論文の概要: DepressionX: Knowledge Infused Residual Attention for Explainable Depression Severity Assessment
- arxiv url: http://arxiv.org/abs/2501.14985v1
- Date: Fri, 24 Jan 2025 23:42:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:55:39.846878
- Title: DepressionX: Knowledge Infused Residual Attention for Explainable Depression Severity Assessment
- Title(参考訳): DepressionX: 説明可能なうつ病重症度評価のための残留注意を注入した知識
- Authors: Yusif Ibrahimov, Tarique Anwar, Tommy Yuan,
- Abstract要約: 本稿は、Facebook、$mathbbX$(元Twitter)、Redditなどのプラットフォームをメンタルヘルスアセスメントに利用することを検討する。
本稿では,抑うつ重大度検出のためのドメイン知識注入型残留注意モデルDepressionXを提案する。
- 参考スコア(独自算出の注目度): 0.7689629183085726
- License:
- Abstract: In today's interconnected society, social media platforms have become an important part of our lives, where individuals virtually express their thoughts, emotions, and moods. These expressions offer valuable insights into their mental health. This paper explores the use of platforms like Facebook, $\mathbb{X}$ (formerly Twitter), and Reddit for mental health assessments. We propose a domain knowledge-infused residual attention model called DepressionX for explainable depression severity detection. Existing deep learning models on this problem have shown considerable performance, but they often lack transparency in their decision-making processes. In healthcare, where decisions are critical, the need for explainability is crucial. In our model, we address the critical gap by focusing on the explainability of depression severity detection while aiming for a high performance accuracy. In addition to being explainable, our model consistently outperforms the state-of-the-art models by over 7% in terms of $\text{F}_1$ score on balanced as well as imbalanced datasets. Our ultimate goal is to establish a foundation for trustworthy and comprehensible analysis of mental disorders via social media.
- Abstract(参考訳): 今日の相互接続社会では、ソーシャルメディアプラットフォームが私たちの生活の重要な部分となり、個人は自分の思考、感情、気分を事実上表現している。
これらの表現は、彼らの精神状態に関する貴重な洞察を与えてくれる。
本稿は、Facebook、$\mathbb{X}$(以前のTwitter)、Redditなどのプラットフォームをメンタルヘルスアセスメントに利用することを検討する。
本稿では,抑うつ重大度検出のためのドメイン知識注入型残留注意モデルDepressionXを提案する。
この問題に関する既存のディープラーニングモデルは、かなりのパフォーマンスを示しているが、意思決定プロセスにおいて透明性を欠いていることが多い。
意思決定が重要である医療では、説明可能性の必要性が不可欠である。
本モデルでは, 高精度化を目標として, うつ病重大度検出の再現性に着目して, 限界ギャップに対処する。
説明可能なことに加えて、我々のモデルはバランスの取れたデータセットと不均衡なデータセットに対する$\text{F}_1$スコアにおいて、最先端のモデルを7%以上上回ります。
我々の究極の目標は、ソーシャルメディアを通じて精神障害を信頼できる、理解可能な分析するための基盤を確立することです。
関連論文リスト
- MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。
プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。
MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文 参考訳(メタデータ) (2024-10-09T13:06:40Z) - Detect Depression from Social Networks with Sentiment Knowledge Sharing [8.466443392957961]
我々は、うつ病と否定的な感情状態の間に強い相関関係を示す徹底的な調査を行う。
本稿では、共有感情知識を利用して抑うつ検出の有効性を高めるマルチタスクトレーニングフレームワークDeSKを提案する。
論文 参考訳(メタデータ) (2023-06-13T05:16:18Z) - LOST: A Mental Health Dataset of Low Self-esteem in Reddit Posts [4.6071451559137175]
低自尊心と対人欲求は、うつ病や自殺の試みに大きな影響を及ぼす。
個人は、孤独を増進し緩和するためにソーシャルメディア上の社会的つながりを求めます。
Reddit上での低自己評価を研究・検出するために,心理学的根拠と専門的な注釈付きデータセット,LoST: Low Self esTeemを紹介した。
論文 参考訳(メタデータ) (2023-06-08T23:52:35Z) - What Symptoms and How Long? An Interpretable AI Approach for Depression
Detection in Social Media [0.5156484100374058]
うつ病は最も一般的で深刻な精神疾患であり、重大な財政的・社会的影響をもたらす。
本研究は、ソーシャルメディアにおける抑うつ検出のための新しい解釈可能な深層学習モデルを用いて、IS文献に寄与する。
論文 参考訳(メタデータ) (2023-05-18T20:15:04Z) - 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) - Hierarchical Attention Network for Explainable Depression Detection on
Twitter Aided by Metaphor Concept Mappings [15.19024278125422]
本稿では,Twitter上での抑うつ検出のための新しい説明可能なモデルを提案する。
階層的な注意機構とフィードフォワードニューラルネットワークを組み合わせた,新しいエンコーダを備える。
抑うつされた個人を検知するだけでなく、そのようなユーザーのつぶやきの特徴と関連するメタファの概念マッピングを識別する。
論文 参考訳(メタデータ) (2022-09-15T17:36:18Z) - 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) - 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) - 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。