論文の概要: Risk prediction of pathological gambling on social media

• arxiv url: http://arxiv.org/abs/2403.19358v1
• Date: Thu, 28 Mar 2024 12:17:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-29 16:24:00.684994
• Title: Risk prediction of pathological gambling on social media
• Title（参考訳）: ソーシャルメディアにおける病理ギャンブルのリスク予測
• Authors: Angelina Parfenova, Marianne Clausel,
• Abstract要約: 本稿では、ソーシャルメディアデータにおけるリスク予測の問題に対処し、特にRedditユーザーを病的ギャンブル障害と分類することに焦点を当てる。 この問題に対処するために,本研究では,時間的・感情的な特徴をモデルに取り入れることに焦点を当てる。 EmoBERTaとTDレイヤを含むアーキテクチャはF1スコアを達成し、病理ギャンブルデータセットのベンチマークを上回りました。
• 参考スコア（独自算出の注目度）: 1.8876415010297893
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the problem of risk prediction on social media data, specifically focusing on the classification of Reddit users as having a pathological gambling disorder. To tackle this problem, this paper focuses on incorporating temporal and emotional features into the model. The preprocessing phase involves dealing with the time irregularity of posts by padding sequences. Two baseline architectures are used for preliminary evaluation: BERT classifier on concatenated posts per user and GRU with LSTM on sequential data. Experimental results demonstrate that the sequential models outperform the concatenation-based model. The results of the experiments conclude that the incorporation of a time decay layer (TD) and passing the emotion classification layer (EmoBERTa) through LSTM improves the performance significantly. Experiments concluded that the addition of a self-attention layer didn't significantly improve the performance of the model, however provided easily interpretable attention scores. The developed architecture with the inclusion of EmoBERTa and TD layers achieved a high F1 score, beating existing benchmarks on pathological gambling dataset. Future work may involve the early prediction of risk factors associated with pathological gambling disorder and testing models on other datasets. Overall, this research highlights the significance of the sequential processing of posts including temporal and emotional features to boost the predictive power, as well as adding an attention layer for interpretability.
• Abstract（参考訳）: 本稿では、ソーシャルメディアデータにおけるリスク予測の問題に対処し、特にRedditユーザーを病的ギャンブル障害と分類することに焦点を当てる。 この問題に対処するために,本研究では,時間的・感情的な特徴をモデルに取り入れることに焦点を当てる。 前処理フェーズは、パディングシーケンスによるポストの時間不規則性を扱う。 BERT分類器はユーザ毎のコンカレントポスト、GRUはLSTMのシーケンシャルデータである。 実験結果から, 連続モデルの方が連結モデルより優れていることが示された。 実験の結果, 時間減衰層 (TD) と感情分類層 (EmoBERTa) をLSTMで通過させることで, 性能が著しく向上することがわかった。 実験の結果,自己注意層の追加はモデルの性能を著しく向上させるには至らなかったが,容易に解釈可能な注意点が得られた。 EmoBERTa と TD 層を組み込んだ開発アーキテクチャは F1 スコアを達成し,病的ギャンブルデータセットのベンチマークを上回った。 今後の研究には、病理ギャンブル障害や他のデータセットのテストモデルに関連するリスク因子の早期予測が含まれる可能性がある。 本研究は、時間的・感情的な特徴を含むポストの逐次的処理の重要性を強調し、予測能力を高めるとともに、解釈可能性のための注意層を追加する。

