論文の概要: Detection of depression on social networks using transformers and ensembles

• arxiv url: http://arxiv.org/abs/2305.05325v1
• Date: Tue, 9 May 2023 10:21:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-10 13:07:25.588917
• Title: Detection of depression on social networks using transformers and ensembles
• Title（参考訳）: トランスフォーマーとアンサンブルを用いたソーシャルネットワーク上の抑うつの検出
• Authors: Ilija Tavchioski, Marko Robnik-\v{S}ikonja, Senja Pollak
• 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。
• 参考スコア（独自算出の注目度）: 3.997016051942249
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the impact of technology on our lives is increasing, we witness increased use of social media that became an essential tool not only for communication but also for sharing information with community about our thoughts and feelings. This can be observed also for people with mental health disorders such as depression where they use social media for expressing their thoughts and asking for help. This opens a possibility to automatically process social media posts and detect signs of depression. We build several large pre-trained language model based classifiers for depression detection from social media posts. Besides fine-tuning BERT, RoBERTA, BERTweet, and mentalBERT were also construct two types of ensembles. We analyze the performance of our models on two data sets of posts from social platforms Reddit and Twitter, and investigate also the performance of transfer learning across the two data sets. The results show that transformer ensembles improve over the single transformer-based classifiers.
• Abstract（参考訳）: 生活にテクノロジーが与える影響が増すにつれて、コミュニケーションだけでなく、私たちの考えや感情に関するコミュニティと情報を共有するための重要なツールとなったソーシャルメディアの利用が増加しているのを目撃します。 これは、うつ病などの精神疾患の患者でも、ソーシャルメディアを使って自分の思考を表現したり、助けを求めたりすることができる。 これにより、ソーシャルメディアの投稿を自動的に処理し、うつ病の兆候を検出することができる。 ソーシャルメディア投稿からの抑うつ検出のための言語モデルに基づく大規模分類器を複数構築する。 細調整されたBERTに加えて、RoBERTA、BERTweet、 mentalBERTも2種類のアンサンブルを構築した。 我々は,ソーシャルプラットフォームRedditとTwitterの2つのデータ集合におけるモデルの性能を分析し,この2つのデータ集合間の移動学習の性能についても検討した。 その結果,変圧器のアンサンブルは単一変圧器を用いた分類器よりも向上した。

関連論文リスト

• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• 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)
• Machine Learning Algorithms for Depression Detection and Their Comparison [0.0]
  我々は、ソーシャルメディア利用者の行動を分析して、オンラインソーシャルメディア利用者の自動抑うつ検知を設計した。 その根底にある分類器は、感情的人工知能の最先端技術を使って作られている。
  論文  参考訳（メタデータ） (2023-01-09T09:34:38Z)
• 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)
• Adherence to Misinformation on Social Media Through Socio-Cognitive and Group-Based Processes [79.79659145328856]
  誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。 偏光と誤情報付着が密接な関係にあると仮定する。
  論文  参考訳（メタデータ） (2022-06-30T12:34:24Z)
• 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)
• 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)
• 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)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)

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。