論文の概要: Depression Detection Using Digital Traces on Social Media: A
Knowledge-aware Deep Learning Approach
- arxiv url: http://arxiv.org/abs/2303.05389v1
- Date: Mon, 6 Mar 2023 20:08:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 14:05:04.873468
- Title: Depression Detection Using Digital Traces on Social Media: A
Knowledge-aware Deep Learning Approach
- Title（参考訳）: ソーシャルメディア上のデジタルトレースを用いた抑うつ検出 : 知識を考慮した深層学習アプローチ
- Authors: Wenli Zhang, Jiaheng Xie, Xiang Liu, Zhu Zhang
- Abstract要約: うつ病は世界中でよく見られる病気だ。診断は困難であり、診断が下にある。
うつ病患者は、常に症状、主要なライフイベント、治療をソーシャルメディアで共有しているため、研究者はうつ病検出のためにソーシャルメディア上でユーザー生成のデジタルトレースに目を向けている。
本稿では,抑うつリスクのあるソーシャルメディア利用者を正確に検出し,その検出に寄与する重要な要因を説明するために,Deep Knowledge-Aware Depression Detection (DKDD)フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 17.07576768682415
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Depression is a common disease worldwide. It is difficult to diagnose and
continues to be underdiagnosed. Because depressed patients constantly share
their symptoms, major life events, and treatments on social media, researchers
are turning to user-generated digital traces on social media for depression
detection. Such methods have distinct advantages in combating depression
because they can facilitate innovative approaches to fight depression and
alleviate its social and economic burden. However, most existing studies lack
effective means to incorporate established medical domain knowledge in
depression detection or suffer from feature extraction difficulties that impede
greater performance. Following the design science research paradigm, we propose
a Deep Knowledge-aware Depression Detection (DKDD) framework to accurately
detect social media users at risk of depression and explain the critical
factors that contribute to such detection. Extensive empirical studies with
real-world data demonstrate that, by incorporating domain knowledge, our method
outperforms existing state-of-the-art methods. Our work has significant
implications for IS research in knowledge-aware machine learning, digital
traces utilization, and NLP research in IS. Practically, by providing early
detection and explaining the critical factors, DKDD can supplement clinical
depression screening and enable large-scale evaluations of a population's
mental health status.
- Abstract（参考訳）: うつ病は世界中で一般的な病気です。
診断は困難であり、診断下にある。
うつ病患者は、常に症状、主要なライフイベント、治療をソーシャルメディアで共有しているため、研究者はうつ病検出のためにソーシャルメディア上でユーザー生成のデジタルトレースに目を向けている。
このような手法は、うつ病と戦う革新的なアプローチを促進し、社会的・経済的負担を軽減することができるため、うつ病と戦う上で明確な利点がある。
しかし、既存の研究の多くは、確立された医学領域の知識をうつ病の検出に組み込む効果的な手段を欠いている。
デザイン科学研究パラダイムに従って,ソーシャルメディア利用者の抑うつリスクを正確に検出し,その検出に寄与する重要な要因を説明するための,dkdd(deep knowledge-aware depression detection)フレームワークを提案する。
実世界のデータを用いた広範囲な実証研究により、ドメイン知識を組み込むことで、この手法が既存の最先端の手法を上回ることを証明します。
本研究は,知識を考慮した機械学習,デジタルトレース利用,およびISにおけるNLP研究において,IS研究に大きな影響を及ぼす。
実際、dkddは早期発見と重要な要因を説明することによって、臨床的うつ病スクリーニングを補完し、人口の精神状態の大規模評価を可能にする。
関連論文リスト
- EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。
言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
論文 参考訳（メタデータ） (2024-03-28T10:31:09Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳（メタデータ） (2023-10-11T02:47:21Z) - Detect Depression from Social Networks with Sentiment Knowledge Sharing [8.466443392957961]
我々は、うつ病と否定的な感情状態の間に強い相関関係を示す徹底的な調査を行う。
本稿では、共有感情知識を利用して抑うつ検出の有効性を高めるマルチタスクトレーニングフレームワークDeSKを提案する。
論文 参考訳（メタデータ） (2023-06-13T05:16:18Z) - What Symptoms and How Long? An Interpretable AI Approach for Depression
Detection in Social Media [0.5156484100374058]
うつ病は最も一般的で深刻な精神疾患であり、重大な財政的・社会的影響をもたらす。
本研究は、ソーシャルメディアにおける抑うつ検出のための新しい解釈可能な深層学習モデルを用いて、IS文献に寄与する。
論文 参考訳（メタデータ） (2023-05-18T20:15:04Z) - 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) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - 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) - 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) - 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)
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。