文献

J-GLOBAL ID：202002265743613697   整理番号：20A0714144

ポスティング,行動,および生活環境データを用いたうつ病検出のための深いアーキテクチャ【JST・京大機械翻訳】

A deep architecture for depression detection using posting, behavior, and living environment data

著者 (4件)： Wu Min Yen (Institute of Information Systems and Applications, National Tsing Hua University, Hsinchu, Taiwan) ,  Shen Chih-Ya (Department of Computer Science, National Tsing Hua University, Hsinchu, Taiwan) ,  Wang En Tzu (Computational Intelligence Technology Center, Industrial Technology Research Institute, Hsinchu, Taiwan) ,  Chen Arbee L. P. (Department of Computer Science and Information Engineering, Asia University, Taichung, Taiwan)
資料名： Journal of Intelligent Information Systems  (Journal of Intelligent Information Systems)
巻： 54  号： 2  ページ： 225-244  発行年： 2020年 
JST資料番号： W0453A  ISSN： 0925-9902  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 世界保健機関(WHO)は,欝病障害が次の20年に広がることを予測する。これらの障害は,対人関係に加えて睡眠や摂食パターンの変化などの人の一般的な健康や習慣に影響を及ぼす可能性がある。従って,早期うつ病検出と予防は重要な問題となる。この重要な問題を扱うために,Faceブックを頻繁に使用し,それらのFaceブックデータを収集した1453人の個人を募集した。次に,不均一データ源(D3-HDS)によるDeep学習ベースの欝病検出と名付けた自動的な抑制検出手法を提案し,社会的メディアにおける彼の生活環境,行動,およびポッティング内容を分析することにより個人の抑欝ラベルを予測した。提案した方法は,各個人のポスト表現を計算するために,再帰ニューラルネットワークを採用した。次に,表現を,Deepニューラルネットワークを持つ個人の抑欝ラベルを予測するために,他のコンテンツベース,行動,および生活環境特徴と組み合わせた。著者らの最良の知識に対して,これは,鬱病検出のためのすべてのコンテンツベース,行動,および生活環境特徴を同時に考慮する最初の試みである。実際のデータセットに関する実験結果は,著者らのアプローチの性能が他のベースラインより著しく優れていることを示した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2018 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 世界保健機関 ,  基準線 ,  人間関係 ,  学習 ,  抑うつ ,  *計算機アーキテクチャ ,  ニューラルネットワーク ,  *うつ病 ,  コンテンツ ,  *住環境
準シソーラス用語： ソーシャルメディア ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： うつ病の検出 ,  深層学習 ,  ソーシャルメディア

分類 (1件)： 精神障害  (GR03000A)

タイトルに関連する用語 (4件)： 行動 ,  生活環境 ,  うつ病 ,  アーキテクチャ