v2
• Date: Mon, 29 Jan 2024 16:59:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 00:56:04.283019
• Title: Detecting Reddit Users with Depression Using a Hybrid Neural Network SBERT-CNN
• Title（参考訳）: ハイブリッドニューラルネットワークSBERT-CNNによるRedditユーザの抑うつ検出
• Authors: Ziyi Chen, Ren Yang, Sunyang Fu, Nansu Zong, Hongfang Liu, Ming Huang
• Abstract要約: うつ病は広範なメンタルヘルスの問題であり、世界の人口の3.8%に影響を及ぼしている。 本稿では,事前訓練された文BERT(SBERT)と畳み込みニューラルネットワーク(CNN)を組み合わせたハイブリッドディープラーニングモデルを提案する。 このモデルは精度0.86とF1スコア0.86を達成し、文学における他の機械学習モデルによる最先端の文書化結果(F1スコア0.79)を上回った。
• 参考スコア（独自算出の注目度）: 18.32536789799511
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depression is a widespread mental health issue, affecting an estimated 3.8% of the global population. It is also one of the main contributors to disability worldwide. Recently it is becoming popular for individuals to use social media platforms (e.g., Reddit) to express their difficulties and health issues (e.g., depression) and seek support from other users in online communities. It opens great opportunities to automatically identify social media users with depression by parsing millions of posts for potential interventions. Deep learning methods have begun to dominate in the field of machine learning and natural language processing (NLP) because of their ease of use, efficient processing, and state-of-the-art results on many NLP tasks. In this work, we propose a hybrid deep learning model which combines a pretrained sentence BERT (SBERT) and convolutional neural network (CNN) to detect individuals with depression with their Reddit posts. The sentence BERT is used to learn the meaningful representation of semantic information in each post. CNN enables the further transformation of those embeddings and the temporal identification of behavioral patterns of users. We trained and evaluated the model performance to identify Reddit users with depression by utilizing the Self-reported Mental Health Diagnoses (SMHD) data. The hybrid deep learning model achieved an accuracy of 0.86 and an F1 score of 0.86 and outperformed the state-of-the-art documented result (F1 score of 0.79) by other machine learning models in the literature. The results show the feasibility of the hybrid model to identify individuals with depression. Although the hybrid model is validated to detect depression with Reddit posts, it can be easily tuned and applied to other text classification tasks and different clinical applications.
• Abstract（参考訳）: うつ病は広範な精神疾患であり、世界の人口の3.8%に影響を与えている。 また、世界中の障害に対する主要な貢献者の一人でもある。 近年、個人がソーシャルメディアプラットフォーム(Redditなど)を使って困難や健康上の問題(うつ病など)を表現し、オンラインコミュニティの他のユーザーからの支持を求めることが人気になっている。 何百万もの投稿を解析して、うつ病のあるソーシャルメディアユーザーを自動的に特定する絶好の機会だ。 ディープラーニングの手法が機械学習や自然言語処理(NLP)の分野で優位になってきたのは、その使いやすさ、効率的な処理、そして多くのNLPタスクにおける最先端の結果からである。 本研究では,事前訓練された文BERT(SBERT)と畳み込みニューラルネットワーク(CNN)を組み合わせたハイブリッドディープラーニングモデルを提案する。 BERTという文は、各ポストで意味のある意味情報の表現を学ぶために使われる。 cnnは、埋め込みのさらなる変換とユーザーの行動パターンの時間的識別を可能にする。 自己報告型メンタルヘルス診断(SMHD)データを用いて、Redditユーザをうつ病で識別するためのモデルパフォーマンスを訓練・評価した。 ハイブリッドディープラーニングモデルは精度0.86とF1スコア0.86を達成し、文献における他の機械学習モデルによる最先端の文書化結果(F1スコア0.79)を上回った。 その結果,うつ病患者を識別するハイブリッドモデルの実現可能性を示した。 ハイブリッドモデルはReddit投稿による抑うつを検知するために検証されているが、他のテキスト分類タスクや異なる臨床応用に簡単に調整および適用することができる。

関連論文リスト

• DepressionEmo: A novel dataset for multilabel classification of depression emotions [6.26397257917403]
  DepressionEmoは、Redditの長いユーザー投稿の6037例によって、うつ病に関連する8つの感情を検出するために設計されたデータセットである。 このデータセットは、事前訓練されたモデルのゼロショット分類による入力に対する多数決によって作成された。 本稿では,SVM,XGBoost,Light GBMなどの機械学習手法と,BERT,GAN-BERT,BARTなどのディープラーニング手法の2つのグループに分類されるテキスト分類手法を提案する。
  論文  参考訳（メタデータ） (2024-01-09T16:25:31Z)
• 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)
• SERCNN: Stacked Embedding Recurrent Convolutional Neural Network in Detecting Depression on Twitter [2.535271349350579]
  異なるドメインから事前学習した2つの埋め込みを積み重ねることでユーザ表現を改善するSERCNNを提案する。 われわれのSERCNNは最新技術や他のベースラインよりも優れた性能を示し、5倍のクロスバリデーション設定で93.7%の精度を実現している。 SERCNNは1ユーザにつき10投稿まで最小限で、BERTモデルに匹敵する87%の精度で、非常によく機能した。
  論文  参考訳（メタデータ） (2022-07-29T08:08:15Z)
• 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)
• Data set creation and empirical analysis for detecting signs of depression from social media postings [0.0]
  うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。 我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
  論文  参考訳（メタデータ） (2022-02-07T10:24:33Z)
• 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)
• 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)
• 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)
• A Multitask Deep Learning Approach for User Depression Detection on Sina Weibo [6.899536164312357]
  私たちは、Sina Weibo(中国コミュニティで最もアクティブなユーザ数の多いOSN)に大規模なデータセットを構築しています。 ユーザのテキスト、社会的行動、投稿された画像を分析して10の統計的特徴を結論し、提案する。 新しいディープニューラルネットワーク分類モデルであるFusionNetが提案され、上記の特徴を同時に訓練する。
  論文  参考訳（メタデータ） (2020-08-26T17:53:17Z)
• Self-PU: Self Boosted and Calibrated Positive-Unlabeled Training [118.10946662410639]
  本稿では,PU学習と自己学習をシームレスに統合する,新しい自己学習フレームワークを提案する。 Self-PUは3つの"自己"指向のビルディングブロックを強調している。 本稿では,アルツハイマー病の脳画像の分類という,PU学習の現実的応用について検討する。
  論文  参考訳（メタデータ） (2020-06-22T17:53:59Z)

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。