論文の概要: Mining Mental Health Signals: A Comparative Study of Four Machine Learning Methods for Depression Detection from Social Media Posts in Sorani Kurdish
- arxiv url: http://arxiv.org/abs/2508.15829v1
- Date: Mon, 18 Aug 2025 16:27:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-25 16:42:36.098293
- Title: Mining Mental Health Signals: A Comparative Study of Four Machine Learning Methods for Depression Detection from Social Media Posts in Sorani Kurdish
- Title（参考訳）: マイニングメンタルヘルス信号:ソルニ・クルド人のソーシャルメディア投稿からの抑うつ検出のための4つの機械学習手法の比較研究
- Authors: Idrees Mohammed, Hossein Hassani,
- Abstract要約: うつ病は一般的な精神状態であり、絶望、関心の喪失、自傷、自殺に至る。
ソーシャルメディアの普及に伴い、ユーザーはオンライン上で感情を表現し、テキスト分析による新たな発見機会を提供するようになった。
この研究は、Sorani Kurdishのツイートで抑うつを検出するために、機械学習と自然言語処理(NLP)アプローチを提案する。
- 参考スコア（独自算出の注目度）: 1.3464152928754487
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Depression is a common mental health condition that can lead to hopelessness, loss of interest, self-harm, and even suicide. Early detection is challenging due to individuals not self-reporting or seeking timely clinical help. With the rise of social media, users increasingly express emotions online, offering new opportunities for detection through text analysis. While prior research has focused on languages such as English, no studies exist for Sorani Kurdish. This work presents a machine learning and Natural Language Processing (NLP) approach to detect depression in Sorani tweets. A set of depression-related keywords was developed with expert input to collect 960 public tweets from X (Twitter platform). The dataset was annotated into three classes: Shows depression, Not-show depression, and Suspicious by academics and final year medical students at the University of Kurdistan Hewl\^er. Four supervised models, including Support Vector Machines, Multinomial Naive Bayes, Logistic Regression, and Random Forest, were trained and evaluated, with Random Forest achieving the highest performance accuracy and F1-score of 80%. This study establishes a baseline for automated depression detection in Kurdish language contexts.
- Abstract（参考訳）: うつ病は一般的な精神状態であり、絶望、関心の喪失、自傷、自殺に至る。
早期発見は、自己申告やタイムリーな臨床支援を求める個人のために困難である。
ソーシャルメディアの普及に伴い、ユーザーはオンライン上で感情を表現し、テキスト分析による新たな発見機会を提供するようになった。
以前の研究では英語などの言語に焦点が当てられていたが、ソルニ・クルド語についての研究は存在しない。
本研究は,Sorani ツイートの抑うつを検出するために,機械学習と自然言語処理(NLP)アプローチを提案する。
X(Twitterプラットフォーム)から960の公開ツイートを収集するために、専門家が入力した抑うつ関連キーワードが開発された。
このデータセットは3つのクラスに注釈付けされ、Curdistan University Hewl\^erの学者と最終年度の医学生によるShows depression、Not-Show depression、Suspiciousである。
Support Vector Machines、Multinomial Naive Bayes、Logistic Regression、Random Forestを含む4つの教師付きモデルがトレーニングおよび評価され、Random Forestは最高のパフォーマンス精度とF1スコアの80%を達成した。
本研究は、クルド語文脈における自動抑うつ検出のベースラインを確立する。
関連論文リスト
- 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) - 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) - Automatic Depression Detection: An Emotional Audio-Textual Corpus and a
GRU/BiLSTM-based Model [17.83052349861756]
うつ病は世界的なメンタルヘルスの問題であり、最悪のケースは自殺につながる可能性がある。
参加者のインタビューから音声の特徴と言語内容を利用した抑うつ検出手法を提案する。
うつ病や非うつ病のボランティアから音声と回答の書き起こしを抽出した情緒的音声テキスト圧縮コーパス(EATD-Corpus)を構築した。
論文 参考訳（メタデータ） (2022-02-15T03:29:39Z) - 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) - An Exploratory Analysis of the Relation Between Offensive Language and
Mental Health [3.333967282951668]
我々は,自己報告型うつ病診断の有無にかかわらず,個人グループによって書かれたソーシャルメディア投稿における攻撃的言語の使用を比較するために,計算モデルを訓練する。
分析の結果,自己報告型うつ病の患者やうつ病の徴候を呈する患者では,攻撃的言語がより頻繁に使用されることが明らかとなった。
論文 参考訳（メタデータ） (2021-05-31T11:25:07Z) - 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) - Detecting Early Onset of Depression from Social Media Text using Learned
Confidence Scores [19.86148958828238]
うつ病は若者にとって2番目に大きな死因である。
本研究では,ソーシャルメディアのテキストからうつ病の早期発症を検出する手法に焦点をあてる。
論文 参考訳（メタデータ） (2020-11-03T13:34:04Z) - 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。
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。