論文の概要: CNSocialDepress: A Chinese Social Media Dataset for Depression Risk Detection and Structured Analysis
- arxiv url: http://arxiv.org/abs/2510.11233v1
- Date: Mon, 13 Oct 2025 10:14:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:30.314617
- Title: CNSocialDepress: A Chinese Social Media Dataset for Depression Risk Detection and Structured Analysis
- Title（参考訳）: CNSocialDepress: 抑うつリスク検出と構造化分析のための中国のソーシャルメディアデータセット
- Authors: Jinyuan Xu, Tian Lan, Xintao Yu, Xue He, Hezhi Zhang, Ying Wang, Pierre Magistry, Mathieu Valette, Lei Li,
- Abstract要約: CNSocialDepressは、中国のソーシャルメディア投稿からうつ病リスクを検出するためのベンチマークデータセットである。
このデータセットには233人のユーザーから44,178通のテキストが含まれており、その中に心理学の専門家が10,306件のうつ病関連セグメントを注釈付けしている。
- 参考スコア（独自算出の注目度）: 9.638883380746083
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Depression is a pressing global public health issue, yet publicly available Chinese-language resources for risk detection remain scarce and are mostly limited to binary classification. To address this limitation, we release CNSocialDepress, a benchmark dataset for depression risk detection from Chinese social media posts. The dataset contains 44,178 texts from 233 users, within which psychological experts annotated 10,306 depression-related segments. CNSocialDepress provides binary risk labels together with structured multi-dimensional psychological attributes, enabling interpretable and fine-grained analysis of depressive signals. Experimental results demonstrate its utility across a wide range of NLP tasks, including structured psychological profiling and fine-tuning of large language models for depression detection. Comprehensive evaluations highlight the dataset's effectiveness and practical value for depression risk identification and psychological analysis, thereby providing insights to mental health applications tailored for Chinese-speaking populations.
- Abstract（参考訳）: うつ病は世界的な公衆衛生問題だが、リスク検出のための中国語のリソースは乏しいままであり、主に二分分類に限られている。
この制限に対処するため、中国ソーシャルメディア投稿からのうつ病リスク検出のためのベンチマークデータセットであるCNSocialDepressをリリースする。
このデータセットには233人のユーザーから44,178通のテキストが含まれており、その中に心理学の専門家が10,306件のうつ病関連セグメントを注釈付けしている。
CNSocialDepressは、構造化された多次元の心理的属性とともにバイナリリスクラベルを提供し、うつ病信号の解釈可能かつきめ細かい分析を可能にする。
実験結果から、構造化された心理学的プロファイリングや、抑うつ検出のための大規模言語モデルの微調整など、幅広いNLPタスクにまたがる有用性を示す。
包括的評価は、うつ病リスクの同定と心理学的分析におけるデータセットの有効性と実践的価値を強調し、中国人話者に適したメンタルヘルスアプリケーションに対する洞察を提供する。
関連論文リスト
- ReDepress: A Cognitive Framework for Detecting Depression Relapse from Social Media [48.56586765769052]
ReDepressは、リラプスに焦点を当てた最初の臨床的に検証されたソーシャルメディアデータセットである。
我々の枠組みはうつ病の認知理論に基づいており、注意バイアス、解釈バイアス、記憶バイアス、反省などの構造を取り入れている。
本研究は, 実世界のテキストデータにおける心理学的理論を検証し, 早期再発検出のための認知インフォームド・コンピューティング手法の可能性を明らかにするものである。
論文 参考訳（メタデータ） (2025-09-22T16:33:59Z) - A Gold Standard Dataset and Evaluation Framework for Depression Detection and Explanation in Social Media using LLMs [0.0]
オンラインソーシャルメディア投稿からうつ病の早期発見は、タイムリーなメンタルヘルス介入を提供するという約束を掲げている。
抑うつ的スパンをラベル付けした1017のソーシャルメディア投稿を,12の抑うつ症状カテゴリにマッピングし,高品質で専門家による注釈付きデータセットを提示する。
論文 参考訳（メタデータ） (2025-07-26T10:01:55Z) - 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) - Mental-Perceiver: Audio-Textual Multi-Modal Learning for Estimating Mental Disorders [9.222458475626652]
不安や抑うつといった精神障害は、あらゆる年齢の人々に影響を及ぼす世界的な懸念となっている。
AIベースの検出手法は将来性を示しているが、大規模なデータセットが公開されていないため、進歩は妨げられている。
音声およびテキストデータから精神障害を推定する深層学習モデルであるメンタル・パーシーバーを提案する。
論文 参考訳（メタデータ） (2024-08-22T02:54:52Z) - 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) - 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) - DEPTWEET: A Typology for Social Media Texts to Detect Depression
Severities [0.46796109436086664]
我々はうつ病の重症度を検出するために,うつ病の臨床的記述を活用してソーシャルメディアテキストのタイプロジを構築する。
精神疾患の診断・統計マニュアル(DSM-5)と患者健康アンケート(PHQ-9)の標準的臨床評価手順をエミュレートする
専門家アノテータによってラベル付けされた40191ツイートの新しいデータセットを提示します。それぞれのツイートは、"non-depressed"あるいは"depressed"とラベル付けされます。
論文 参考訳（メタデータ） (2022-10-10T08:23:57Z) - 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) - COLD: A Benchmark for Chinese Offensive Language Detection [54.60909500459201]
COLDatasetは、37kの注釈付き文を持つ中国の攻撃的言語データセットである。
また、人気のある中国語モデルの出力攻撃性を研究するために、textscCOLDetectorを提案する。
我々の資源と分析は、中国のオンラインコミュニティを解毒し、生成言語モデルの安全性を評価することを目的としている。
論文 参考訳（メタデータ） (2022-01-16T11:47:23Z) - 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。