文献

J-GLOBAL ID：202002262085077865   整理番号：20A0902401

MGL-CNN オンラインフォーラムにおけるうつ病者を同定するための階層的ポスト表現モデル【JST・京大機械翻訳】

MGL-CNN: A Hierarchical Posts Representations Model for Identifying Depressed Individuals in Online Forums

著者 (5件)： Rao Guozheng (College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Zhang Yue (College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Zhang Li (School of Economics and Management, Tianjin University of Science and Technology, Tianjin, China) ,  Cong Qing (College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Feng Zhiyong (College of Intelligence and Computing, Tianjin University, Tianjin, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 32395-32403  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： より多くの利用者は,それらの問題を表現して,助けを探すために,鬱病からオンラインフォーラムに変わった。このようなフォーラムでは,しばしば高感度なコンテンツを持つ大量のポストがあり,ユーザが自殺と自己危害のリスクを持つことを示している。適切な深い学習モデルと社会的メディアデータを用いた抑欝の早期検出は,潜在的な自己被害を防ぐことができる。しかしながら,既存の鬱病検出モデルは,各ユーザにより発表された大量のポストからの重要な感情情報を獲得するのに十分ではなく,これらのモデルの性能を満足しない。この問題を扱うために,著者らは,オンラインフォーラムにおける抑制された個人を同定するために,マルチゲートLeakyReLU CNN(MGL-CNN)と名付けた階層的なポスト表現モデルを提案した。このモデルは2つの部分から構成されている:最初のものは,ユーザの各ポストの表現を学習するために使用されるポストレベルの操作であり,第2のものはユーザレベルの操作であり,ユーザの感情状態の全体的表現を得るために使用される。さらに,単一ゲートLeakyReLU CNN(SGL-CNN)と名付けた,MGL-CNNにおけるゲートユニットの数を変化させることにより,もう一つの抑制検出モデルを提案した。著者らのモデルを用いて,多くのポストコンテンツを通して,ユーザを同定する方法を示した。実験結果は,著者らのモデルがReddit自己報告の鬱病診断データセットに関する以前の最先端のモデルより良く機能して,また,また,鬱病データセットの早期発見に関しても良く実行したことを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  *うつ病 ,  抑うつ ,  高感度 ,  早期診断 ,  コンテンツ
準シソーラス用語： *オンライン ,  マルチゲート ,  感情状態 ,  メディアデータ , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  その他の情報工学基礎理論  (JB06000C)

タイトルに関連する用語 (7件)： CNN ,  オンライン ,  フォーラム ,  うつ病 ,  同定 ,  表現 ,  モデル