論文の概要: Short-Form Videos and Mental Health: A Knowledge-Guided Neural Topic Model
- arxiv url: http://arxiv.org/abs/2402.10045v4
- Date: Sat, 12 Oct 2024 21:47:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-15 15:03:59.367230
- Title: Short-Form Videos and Mental Health: A Knowledge-Guided Neural Topic Model
- Title(参考訳): 短期ビデオとメンタルヘルス:知識指導型ニューラルトピックモデル
- Authors: Jiaheng Xie, Ruicheng Liang, Yidong Chai, Yang Liu, Daniel Zeng,
- Abstract要約: 我々は、短いビデオの自殺思考が視聴者に与える影響を予測するための知識ガイド型NTMを開発した。
また,自殺思考に関係のある動画から,医学的な話題も発見する。
提案手法は,ビデオの自殺的思考の影響をプラットフォームが理解し,コミュニティガイドラインに違反したビデオのモデレーションを支援する。
- 参考スコア(独自算出の注目度): 7.327234765760251
- License:
- Abstract: Along with the rise of short-form videos, their mental impacts on viewers have led to widespread consequences, prompting platforms to predict videos' impact on viewers' mental health. Subsequently, they can take intervention measures according to their community guidelines. Nevertheless, applicable predictive methods lack relevance to well-established medical knowledge, which outlines clinically proven external and environmental factors of mental disorders. To account for such medical knowledge, we resort to an emergent methodological discipline, seeded Neural Topic Models (NTMs). However, existing seeded NTMs suffer from the limitations of single-origin topics, unknown topic sources, unclear seed supervision, and suboptimal convergence. To address those challenges, we develop a novel Knowledge-Guided NTM to predict a short-form video's suicidal thought impact on viewers. Extensive empirical analyses using TikTok and Douyin datasets prove that our method outperforms state-of-the-art benchmarks. Our method also discovers medically relevant topics from videos that are linked to suicidal thought impact. We contribute to IS with a novel video analytics method that is generalizable to other video classification problems. Practically, our method can help platforms understand videos' suicidal thought impacts, thus moderating videos that violate their community guidelines.
- Abstract(参考訳): ショートフォームビデオの興隆とともに、彼らのメンタルな影響が視聴者に広まり、プラットフォームは視聴者のメンタルヘルスにビデオが与える影響を予測するようになった。
その後、コミュニティガイドラインに従って介入措置を講ずることができる。
それにもかかわらず、適用可能な予測手法は、精神疾患の臨床的に証明された外的および環境的要因を概説する、確立された医療知識との関連性に欠ける。
このような医学的知識を考慮し,NTM(シード型ニューラルトピックモデル)を創発的方法論として活用する。
しかし、既存のシードNTMは、シングルオリジンのトピック、未知のトピックソース、不明瞭なシード管理、最適以下の収束の制限に悩まされている。
これらの課題に対処するため、我々は、短いビデオの自殺思考が視聴者に与える影響を予測するための新しい知識誘導NTMを開発した。
TikTokとDouyinのデータセットを用いた大規模な実験分析により、我々の手法が最先端のベンチマークより優れていることが証明された。
また,自殺思考に関係のある動画から,医学的な話題も発見する。
我々は、他のビデオ分類問題に対して一般化可能な、新しいビデオ分析手法でISに貢献する。
提案手法は,ビデオの自殺的思考の影響をプラットフォームが理解し,コミュニティガイドラインに違反した動画をモデレートするのに役立つ。
関連論文リスト
- Depression Detection and Analysis using Large Language Models on Textual and Audio-Visual Modalities [25.305909441170993]
うつ病は公衆衛生上の重大な問題であり、個人の心理的健康に大きな影響を与えている。
診断されていない場合、うつ病は重篤な健康問題を引き起こし、身体的に現れて自殺に至る。
論文 参考訳(メタデータ) (2024-07-08T17:00:51Z) - Supporters and Skeptics: LLM-based Analysis of Engagement with Mental Health (Mis)Information Content on Video-sharing Platforms [19.510446994785667]
米国では5人に1人が精神疾患で暮らしている。
ショートフォームビデオコンテンツは、メンタルヘルスとリソースを広めるための重要なコンジットとして機能するように成長してきた。
論文 参考訳(メタデータ) (2024-07-02T20:51:06Z) - EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。
言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
論文 参考訳(メタデータ) (2024-03-28T10:31:09Z) - 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) - Speech-Based Blood Pressure Estimation with Enhanced Optimization and
Incremental Clustering [0.0]
本研究では,前処理,特徴抽出,リアルタイムアプリケーションに着目した正確なBP推定について検討する。
k-meansアルゴリズムとFact-Finding Instructor最適化アルゴリズムを取り入れた高度なクラスタリング戦略を導入し、精度を向上させる。
BP推定手法をYouTubeビデオの感情次元と統合することにより、現代メディア環境が健康にどのような影響を及ぼすか理解を深める。
論文 参考訳(メタデータ) (2023-11-25T18:55:26Z) - Dynamic Graph Representation Learning for Depression Screening with
Transformer [13.551342607089184]
ソーシャルメディアプラットフォームは、メンタルヘルスを調査し、精神疾患の事例を検出する研究機会を提供する。
既存の抑うつ検出手法は,特徴工学への依存と時間的要因の考慮の欠如により制約される。
提案するContrastEgoは,各ユーザを動的時間進化型属性グラフ(ego-network)として扱う。
ContrastEgoは、様々な実験環境におけるすべての有効性指標において、最先端の手法を著しく上回っていることを示す。
論文 参考訳(メタデータ) (2023-05-10T20:34:40Z) - 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) - CREATe: Clinical Report Extraction and Annotation Technology [53.731999072534876]
臨床症例報告は、特定の臨床症例の特異な側面を記述した記述である。
これらのレポートを注釈付け、インデックス付け、あるいはキュレートするエンドツーエンドシステムを開発する試みはない。
本稿では,新たな計算資源プラットフォームを提案し,臨床事例レポートの内容の抽出,索引付け,照会を行う。
論文 参考訳(メタデータ) (2021-02-28T16:50:14Z) - Proactive Pseudo-Intervention: Causally Informed Contrastive Learning
For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。
PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。
また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文 参考訳(メタデータ) (2020-12-06T20:30:26Z) - 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) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳(メタデータ) (2020-11-17T15:18:38Z)
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。