論文の概要: Enhanced Labeling Technique for Reddit Text and Fine-Tuned Longformer Models for Classifying Depression Severity in English and Luganda

• arxiv url: http://arxiv.org/abs/2401.14240v1
• Date: Thu, 25 Jan 2024 15:28:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-26 14:22:58.102546
• Title: Enhanced Labeling Technique for Reddit Text and Fine-Tuned Longformer Models for Classifying Depression Severity in English and Luganda
• Title（参考訳）: Redditテキストと微調整長手モデルを用いた英語とルガンダにおける抑うつの重大度分類
• Authors: Richard Kimera, Daniela N. Rim, Joseph Kirabira, Ubong Godwin Udomah, Heeyoul Choi
• Abstract要約: 本研究は、Redditからテキストを抽出し、診断プロセスを容易にする。 提案されたラベリング手法を用いてテキストを分類し、Longformerモデルを微調整する。 その結果,Longformer モデルは英語 (48%) とルガンダ (45%) のベースラインモデルよりも優れていることがわかった。
• 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 global burden and one of the most challenging mental health conditions to control. Experts can detect its severity early using the Beck Depression Inventory (BDI) questionnaire, administer appropriate medication to patients, and impede its progression. Due to the fear of potential stigmatization, many patients turn to social media platforms like Reddit for advice and assistance at various stages of their journey. This research extracts text from Reddit to facilitate the diagnostic process. It employs a proposed labeling approach to categorize the text and subsequently fine-tunes the Longformer model. The model's performance is compared against baseline models, including Naive Bayes, Random Forest, Support Vector Machines, and Gradient Boosting. Our findings reveal that the Longformer model outperforms the baseline models in both English (48%) and Luganda (45%) languages on a custom-made dataset.
• Abstract（参考訳）: 抑うつは世界的な負担であり、制御すべき最も困難な精神疾患の1つです。 専門家は、beck depression inventory(bdi)アンケートを用いて早期に重症度を検出し、患者に適切な薬を投与し、その進行を阻害することができる。 スティグマティゼーションの恐れがあるため、多くの患者は、旅のさまざまな段階でアドバイスや援助を求めてRedditのようなソーシャルメディアプラットフォームに目を向ける。 この研究はredditからテキストを抽出して診断プロセスを容易にする。 テキストを分類するために提案されたラベル付けアプローチを採用し、その後longformerモデルを微調整する。 モデルの性能は、ナイーブベイズ、ランダムフォレスト、サポートベクターマシン、勾配ブースティングを含むベースラインモデルと比較される。 その結果,カスタムメイドのデータセットでは,longformerモデルが英語 (48%) とルーガンダ (45%) の両方の言語でベースラインモデルを上回ることがわかった。

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)
• They Look Like Each Other: Case-based Reasoning for Explainable Depression Detection on Twitter using Large Language Models [3.5904920375592098]
  ProtoDepはTwitterベースの抑うつ検出のための新しい説明可能なフレームワークである。 ProtoDepは、(i)ツイートとユーザ毎の症状レベルの説明、(ii)ユーザと類似した個人を比較したケースベースの説明、(iii)分類重みによる透明な意思決定の3つのレベルで透明な説明を提供する。
  論文  参考訳（メタデータ） (2024-07-21T20:13:50Z)
• Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
  本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。 特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。 また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
  論文  参考訳（メタデータ） (2024-04-27T05:03:42Z)
• Multi-class Categorization of Reasons behind Mental Disturbance in Long Texts [0.0]
  我々はLongformerを用いて、自己報告されたテキストで精神疾患の背景にある因果指標を見つける問題に対処する。 実験によると、Longformerは62%のF1スコアを持つ公開データセットであるM-CAMSで、最先端の新たな結果を達成している。 我々の研究は、うつ病や自殺リスクの因果分析をソーシャルメディアデータ上で促進し、他の精神状態に適用する可能性を示していると信じている。
  論文  参考訳（メタデータ） (2023-04-08T22:44:32Z)
• PAL: Persona-Augmented Emotional Support Conversation Generation [54.069321178816686]
  メンタルヘルス支援のための人的資源が不足しているため、サポートのために会話エージェントを採用する必要性が高まっている。 近年の研究では、感情支援のための対話モデルの有効性が実証されている。 本研究では,探索者のペルソナを動的に推論・モデル化する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-12-19T04:12:54Z)
• 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)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• A Novel Sentiment Analysis Engine for Preliminary Depression Status Estimation on Social Media [0.0]
  我々は,Twitter ソーシャルメディア上での抑うつ検出を主目的とする,ディープラーニングベースのバックエンドを備えた,クラウドベースのスマートフォンアプリケーションを提案する。 心理学者は、患者がカウンセリングの前にうつ状態を評価するためにこのアプリケーションを利用することができる。 試験精度は87.23%、AUCは0.8621である。
  論文  参考訳（メタデータ） (2020-11-29T04:42:53Z)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)
• Multimodal Depression Severity Prediction from medical bio-markers using Machine Learning Tools and Technologies [0.0]
  うつ病は世界中の精神疾患の主要な原因となっている。 近年,うつ病の診断とステージ予測の自動化に行動的手がかりが用いられている。 ラベル付き行動データセットの欠如と、膨大な量のバリエーションが、タスクを達成する上で大きな課題であることが証明されている。
  論文  参考訳（メタデータ） (2020-09-11T20:44:28Z)

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。