論文の概要: CapsF: Capsule Fusion for Extracting psychiatric stressors for suicide from twitter

• arxiv url: http://arxiv.org/abs/2403.15391v1
• Date: Wed, 7 Feb 2024 13:41:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-01 03:13:49.315721
• Title: CapsF: Capsule Fusion for Extracting psychiatric stressors for suicide from twitter
• Title（参考訳）: CapsF: Twitterから自殺のための精神医学的ストレスを抽出するためのカプセルフュージョン
• Authors: Mohammad Ali Dadgostarnia, Ramin Mousa, Saba Hesaraki,
• Abstract要約: 本研究では,ペルシャ語ツイートから自殺に関連する心理的ストレスを検出する手法について,学習に基づく手法を用いて検討する。 提案されたカプセルベースのアプローチは2値分類精度0.83を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Along with factors such as cancer, blood pressure, street accidents and stroke, suicide has been one of Iran main causes of death. One of the main reasons for suicide is psychological stressors. Identifying psychological stressors in an at risk population can help in the early prevention of suicidal and suicidal behaviours. In recent years, the widespread popularity and flow of real time information sharing of social media have allowed for potential early intervention in large scale and even small scale populations. However, some automated approaches to extract psychiatric stressors from Twitter have been presented, but most of this research has been for non Persian languages. This study aims to investigate the techniques of detecting psychological stress related to suicide from Persian tweets using learning based methods. The proposed capsule based approach achieved a binary classification accuracy of 0.83.
• Abstract（参考訳）: がん、血圧、道路事故、脳卒中などの要因とともに、自殺はイランの主要な死因の1つとなっている。 自殺の主な原因の1つは心理的ストレスである。 リスクの高い集団における心理的ストレスの特定は、自殺行為や自殺行為の早期予防に役立つ。 近年、ソーシャルメディアのリアルタイム情報共有の普及と流れは、大規模および小規模人口の早期介入を可能にしている。 しかし、Twitterから精神医学的ストレスを抽出するためのいくつかの自動化アプローチが提示されているが、この研究の大部分はペルシア語以外の言語を対象としている。 本研究では,ペルシャ語ツイートから自殺に関連する心理的ストレスを検出する手法について,学習に基づく手法を用いて検討する。 提案されたカプセルベースのアプローチは2値分類精度0.83を達成した。

関連論文リスト

• An Exploratory Deep Learning Approach for Predicting Subsequent Suicidal Acts in Chinese Psychological Support Hotlines [13.59130559079134]
  自殺リスク評価のためのスケールベースの予測手法の精度は、オペレーターの専門性によって大きく異なる可能性がある。 本研究は,中国における自殺リスクを予測するために,長期音声データにディープラーニングを適用した最初の事例である。
  論文  参考訳（メタデータ） (2024-08-29T11:51:41Z)
• Predicting suicidal behavior among Indian adults using childhood trauma, mental health questionnaires and machine learning cascade ensembles [0.0]
  若者の間では、自殺はインドの主要な死因であり、国民の自殺率は約16%である。 近年,様々な行動特性を用いて自殺行動を予測する機械学習アルゴリズムが登場している。 本研究では、子どもの外傷、異なるメンタルヘルスパラメータ、その他の行動要因に基づく自殺行動を予測するために、異なる機械学習アルゴリズムとアンサンブルを開発した。
  論文  参考訳（メタデータ） (2024-01-31T09:49:46Z)
• CautionSuicide: A Deep Learning Based Approach for Detecting Suicidal Ideation in Real Time Chatbot Conversation [0.0]
  自殺の早期発見は自殺の予防に役立つ。 本稿では,デジタルコンテンツにおける自殺的思考を検出するための,新しいシンプルな深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-02T04:14:16Z)
• 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)
• 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)
• Quantifying the Suicidal Tendency on Social Media: A Survey [0.0]
  自殺は早産だが予防可能な死因の1つである。 近年の研究では、ソーシャルメディアデータのマイニングが、利用者の自殺傾向の定量化に役立っていることが示されている。 本書は、精神医療の分類を解明し、ソーシャルメディアデータにおける自殺傾向の定量化の可能性を検討するための最近の試みを強調している。
  論文  参考訳（メタデータ） (2021-10-04T12:26:14Z)
• Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media [4.769234388745917]
  ソーシャルメディア上での自殺思考検出のための深層ニューラルネットワークを用いた,自殺指向の知識グラフの構築と統合を行う。 ソーシャルメディアに基づく自殺思考検出は93%以上の精度を達成できることを示す。 これらのカテゴリでは、投稿されたテキスト、ストレスレベル、ストレス持続時間、投稿された画像、反響的な思考が自殺的思考の検出に寄与する。
  論文  参考訳（メタデータ） (2020-12-16T18:09:32Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
  不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。 スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
  論文  参考訳（メタデータ） (2020-08-09T20:22:52Z)
• Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
  私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。 本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
  論文  参考訳（メタデータ） (2020-04-29T16:17:49Z)
• 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。