論文の概要: UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensemble of BERTs for
Classifying Common Mental Illnesses on Social Media Posts
- arxiv url: http://arxiv.org/abs/2304.04539v1
- Date: Mon, 10 Apr 2023 12:18:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 15:08:53.781656
- Title: UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensemble of BERTs for
Classifying Common Mental Illnesses on Social Media Posts
- Title（参考訳）: uatta-eb:不確実性を認識したテストタイムアサンブルによるソーシャルメディア上の一般的な精神疾患の分類
- Authors: Pratinav Seth and Mihir Agarwal
- Abstract要約: UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensembling of BERTs for produce reliable and well-calibrated predictions。
Reddit上の非構造化ユーザデータを分析して、None、Depression、Anxiety、Bipolar disorder、ADHD、PTSDの6種類の精神疾患の分類を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Given the current state of the world, because of existing situations around
the world, millions of people suffering from mental illnesses feel isolated and
unable to receive help in person. Psychological studies have shown that our
state of mind can manifest itself in the linguistic features we use to
communicate. People have increasingly turned to online platforms to express
themselves and seek help with their conditions. Deep learning methods have been
commonly used to identify and analyze mental health conditions from various
sources of information, including social media. Still, they face challenges,
including a lack of reliability and overconfidence in predictions resulting in
the poor calibration of the models. To solve these issues, We propose UATTA-EB:
Uncertainty-Aware Test-Time Augmented Ensembling of BERTs for producing
reliable and well-calibrated predictions to classify six possible types of
mental illnesses- None, Depression, Anxiety, Bipolar Disorder, ADHD, and PTSD
by analyzing unstructured user data on Reddit.
- Abstract（参考訳）: 世界の状況を考えると、世界中の状況から、精神疾患に苦しむ何百万人もの人々が孤立し、直接助けを得ることができないと感じている。
心理学的な研究は、私たちの心の状態がコミュニケーションに使用する言語的特徴に現れうることを示した。
人々は自分自身を表現し、彼らの状況に助けを求めるために、ますますオンラインプラットフォームに目を向けている。
ディープラーニング手法は、ソーシャルメディアを含む様々な情報ソースからメンタルヘルス状態を識別し分析するために一般的に用いられてきた。
それでも、信頼性の欠如や予測の過信など、モデルのキャリブレーション不足といった課題に直面している。
UATTA-EBを提案する: 不確かさを意識したテスト時間拡張されたBERTの組込みにより、Reddit上の構造化されていないユーザデータを解析し、None, Depression, Anxiety, Bipolar Disorder, ADHD, PTSDの6種類の精神疾患を分類できる。
関連論文リスト
- MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。
プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。
MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文 参考訳（メタデータ） (2024-10-09T13:06:40Z) - 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) - LOST: A Mental Health Dataset of Low Self-esteem in Reddit Posts [4.6071451559137175]
低自尊心と対人欲求は、うつ病や自殺の試みに大きな影響を及ぼす。
個人は、孤独を増進し緩和するためにソーシャルメディア上の社会的つながりを求めます。
Reddit上での低自己評価を研究・検出するために,心理学的根拠と専門的な注釈付きデータセット,LoST: Low Self esTeemを紹介した。
論文 参考訳（メタデータ） (2023-06-08T23:52:35Z) - 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) - Towards Knowledge-based Mining of Mental Disorder Patterns from Textual
Data [0.0]
メンタルヘルス障害は、すべての国の経済と健康に深刻な影響をもたらす可能性がある。
精神疾患の早期徴候の特定は不可欠である。
例えば、うつ病は個人の自殺リスクを高める可能性がある。
論文 参考訳（メタデータ） (2022-07-07T10:04:43Z) - 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) - Then and Now: Quantifying the Longitudinal Validity of Self-Disclosed
Depression Diagnoses [15.002282686061905]
精神的な健康診断の自己開示は、時間とともに実際にどのような関係があるのか?
我々は5年以上前にうつ病の診断をソーシャルメディアで公表した個人による最近の活動を分析した。
自己開示診断を用いてキュレートしたデータセットにおける人格関連バイアスの存在の証拠を拡大した。
論文 参考訳（メタデータ） (2022-06-22T15:02:03Z) - 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) - Detection and Classification of mental illnesses on social media using
RoBERTa [0.3753841394482697]
本研究では,うつ病,不安,双極性障害,ADHD,PTSDの5種類の精神疾患を検出し,分類する。
われわれの研究は、RoBERTaのようなTransformerベースのアーキテクチャを使って人々の感情や心理学を分析する最初のマルチクラスモデルであると信じている。
論文 参考訳（メタデータ） (2020-11-23T05:54:46Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z)
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。