論文の概要: A Multimodal Framework for Depression Detection during Covid-19 via Harvesting Social Media: A Novel Dataset and Method

• arxiv url: http://arxiv.org/abs/2511.00424v1
• Date: Sat, 01 Nov 2025 06:33:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.77166
• Title: A Multimodal Framework for Depression Detection during Covid-19 via Harvesting Social Media: A Novel Dataset and Method
• Title（参考訳）: ソーシャルメディアを利用したCovid-19における抑うつ検出のためのマルチモーダルフレームワーク:新しいデータセットと方法
• Authors: Ashutosh Anshul, Gumpili Sai Pranav, Mohammad Zia Ur Rehman, Nagendra Kumar,
• Abstract要約: 新型コロナウイルス(COVID-19)はパンデミックとなり、世界中で影響を与えている。 うつ病は世界中のほとんどの病気に大きく影響し、人々の精神的な健康状態を検出することは困難である。 本稿では,ソーシャルメディア利用者の抑うつを検出するために,テキスト,ユーザ固有,画像分析を組み合わせた新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.884231159866055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The recent coronavirus disease (Covid-19) has become a pandemic and has affected the entire globe. During the pandemic, we have observed a spike in cases related to mental health, such as anxiety, stress, and depression. Depression significantly influences most diseases worldwide, making it difficult to detect mental health conditions in people due to unawareness and unwillingness to consult a doctor. However, nowadays, people extensively use online social media platforms to express their emotions and thoughts. Hence, social media platforms are now becoming a large data source that can be utilized for detecting depression and mental illness. However, existing approaches often overlook data sparsity in tweets and the multimodal aspects of social media. In this paper, we propose a novel multimodal framework that combines textual, user-specific, and image analysis to detect depression among social media users. To provide enough context about the user's emotional state, we propose (i) an extrinsic feature by harnessing the URLs present in tweets and (ii) extracting textual content present in images posted in tweets. We also extract five sets of features belonging to different modalities to describe a user. Additionally, we introduce a Deep Learning model, the Visual Neural Network (VNN), to generate embeddings of user-posted images, which are used to create the visual feature vector for prediction. We contribute a curated Covid-19 dataset of depressed and non-depressed users for research purposes and demonstrate the effectiveness of our model in detecting depression during the Covid-19 outbreak. Our model outperforms existing state-of-the-art methods over a benchmark dataset by 2%-8% and produces promising results on the Covid-19 dataset. Our analysis highlights the impact of each modality and provides valuable insights into users' mental and emotional states.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)がパンデミックとなり、世界中に影響を及ぼしている。 パンデミックの間、不安、ストレス、抑うつなどのメンタルヘルスに関連する症例が急増しているのを私たちは見てきた。 うつ病は世界中のほとんどの病気に大きく影響し、医師に診察することを嫌悪し、心の健康状態を検出するのが困難になる。 しかし、近年、人々はオンラインソーシャルメディアプラットフォームを使って感情や思考を表現している。 そのため、ソーシャルメディアプラットフォームは、うつ病や精神疾患の検出に利用できる巨大なデータソースになりつつある。 しかし、既存のアプローチは、ツイートやソーシャルメディアのマルチモーダルな側面において、データの疎さを無視することが多い。 本稿では,ソーシャルメディア利用者の抑うつを検出するために,テキスト,ユーザ固有,画像分析を組み合わせた新しいマルチモーダルフレームワークを提案する。 ユーザの感情状態に関する十分なコンテキストを提供するために,我々は提案する。 (i)つぶやきやつぶやきのURLを利用した外見的特徴 (ii)つぶやきに投稿された画像中のテキスト内容の抽出。 また、ユーザを記述するために、異なるモダリティに属する5つの特徴セットを抽出する。 さらに、ユーザ投稿画像の埋め込みを生成するためのディープラーニングモデルであるVisual Neural Network (VNN)を導入し、予測のための視覚的特徴ベクトルを生成する。 我々は、うつ病や非うつ病の患者を対象に、治療されたCovid-19データセットを研究目的で提供し、Covid-19のアウトブレイク時のうつ病検出におけるモデルの有効性を実証した。 我々のモデルは、ベンチマークデータセット上で既存の最先端メソッドを2%-8%上回り、Covid-19データセットで有望な結果をもたらす。 分析では、各モダリティの影響を強調し、ユーザの精神的および感情的状態に対する貴重な洞察を提供する。

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)
• Reading Between the Frames: Multi-Modal Depression Detection in Videos from Non-Verbal Cues [11.942057763913208]
  世界的障害への顕著な貢献者である抑うつは、人口のかなりの部分に影響を与える。 ソーシャルメディアのテキストからうつ病を検知する試みは広く行われているが、ユーザー生成ビデオコンテンツからうつ病を検知する研究はごくわずかしか行われていない。 本研究では, ノイズの多い実世界のビデオにおいて, 多様なモーダル性から非言語的抑うつの手がかりを識別できる, 単純で柔軟なマルチモーダル時間モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-05T10:47:42Z)
• 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)
• It's Just a Matter of Time: Detecting Depression with Time-Enriched Multimodal Transformers [24.776445591293186]
  本稿では,ソーシャルメディア投稿からうつ病を検出するための柔軟な時間拡張型マルチモーダルトランスフォーマーアーキテクチャを提案する。 我々のモデルはユーザーレベルで直接動作し、時間2vecの位置埋め込みを用いて、投稿間の相対時間で拡張する。 EmoBERTaとCLIPの埋め込みを用いた手法は、2つのマルチモーダルデータセット上の他の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-13T09:40:19Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベース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） (2022-12-22T01:20:29Z)
• 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)
• 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)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• DepressionNet: A Novel Summarization Boosted Deep Framework for Depression Detection on Social Media [12.820775223409857]
  Twitterは、ユーザーが生成したコンテンツを共有できる人気のオンラインソーシャルメディアプラットフォームである。 応用の1つは、うつ病などの精神疾患を自動的に発見することである。 オンラインソーシャルメディア上で、抑うつされたユーザーを自動的に検出する以前の研究は、ユーザー行動と言語パターンに大きく依存している。
  論文  参考訳（メタデータ） (2021-05-23T08:05:53Z)
• Machine Learning-based Approach for Depression Detection in Twitter Using Content and Activity Features [0.0]
  近年の研究では、ソーシャルメディアサイトの利用率とうつ病の増加の相関が示されている。 本研究の目的は、ネットワークの振る舞いとつぶやきの両方に基づいて、潜在的に落ち込んだTwitterユーザーを検出する機械学習技術を活用することである。
  論文  参考訳（メタデータ） (2020-03-09T11:27:39Z)

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。