論文の概要: MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression
Symptoms from Social Media Texts
- arxiv url: http://arxiv.org/abs/2310.10941v1
- Date: Tue, 17 Oct 2023 02:34:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 18:02:50.851885
- Title: MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression
Symptoms from Social Media Texts
- Title（参考訳）: eRisk 2023におけるMASON-NLP:ソーシャルメディアテキストからの深層学習による抑うつ症状の検出
- Authors: Fardin Ahsan Sakib, Ahnaf Atef Choudhury, Ozlem Uzuner
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Depression is a mental health disorder that has a profound impact on people's
lives. Recent research suggests that signs of depression can be detected in the
way individuals communicate, both through spoken words and written texts. In
particular, social media posts are a rich and convenient text source that we
may examine for depressive symptoms. The Beck Depression Inventory (BDI)
Questionnaire, which is frequently used to gauge the severity of depression, is
one instrument that can aid in this study. We can narrow our study to only
those symptoms since each BDI question is linked to a particular depressive
symptom. It's important to remember that not everyone with depression exhibits
all symptoms at once, but rather a combination of them. Therefore, it is
extremely useful to be able to determine if a sentence or a piece of
user-generated content is pertinent to a certain condition. With this in mind,
the eRisk 2023 Task 1 was designed to do exactly that: assess the relevance of
different sentences to the symptoms of depression as outlined in the BDI
questionnaire. This report is all about how our team, Mason-NLP, participated
in this subtask, which involved identifying sentences related to different
depression symptoms. We used a deep learning approach that incorporated
MentalBERT, RoBERTa, and LSTM. Despite our efforts, the evaluation results were
lower than expected, underscoring the challenges inherent in ranking sentences
from an extensive dataset about depression, which necessitates both appropriate
methodological choices and significant computational resources. We anticipate
that future iterations of this shared task will yield improved results as our
understanding and techniques evolve.
- Abstract（参考訳）: うつ病は精神疾患であり、人々の生活に大きな影響を与える。
近年の研究によると、うつ病の兆候は、話し言葉とテキストの両方を通して、個人のコミュニケーションの仕方で検出できることが示唆されている。
特にソーシャルメディアの投稿は、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。
beck depression inventory (bdi) アンケートは、うつ病の重症度を測定するために頻繁に用いられており、この研究に役立つ1つの指標である。
それぞれのBDI質問が特定のうつ症状と関連しているため、これらの症状のみに研究を絞り込むことができる。
うつ病のすべての人が一度にすべての症状を示すのではなく、それらを組み合わせていることを忘れてはなりません。
したがって、文章やユーザが生成したコンテンツが特定の条件に関係しているかどうかを判断できることは極めて有用である。
このことを念頭に、eRisk 2023 Task 1は、BDIアンケートで概説されたうつ病症状に対する異なる文の関連性を評価するために設計された。
今回の報告は、このサブタスクに我々のチームであるMason-NLPがどのように参加したかに関するものです。
我々は、MentalBERT、RoBERTa、LSTMを組み込んだディープラーニングアプローチを用いた。
我々の努力にもかかわらず、評価結果は予想よりも低く、適切な方法論の選択と重要な計算資源の両方を必要とする抑うつに関する広範なデータセットから、文章のランク付けに固有の課題を浮き彫りにした。
この共有タスクの将来的なイテレーションは、私たちの理解と技術が進化するにつれて、よりよい結果をもたらすことを期待しています。
関連論文リスト
- Exploring Social Media Posts for Depression Identification: A Study on Reddit Dataset [0.0]
うつ病は個人の個人的および専門的な生活に影響を与える最も一般的な精神疾患の1つである。
本研究では,個人のうつ病を識別するためのソーシャルメディア投稿の活用の可能性について検討した。
論文 参考訳（メタデータ） (2024-04-16T06:25:51Z) - 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) - 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) - Automatic Depression Detection: An Emotional Audio-Textual Corpus and a
GRU/BiLSTM-based Model [17.83052349861756]
うつ病は世界的なメンタルヘルスの問題であり、最悪のケースは自殺につながる可能性がある。
参加者のインタビューから音声の特徴と言語内容を利用した抑うつ検出手法を提案する。
うつ病や非うつ病のボランティアから音声と回答の書き起こしを抽出した情緒的音声テキスト圧縮コーパス(EATD-Corpus)を構築した。
論文 参考訳（メタデータ） (2022-02-15T03:29:39Z) - 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) - Examining the Role of Mood Patterns in Predicting Self-Reported
Depressive symptoms [4.564132389935269]
うつ病は世界中で障害の主な原因である。
ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。
本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
論文 参考訳（メタデータ） (2020-06-14T12:48:43Z)
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。