論文の概要: Mental Health Disorder Detection Beyond Social Media: A Systematic Review of Available Datasets
- arxiv url: http://arxiv.org/abs/2607.03540v1
- Date: Fri, 03 Jul 2026 18:00:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.645345
- Title: Mental Health Disorder Detection Beyond Social Media: A Systematic Review of Available Datasets
- Title（参考訳）: ソーシャルメディアを超えたメンタルヘルス障害検出 : 利用可能なデータセットの体系的レビュー
- Abstract要約: 我々は、精神保健研究のための非社会的メディア、自由テキストデータセットの総合的なレビューを初めて提示する。
非社会的メディアの自由テキストベースのデータセットは、主に英語と抑うつの検出に焦点が当てられている。
- 参考スコア（独自算出の注目度）: 20.790423263913713
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detecting mental health disorders in a timely manner is an important societal challenge. NLP and machine learning (ML) methods used to assist with detection rely on data collected primarily from social media. However, such datasets often have sampling biases and inherent ethical and privacy issues. One avenue to overcome these limitations is non-social media data. We present the first comprehensive review of non-social media, free-text datasets for mental health research. We use the PRISMA methodology to conduct our survey and we review datasets available in multiple languages. We find that non-social media free-text based datasets are predominantly focused on English and on detecting depression. These datasets also vary in demographics, platforms, data types, annotation techniques, and methodologies. This systematic review also reveals key gaps and highlights opportunities to develop more diverse, reliable and clinically-relevant resources.
- Abstract（参考訳）: 精神疾患をタイムリーに検出することは重要な社会的課題である。
NLPと機械学習(ML)は、主にソーシャルメディアから収集されたデータに依存する。
しかしながら、そのようなデータセットは、しばしばバイアスや固有の倫理的およびプライバシー上の問題をサンプリングする。
これらの制限を克服する道の1つは、非社会的メディアデータである。
我々は、精神保健研究のための非社会的メディア、自由テキストデータセットの総合的なレビューを初めて提示する。
我々はPRISMA手法を用いて調査を行い、複数の言語で利用可能なデータセットをレビューする。
非社会的メディアの自由テキストベースのデータセットは、主に英語と抑うつの検出に焦点が当てられている。
これらのデータセットは、人口統計、プラットフォーム、データタイプ、アノテーション技術、方法論にも変化がある。
この体系的なレビューは、重要なギャップを明らかにし、より多様性があり、信頼性があり、臨床的に関連のあるリソースを開発する機会を強調している。
関連論文リスト
- MindSET: Advancing Mental Health Benchmarking through Large-Scale Social Media Data [29.110680511845327]
Reddit から収集した新たなベンチマークデータセット textbfMindSET について報告する。
注釈付きデータセットには、以前のベンチマークの2倍以上の大きさの7つのメンタルヘルス条件にわたる textbf13M アノテーション付きポストが含まれている。
論文 参考訳（メタデータ） (2025-11-14T16:06:04Z) - Social Media for Mental Health: Data, Methods, and Findings [7.498939749404979]
本章は、ソーシャルメディアデータの普及によるメンタルヘルスの課題に関する、最先端の研究方法論と知見について研究する。
特に、この章では、ユーザ開示で表現された言語的、視覚的、感情的な指標について記述している。
この章の主目的は、この新しいデータソースをいかにタップして医療実践を改善し、タイムリーなサポートを提供し、政府や政策立案者に影響を及ぼすかを示すことである。
論文 参考訳（メタデータ） (2025-11-11T07:10:12Z) - A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。
本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
論文 参考訳（メタデータ） (2025-08-13T13:42:35Z) - A Survey of Large Language Models in Mental Health Disorder Detection on Social Media [6.494919397864379]
本稿では,ソーシャルメディア上でのメンタルヘルス問題検出におけるLarge Language Models(LLMs)の可能性を検討することを目的とする。
本論文は、うつ病や不安などの最も一般的な精神疾患に焦点を当て、また精神障害や外因性障害も取り入れている。
論文 参考訳（メタデータ） (2025-04-03T17:43:14Z) - Reddit-Impacts: A Named Entity Recognition Dataset for Analyzing Clinical and Social Effects of Substance Use Derived from Social Media [6.138126219622993]
物質利用障害(SUD)は、データ駆動研究を通じて、問題とそのトレンドの理解を深める必要がある、世界的な関心事である。
ソーシャルメディアは、SUDに関するユニークな重要な情報源であり、特にそのような情報源のデータは、生きた経験を持つ人々によってしばしば生成されるためである。
本稿では,処方と違法なオピオイド,およびオピオイド使用障害の薬物に関する議論を専門とするサブレディットからキュレートされた,難解な名前付きエンティティ認識(NER)データセットであるReddit-Impactsを紹介する。
このデータセットは、研究の少ないが重要な、物質利用の側面に特に焦点を絞っている。
論文 参考訳（メタデータ） (2024-05-09T23:43:57Z) - An Annotated Dataset for Explainable Interpersonal Risk Factors of
Mental Disturbance in Social Media Posts [0.0]
ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。
我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
論文 参考訳（メタデータ） (2023-05-30T04:08:40Z) - 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) - 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) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳（メタデータ） (2021-06-20T10:48:49Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - On the State of Social Media Data for Mental Health Research [13.085817944146376]
我々は、メンタルヘルス研究を行うために存在するソーシャルメディアデータの現状を特に分析する。
我々は、メタ分析を容易にするために標準化されたスキーマを用いて注釈付けされたメンタルヘルスデータセットのオープンソースディレクトリを紹介する。
論文 参考訳（メタデータ） (2020-11-10T16:45:52Z)
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。