論文の概要: Depression detection in social media posts using affective and social norm features

• arxiv url: http://arxiv.org/abs/2303.14279v1
• Date: Fri, 24 Mar 2023 21:26:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 20:56:42.840933
• Title: Depression detection in social media posts using affective and social norm features
• Title（参考訳）: 感情的・社会的規範的特徴を用いたソーシャルメディア投稿の抑うつ検出
• Authors: Ilias Triantafyllopoulos, Georgios Paraskevopoulos, Alexandros Potamianos
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 84.12658971655253
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a deep architecture for depression detection from social media posts. The proposed architecture builds upon BERT to extract language representations from social media posts and combines these representations using an attentive bidirectional GRU network. We incorporate affective information, by augmenting the text representations with features extracted from a pretrained emotion classifier. Motivated by psychological literature we propose to incorporate profanity and morality features of posts and words in our architecture using a late fusion scheme. Our analysis indicates that morality and profanity can be important features for depression detection. We apply our model for depression detection on Reddit posts on the Pirina dataset, and further consider the setting of detecting depressed users, given multiple posts per user, proposed in the Reddit RSDD dataset. The inclusion of the proposed features yields state-of-the-art results in both settings, namely 2.65% and 6.73% absolute improvement in F1 score respectively. Index Terms: Depression detection, BERT, Feature fusion, Emotion recognition, profanity, morality
• Abstract（参考訳）: ソーシャルメディア投稿からの抑うつ検出のための深いアーキテクチャを提案する。 提案アーキテクチャはBERTに基づいてソーシャルメディア投稿から言語表現を抽出し、注意深い双方向GRUネットワークを用いてこれらの表現を組み合わせる。 我々は,事前学習された感情分類器から抽出した特徴をテキスト表現の強化により感情情報を取り込む。 心理学的文献に動機づけられた我々は,後期融合方式を用いて,ポストとワードの表現性と道徳性を建築に取り入れることを提案する。 分析の結果,抑うつ検出にはモラルや偏見が重要であることが示された。 我々は,pirinaデータセット上のreddit投稿に対する抑うつ検出モデルを適用し,さらに,reddit rsddデータセットで提案されている1ユーザあたりの複数の投稿に対して抑うつのあるユーザを検出する設定について検討する。 提案された機能の追加は、それぞれ2.65%と6.73%のf1スコアの絶対的な改善という両方の設定で最先端の結果をもたらす。 指標項:抑うつ検出、BERT、特徴融合、感情認識、憎悪、道徳

関連論文リスト

• Enhancing Depressive Post Detection in Bangla: A Comparative Study of TF-IDF, BERT and FastText Embeddings [0.0]
  本研究は,バングラにおける抑うつ的なソーシャルメディア投稿を識別する手法を提案する。 ドメインの専門家によって注釈付けされたこの研究で使用されるデータセットには、抑うつ的ポストと非抑うつ的ポストの両方が含まれている。 クラス不均衡の問題に対処するために,マイノリティクラスに対するランダムなオーバーサンプリングを利用した。
  論文  参考訳（メタデータ） (2024-07-12T11:40:17Z)
• 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)
• DEMASQ: Unmasking the ChatGPT Wordsmith [63.8746084667206]
  そこで本研究では,ChatGPT生成内容を正確に識別する効果的なChatGPT検出器DEMASQを提案する。 提案手法は, 人為的, 機械的, 人為的, 人為的, 機械的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人
  論文  参考訳（メタデータ） (2023-11-08T21:13:05Z)
• The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection [69.88072583383085]
  この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。 このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
  論文  参考訳（メタデータ） (2023-07-06T09:54:35Z)
• Detection of depression on social networks using transformers and ensembles [3.997016051942249]
  ソーシャルメディア投稿からの抑うつ検出のための学習済み言語モデルに基づく大規模分類器を複数構築する。 われわれは、RedditとTwitterのソーシャルプラットフォームによる2つのデータ集合におけるモデルの性能を分析した。
  論文  参考訳（メタデータ） (2023-05-09T10:21:14Z)
• 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)
• A Psychologically Informed Part-of-Speech Analysis of Depression in Social Media [1.7188280334580193]
  私たちは、Early Risk Prediction on the Internet Workshop (eRisk) 2018のうつ病データセットを使用します。 その結果, うつ病者と非うつ病者の間に統計的に有意な差が認められた。 我々の研究は、抑うつした個人がソーシャルメディアプラットフォーム上で自己表現している方法に関する洞察を提供する。
  論文  参考訳（メタデータ） (2021-07-31T16:23:22Z)
• 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)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。