関連論文リスト

• Development and Comparative Analysis of Machine Learning Models for Hypoxemia Severity Triage in CBRNE Emergency Scenarios Using Physiological and Demographic Data from Medical-Grade Devices [0.0]
  グラディエントブースティングモデル(GBM)は、トレーニング速度、解釈可能性、信頼性の点で、シーケンシャルモデルを上回った。 タイムリーな介入のために5分間の予測ウィンドウが選択された。 本研究は、トリアージを改善し、アラーム疲労を軽減するMLの可能性を強調した。
  論文  参考訳（メタデータ） (2024-10-30T23:24:28Z)
• TEE4EHR: Transformer Event Encoder for Better Representation Learning in Electronic Health Records [4.385313487148474]
  電子健康記録(EHR)における時系列の非規則サンプリングは、機械学習モデルを開発する上での大きな課題の1つである。 本稿では,EHRにおける実験結果のパターンを符号化する点過程損失を有する変圧器イベントエンコーダ(TEE)を提案する。 自己教師付き学習アプローチでは、TEEは既存の注目ベースのディープニューラルネットワークと共同で学習される。
  論文  参考訳（メタデータ） (2024-02-09T12:19:06Z)
• Spatio-Temporal Attention Graph Neural Network for Remaining Useful Life Prediction [1.831835396047386]
  本研究では,時空間注意グラフニューラルネットワークを提案する。 本モデルでは,空間的・時間的特徴抽出のために,グラフニューラルネットワークと時間的畳み込みニューラルネットワークを組み合わせる。 C-MAPSSデータセットを用いて、クラスタリング正規化とクラスタリング正規化の影響を評価するための総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-01-29T08:49:53Z)
• Understanding the Impact of Competing Events on Heterogeneous Treatment Effect Estimation from Time-to-Event Data [92.51773744318119]
  本研究では,競合イベントの存在下での時間-時間データからヘテロジニアス処理効果(HTE)を推定する問題について検討する。 提案手法は,HTEを推定するための結果モデリング手法であり,既存の時間-時間データの予測モデルを,将来的な結果のプラグイン推定手段としてどのように利用できるかを検討する。 HTEの推定に汎用的な機械学習予測モデルを使用する場合、これらの課題がいつどのように機能するかを理論的に分析し、実証的に説明する。
  論文  参考訳（メタデータ） (2023-02-23T14:28:55Z)
• DiffSTG: Probabilistic Spatio-Temporal Graph Forecasting with Denoising Diffusion Models [53.67562579184457]
  本稿では,不確実性や複雑な依存関係のモデル化が困難であることから,確率的STG予測に焦点をあてる。 本稿では,一般的な拡散モデルをSTGに一般化する最初の試みとして,DiffSTGと呼ばれる新しい非自己回帰フレームワークを提案する。 提案手法は,本質的時間学習能力STNNと拡散モデルの不確実性測定を組み合わせたものである。
  論文  参考訳（メタデータ） (2023-01-31T13:42:36Z)
• Cloud Failure Prediction with Hierarchical Temporary Memory: An Empirical Assessment [64.73243241568555]
  Hierarchical Temporary Memory (HTM) は、新皮質の特徴にインスパイアされた教師なし学習アルゴリズムである。 本稿では,障害予測の文脈でHTMを評価する最初の体系的研究について述べる。
  論文  参考訳（メタデータ） (2021-10-06T07:09:45Z)
• Doing Great at Estimating CATE? On the Neglected Assumptions in Benchmark Comparisons of Treatment Effect Estimators [91.3755431537592]
  もっとも単純な設定であっても、無知性仮定に基づく推定は誤解を招く可能性があることを示す。 異種処理効果評価のための機械学習ベンチマークデータセットを2つ検討した。 ベンチマークデータセットの固有の特性が、他のものよりもいくつかのアルゴリズムを好んでいる点を強調します。
  論文  参考訳（メタデータ） (2021-07-28T13:21:27Z)
• Bidirectional Representation Learning from Transformers using Multimodal Electronic Health Record Data to Predict Depression [11.1492931066686]
  うつ病の予測のために,ERHシーケンス上で双方向の表現学習を行うための時間的深層学習モデルを提案する。 このモデルでは, 曲線(PRAUC)下において, 最良ベースラインモデルと比較して, 抑うつ予測において0.70から0.76まで, 精度・リコール面積の最大値が得られた。
  論文  参考訳（メタデータ） (2020-09-26T17:56:37Z)
• Revisiting LSTM Networks for Semi-Supervised Text Classification via Mixed Objective Function [106.69643619725652]
  我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。 いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
  論文  参考訳（メタデータ） (2020-09-08T21:55:22Z)
• Understanding and Diagnosing Vulnerability under Adversarial Attacks [62.661498155101654]
  ディープニューラルネットワーク(DNN)は敵の攻撃に弱いことが知られている。 本稿では,潜在変数の分類に使用される特徴を説明するために,新しい解釈可能性手法であるInterpretGANを提案する。 また、各層がもたらす脆弱性を定量化する最初の診断方法も設計する。
  論文  参考訳（メタデータ） (2020-07-17T01:56:28Z)
• Incremental Bayesian tensor learning for structural monitoring data imputation and response forecasting [18.919194955756396]
  本稿では,欠損センサデータの時間的・構造的応答を再現するためのベイズテンソル学習法を提案する。 コンクリート橋の連続フィールドセンシングデータに提案手法の有効性を検証した。 提案手法は, ランダム欠落, 構造化欠落, 組み合わせが多数存在する場合でも, 正確かつ堅牢であることが示唆された。
  論文  参考訳（メタデータ） (2020-07-01T22:16:56Z)

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。