論文の概要: Language and Mental Health: Measures of Emotion Dynamics from Text as
Linguistic Biosocial Markers
- arxiv url: http://arxiv.org/abs/2310.17369v1
- Date: Thu, 26 Oct 2023 13:00:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-27 20:31:51.952711
- Title: Language and Mental Health: Measures of Emotion Dynamics from Text as
Linguistic Biosocial Markers
- Title（参考訳）: 言語とメンタルヘルス:言語的バイオソーシャルマーカーとしてのテキストからの感情動態の測定
- Authors: Daniela Teodorescu, Tiffany Cheng, Alona Fyshe, Saif M. Mohammad
- Abstract要約: 本研究では,ツィート感情動態とメンタルヘルス障害との関連について検討した。
調査対象のUEDメトリクスはそれぞれ,ユーザの自己開示診断によって異なることがわかった。
この研究は、感情力学に関連する言語的手がかりが、精神疾患のバイオ社会マーカーとして重要な役割を担っていることを示す重要な初期の証拠を提供する。
- 参考スコア（独自算出の注目度）: 30.656554495536618
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Research in psychopathology has shown that, at an aggregate level, the
patterns of emotional change over time -- emotion dynamics -- are indicators of
one's mental health. One's patterns of emotion change have traditionally been
determined through self-reports of emotions; however, there are known issues
with accuracy, bias, and convenience. Recent approaches to determining emotion
dynamics from one's everyday utterances, addresses many of these concerns, but
it is not yet known whether these measures of utterance emotion dynamics (UED)
correlate with mental health diagnoses. Here, for the first time, we study the
relationship between tweet emotion dynamics and mental health disorders. We
find that each of the UED metrics studied varied by the user's self-disclosed
diagnosis. For example: average valence was significantly higher (i.e., more
positive text) in the control group compared to users with ADHD, MDD, and PTSD.
Valence variability was significantly lower in the control group compared to
ADHD, depression, bipolar disorder, MDD, PTSD, and OCD but not PPD. Rise and
recovery rates of valence also exhibited significant differences from the
control. This work provides important early evidence for how linguistic cues
pertaining to emotion dynamics can play a crucial role as biosocial markers for
mental illnesses and aid in the understanding, diagnosis, and management of
mental health disorders.
- Abstract（参考訳）: 精神病理学の研究は、総じて、時間とともに感情の変化のパターン(感情のダイナミクス)が精神状態の指標であることを示した。
感情変化のパターンは伝統的に感情の自己報告を通じて決定されてきたが、正確性、バイアス、利便性に問題がある。
日常の発話から感情のダイナミクスを決定する最近のアプローチは、これらの懸念の多くに対処しているが、これらの発話の感情のダイナミクス(ued)が精神の健康診断と相関しているかどうかはまだ分かっていない。
ここでは、ツイートの感情動態とメンタルヘルス障害との関係について初めて検討する。
調査対象のUEDメトリクスはそれぞれ,ユーザの自己開示診断によって異なることがわかった。
例えば、ADHD、MDD、PTSDのユーザと比較して、コントロールグループでは平均値が有意に高かった(すなわち、よりポジティブなテキスト)。
ADHD, うつ病, 双極性障害, MDD, PTSD, OCDに対して有意差は認められなかったが, PPDは認められなかった。
原子価の上昇と回復率もコントロールと大きく異なることが示された。
この研究は、感情力学に関連する言語的手がかりが、精神疾患の生社会マーカーとして重要な役割を担い、精神疾患の理解、診断、管理に役立っていることを示す重要な初期の証拠を提供する。
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) - Emotion Granularity from Text: An Aggregate-Level Indicator of Mental
Health [27.00019048231393]
心理学において、個人の感情概念を区別する能力の変化を感情の粒度と呼ぶ。
高い感情の粒度は、より良い精神と身体の健康と結びついている。
低感情の粒度は、不適応な感情制御戦略や健康状態の悪化と結びついている。
論文 参考訳（メタデータ） (2024-03-04T18:12:10Z) - CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
既存のアプローチは、苦痛の感情の原因を無視します。
彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。
本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
論文 参考訳（メタデータ） (2024-01-31T11:30:24Z) - Design, construction and evaluation of emotional multimodal pathological
speech database [8.774681418339155]
マルチパースペクティブ情報を含む中国初のマルチモーダル感情病的音声データベースを構築した。
全感情音声は,WeChatのミニプログラムにより,インテリジェンス,タイプ,離散次元感情にラベル付けされた。
音声と声門データを用いた自動認識では, 平均精度78%, 音声の60%, コントロール51%, 声門データ38%で, 感情表現への影響が示唆された。
論文 参考訳（メタデータ） (2023-12-14T14:43:31Z) - Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
隠れ変数分離に基づく動的因果解離モデルを提案する。
このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。
具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
論文 参考訳（メタデータ） (2023-09-13T12:58:09Z) - Utterance Emotion Dynamics in Children's Poems: Emotional Changes Across
Age [29.467916405081272]
我々は,様々な年齢の子どもが書いた詩から決定された感情力学の特徴を,辞書と機械学習に基づく手法を用いて定量化する。
年齢とともに、感情的変動、上昇率(感情的反応性)、回復率(感情的規制)が増加する。
論文 参考訳（メタデータ） (2023-06-08T17:38:14Z) - 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) - Emotion-based Modeling of Mental Disorders on Social Media [11.945854832533234]
4人に1人は、ある時点で精神疾患に罹患する。
Reddit上での会話から受動的に精神障害を検出するモデルを提案する。
論文 参考訳（メタデータ） (2022-01-24T04:41:02Z) - Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。
本稿では,感情の強さを明示的に表現し,制御することを目的とする。
本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
論文 参考訳（メタデータ） (2022-01-10T02:11:25Z) - DASentimental: Detecting depression, anxiety and stress in texts via
emotional recall, cognitive networks and machine learning [0.0]
本研究は,文章から抑うつ,不安,ストレスを抽出する半教師付き機械学習モデル(DASentimental)を提案する。
我々は、抑うつ不安ストレス尺度(DASS-21)に対する反応とN=200$の個人によるリコール感情単語のシーケンスがどのように相関しているかをモデルに訓練する。
想起された感情と「サド・ハッピー」のセマンティックな距離は、うつ病レベルを推定する上で重要な特徴であるが、不安やストレスには重要でない。
論文 参考訳（メタデータ） (2021-10-26T13:58:46Z)
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。