論文の概要: Sentiment Informed Sentence BERT-Ensemble Algorithm for Depression Detection
- arxiv url: http://arxiv.org/abs/2409.13713v1
- Date: Sat, 7 Sep 2024 07:47:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 05:46:28.425171
- Title: Sentiment Informed Sentence BERT-Ensemble Algorithm for Depression Detection
- Title（参考訳）: 抑うつ検出のための感性情報文BERTアンサンブルアルゴリズム
- Authors: Bayode Ogunleye, Hemlata Sharma, Olamilekan Shobayo,
- Abstract要約: WHOによると、世界で約2億8000万人がうつ病に苦しんでいる。
本稿では,2つのベンチマークソーシャルメディアデータセットを用いた早期抑うつ検出のためのMLアルゴリズムの性能について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The World Health Organisation (WHO) revealed approximately 280 million people in the world suffer from depression. Yet, existing studies on early-stage depression detection using machine learning (ML) techniques are limited. Prior studies have applied a single stand-alone algorithm, which is unable to deal with data complexities, prone to overfitting, and limited in generalization. To this end, our paper examined the performance of several ML algorithms for early-stage depression detection using two benchmark social media datasets (D1 and D2). More specifically, we incorporated sentiment indicators to improve our model performance. Our experimental results showed that sentence bidirectional encoder representations from transformers (SBERT) numerical vectors fitted into the stacking ensemble model achieved comparable F1 scores of 69% in the dataset (D1) and 76% in the dataset (D2). Our findings suggest that utilizing sentiment indicators as an additional feature for depression detection yields an improved model performance, and thus, we recommend the development of a depressive term corpus for future work.
- Abstract（参考訳）: 世界保健機関(WHO)は、世界の約2億8000万人がうつ病に苦しんでいることを明らかにした。
しかし、機械学習(ML)技術を用いた早期うつ病検出に関する既存の研究は限られている。
従来の研究では、データの複雑さに対処できず、過度に適合する傾向があり、一般化に制限のある単一のスタンドアローンアルゴリズムが適用されていた。
そこで本稿では,2つのベンチマークソーシャルメディアデータセット(D1,D2)を用いた早期抑うつ検出のためのMLアルゴリズムの性能について検討した。
具体的には、モデルパフォーマンスを改善するために、感情指標を取り入れました。
実験の結果,変換器 (SBERT) の数値ベクトルを用いた文の双方向エンコーダ表現は,データセット (D1) で69%,データセット (D2) で76%のスコアを得た。
本研究は,抑うつ検出のための追加機能として感情指標を活用することにより,モデル性能が向上することが示唆され,今後の開発に向けた抑うつ的用語コーパスの開発が推奨される。
関連論文リスト
- Depression detection in social media posts using transformer-based models and auxiliary features [6.390468088226495]
ソーシャルメディア投稿における抑うつの検出は、メンタルヘルス問題の増加により重要である。
従来の機械学習アルゴリズムは複雑なテキストパターンのキャプチャに失敗することが多く、抑うつを識別する効果を制限している。
本研究では,メタデータと言語マーカーを組み合わせたトランスフォーマーモデルを利用したニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-09-30T07:53:39Z) - A BERT-Based Summarization approach for depression detection [1.7363112470483526]
うつ病は世界中で流行する精神疾患であり、対処されないと深刻な反感を引き起こす可能性がある。
機械学習と人工知能は、さまざまなデータソースからのうつ病指標を自律的に検出することができる。
本研究では,入力テキストの長さと複雑さを低減させる前処理手法として,テキスト要約を提案する。
論文 参考訳（メタデータ） (2024-09-13T02:14:34Z) - Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection [63.93728560200819]
unsupervised out-of-distribution (U-OOD) は、未表示のin-distriion(ID)データのみに基づいて訓練された検出器でデータサンプルを識別することである。
近年の研究は、DGMに基づく様々な検出器を開発し、可能性を超えて移動している。
本研究では,各方向,特にポストホック前とデータセットエントロピー・ミューチュアルキャリブレーションの2つの手法を適用した。
実験の結果、結果が新しい最先端のU-OOD検出器になる可能性が示された。
論文 参考訳（メタデータ） (2024-09-05T02:58:13Z) - Enhancing Depressive Post Detection in Bangla: A Comparative Study of TF-IDF, BERT and FastText Embeddings [0.0]
本研究は,バングラにおける抑うつ的なソーシャルメディア投稿を識別する手法を提案する。
ドメインの専門家によって注釈付けされたこの研究で使用されるデータセットには、抑うつ的ポストと非抑うつ的ポストの両方が含まれている。
クラス不均衡の問題に対処するために,マイノリティクラスに対するランダムなオーバーサンプリングを利用した。
論文 参考訳（メタデータ） (2024-07-12T11:40:17Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - DepreSym: A Depression Symptom Annotated Corpus and the Role of LLMs as
Assessors of Psychological Markers [3.5511184956329727]
DepreSym データセットは Beck Depression Inventory-II 症状に関連する21580 文からなる。
このデータセットは、臨床症状などのうつ病マーカーを組み込んだモデルの開発を進めるための貴重なリソースとなる。
論文 参考訳（メタデータ） (2023-08-21T14:44:31Z) - 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) - Multi-modal Depression Estimation based on Sub-attentional Fusion [29.74171323437029]
うつ病の診断に失敗すると、世界中で2億8000万人以上がこの精神疾患に苦しんでいる。
マルチモーダルデータからうつ病を自動的に識別するタスクに取り組む。
異種情報をリンクするためのサブアテンション機構を導入する。
論文 参考訳（メタデータ） (2022-07-13T13:19:32Z) - Benchmarking Node Outlier Detection on Graphs [90.29966986023403]
グラフの外れ値検出は、多くのアプリケーションにおいて、新しいが重要な機械学習タスクである。
UNODと呼ばれるグラフに対して、最初の包括的教師なしノード外乱検出ベンチマークを示す。
論文 参考訳（メタデータ） (2022-06-21T01:46:38Z) - ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。
提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
論文 参考訳（メタデータ） (2020-12-09T08:16:35Z) - 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)
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。