Fugu-MT 論文翻訳(概要): Exploring Social Media Posts for Depression Identification: A Study on Reddit Dataset

論文の概要: Exploring Social Media Posts for Depression Identification: A Study on Reddit Dataset

arxiv url: http://arxiv.org/abs/2405.06656v1
Date: Tue, 16 Apr 2024 06:25:51 GMT
ステータス: 処理完了
システム内更新日: 2024-07-01 08:49:26.594114
Title: Exploring Social Media Posts for Depression Identification: A Study on Reddit Dataset
Title（参考訳）: 抑うつ識別のためのソーシャルメディア投稿の探索:Redditデータセットの検討
Authors: Nandigramam Sai Harshit, Nilesh Kumar Sahu, Haroon R. Lone,
Abstract要約: うつ病は個人の個人的および専門的な生活に影響を与える最も一般的な精神疾患の1つである。本研究では,個人のうつ病を識別するためのソーシャルメディア投稿の活用の可能性について検討した。
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 one of the most common mental disorders affecting an individual's personal and professional life. In this work, we investigated the possibility of utilizing social media posts to identify depression in individuals. To achieve this goal, we conducted a preliminary study where we extracted and analyzed the top Reddit posts made in 2022 from depression-related forums. The collected data were labeled as depressive and non-depressive using UMLS Metathesaurus. Further, the pre-processed data were fed to classical machine learning models, where we achieved an accuracy of 92.28\% in predicting the depressive and non-depressive posts.
Abstract（参考訳）: うつ病は個人の個人的および専門的な生活に影響を与える最も一般的な精神疾患の1つである。本研究では,個人のうつ病を識別するためのソーシャルメディア投稿の活用の可能性について検討した。この目標を達成するために,2022年のトップReddit投稿を,うつ病関連フォーラムから抽出し,分析した。収集したデータはUMLS Metathesaurusを用いて抑うつ的で非抑うつ的とラベル付けされた。さらに、前処理したデータを古典的な機械学習モデルに供給し、抑うつ的および非抑うつ的ポストを予測する精度92.28\%を達成した。

関連論文リスト

MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression Symptoms from Social Media Texts [0.0]
うつ病は精神疾患であり、人々の生活に大きな影響を及ぼす。最近の研究は、うつ病の兆候が個人のコミュニケーションの仕方で検出できることを示唆している。ソーシャルメディア投稿は、うつ病の症状を調べるためのリッチで便利なテキストソースです。
論文参考訳（メタデータ） (2023-10-17T02:34:34Z)
Cordyceps@LT-EDI: Depression Detection with Reddit and Self-training [0.0]
うつ病は不安定であり、まれではない。事実、過度のソーシャルメディア利用者の研究は、うつ病、ADHD、その他のメンタルヘルスの懸念と相関している。本研究では,重度,中等度,低レベルのうつ病を経験しているユーザからの投稿を予測するために,半教師付き学習技術を用いた重度うつ病検出システムを提案する。
論文参考訳（メタデータ） (2023-09-24T01:14:49Z)
The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文参考訳（メタデータ） (2023-07-06T09:54:35Z)
Depression detection in social media posts using affective and social norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文参考訳（メタデータ） (2023-03-24T21:26:27Z)
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)
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)
Journaling Data for Daily PHQ-2 Depression Prediction and Forecasting [47.93070579578704]
我々は,新たに収集した時系列データセット上で,アクティブに収集されたデータを用いて,毎日のPHQ-2スコアを予測し,予測する可能性を探る。 PHQ-2 スコアの日次予測には 1.417 の MAE が最適である。これは、うつ病モニタリングアプリケーションにアクティブに収集されたデータを組み込むことで得られる付加価値を示す。
論文参考訳（メタデータ） (2022-05-06T17:47:05Z)
Data set creation and empirical analysis for detecting signs of depression from social media postings [0.0]
うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
論文参考訳（メタデータ） (2022-02-07T10:24:33Z)
A Psychologically Informed Part-of-Speech Analysis of Depression in Social Media [1.7188280334580193]
私たちは、Early Risk Prediction on the Internet Workshop (eRisk) 2018のうつ病データセットを使用します。その結果, うつ病者と非うつ病者の間に統計的に有意な差が認められた。我々の研究は、抑うつした個人がソーシャルメディアプラットフォーム上で自己表現している方法に関する洞察を提供する。
論文参考訳（メタデータ） (2021-07-31T16:23:22Z)
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)
Affective Conditioning on Hierarchical Networks applied to Depression Detection from Transcribed Clinical Interviews [0.0]
抑うつは、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。我々は階層的注意ネットワークを用いて抑うつ者のインタビューを分類する。我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
論文参考訳（メタデータ） (2020-06-04T20:55:22Z)

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。