論文の概要: Detect Depression from Social Networks with Sentiment Knowledge Sharing

• arxiv url: http://arxiv.org/abs/2306.14903v1
• Date: Tue, 13 Jun 2023 05:16:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-02 13:26:04.225457
• Title: Detect Depression from Social Networks with Sentiment Knowledge Sharing
• Title（参考訳）: 感覚的知識共有によるソーシャルネットワークの抑うつ検出
• Authors: Yan Shi and Yao Tian and Chengwei Tong and Chunyan Zhu and Qianqian Li and Mengzhu Zhang and Wei Zhao and Yong Liao and Pengyuan Zhou
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.466443392957961
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social network plays an important role in propagating people's viewpoints, emotions, thoughts, and fears. Notably, following lockdown periods during the COVID-19 pandemic, the issue of depression has garnered increasing attention, with a significant portion of individuals resorting to social networks as an outlet for expressing emotions. Using deep learning techniques to discern potential signs of depression from social network messages facilitates the early identification of mental health conditions. Current efforts in detecting depression through social networks typically rely solely on analyzing the textual content, overlooking other potential information. In this work, we conduct a thorough investigation that unveils a strong correlation between depression and negative emotional states. The integration of such associations as external knowledge can provide valuable insights for detecting depression. Accordingly, we propose a multi-task training framework, DeSK, which utilizes shared sentiment knowledge to enhance the efficacy of depression detection. Experiments conducted on both Chinese and English datasets demonstrate the cross-lingual effectiveness of DeSK.
• Abstract（参考訳）: ソーシャルネットワークは、人々の視点、感情、思考、恐怖を広める上で重要な役割を果たす。 新型コロナウイルス(COVID-19)パンデミックのロックダウン期間を経て、うつ病の問題はますます注目され、感情表現の拠点としてソーシャルネットワークを頼りにしている個人もかなりの割合を占めている。 深層学習技術を用いて、うつ病の潜在的な兆候をソーシャルネットワークメッセージから識別することで、精神状態の早期発見が容易になる。 ソーシャルネットワークを通じてうつを検知する現在の取り組みは、典型的にはテキストコンテンツの分析にのみ依存し、他の潜在的な情報を見渡す。 本研究では,抑うつ状態と負の感情状態との間に強い相関関係を明らかにした。 外部知識のような関連性の統合は、うつ病を検出する貴重な洞察を与えることができる。 そこで我々は、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。 中国語と英語の両方のデータセットで実施された実験は、DeSKの言語間効果を示す。

関連論文リスト

• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression Symptoms from Social Media Texts [0.0]
  うつ病は精神疾患であり、人々の生活に大きな影響を及ぼす。 最近の研究は、うつ病の兆候が個人のコミュニケーションの仕方で検出できることを示唆している。 ソーシャルメディア投稿は、うつ病の症状を調べるためのリッチで便利なテキストソースです。
  論文  参考訳（メタデータ） (2023-10-17T02:34:34Z)
• 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)
• 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)
• Depression Detection Using Digital Traces on Social Media: A Knowledge-aware Deep Learning Approach [17.07576768682415]
  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。
  論文  参考訳（メタデータ） (2023-03-06T20:08:07Z)
• 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 Health Pandemic during the COVID-19 Outbreak: Social Media as a Window to Public Mental Health [0.055248043932579184]
  本研究の目的は、新型コロナウイルスの感染拡大に伴う孤独なサブレディットのうつ病関連対話を特定し、分析することである。 その結果,パンデミック時に課題が報告されたうつ病関連議論の量が有意に増加した。 現在の調査結果は、ソーシャルメディアが公衆のメンタルヘルスを監視する窓として機能する可能性を示唆している。
  論文  参考訳（メタデータ） (2022-03-01T05:24:00Z)
• 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)
• 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)
• Suicidal Ideation and Mental Disorder Detection with Attentive Relation Networks [43.2802002858859]
  本稿では,語彙に基づく感情スコアと潜在トピックを用いたテキスト表現を強化する。 本研究は,自殺思考と精神障害を関連するリスク指標を用いて検出する関係ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-16T11:18:55Z)

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。