文献

J-GLOBAL ID：202202286851653584   整理番号：22A1154733

Twitterユーザのソーシャルメディア活動に基づく抑うつ傾向予測のためのアンサンブルニューラルモデル【JST・京大機械翻訳】

Ensemble Neural Models for Depressive Tendency Prediction Based on Social Media Activity of Twitter Users

著者 (3件)： Saini Gurdeep (Department of Information Technology, Healthcare Analytics and Language Engineering (HALE), National Institute of Technology Karnataka, Mangalore, India) ,  Yadav Naveen (Department of Information Technology, Healthcare Analytics and Language Engineering (HALE), National Institute of Technology Karnataka, Mangalore, India) ,  Kamath S Sowmya (Department of Information Technology, Healthcare Analytics and Language Engineering (HALE), National Institute of Technology Karnataka, Mangalore, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 848  ページ： 211-226  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
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： 進行中の流行の観点から,臨床鬱病(CD)は,集団の大きなセグメントに対する重大な健康課題である。最近の公共調査によると,毎年30万人以上のアメリカ市民は,毎年のうつ病の犠牲者であり,また,抑鬱は毎年30万人の自殺を引き起こす。うつ病の早期検出は,より良い精神衛生のための多くの必要な医療介入と治療を提供するのを助けることができる。これに向けて,ユーザの社会的メディアポストは,彼らのメンタルヘルス信号を解析するための重要な情報源であり,また,母集団における臨床鬱病傾向の有病率を評価するための尺度として役立ち得る。本論文では,ソーシャルメディア活動を用いて母集団における抑うつ傾向を検出するための教師つきおよび半教師つき学習アルゴリズムの予測力を利用するアプローチを示した。学習モデルを,1.6百万のラベル付きピンセットを含むSentiment140データセットから前処理されたピンセットデータに関して訓練した。また,97.1%の精度を持つ重要なマージンによって機械学習モデルを上回る予測タスクのための畳み込みニューラルネットワークモデルを設計した。提案モデルの性能は,SMDIのような標準計量(Social Media Depression Index)を用いてベンチマークした。利用者のリアルタイム社会的行動を収集して,提案モデルを訓練し,実世界アプリケーションのその可能性を実証するために,クラウドソーシングアプローチを採用した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  情報源 ,  罹患率 ,  応用プログラム ,  うつ病 ,  *抑うつ ,  精神衛生 ,  母集団 ,  ベンチマーク ,  *情報メディア ,  機械学習
準シソーラス用語： *神経回路網モデル ,  半教師つき学習 ,  クラウドソーシング ,  *ソーシャルメディア ,  *ツイッター , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  うつ病検出 ,  医療分析 ,  機械学習 ,  自然言語処理

分類 (3件)： 精神障害  (GR03000A) ,  精神障害の診断  (GR02000T) ,  産業衛生,産業災害  (GB05000S)

タイトルに関連する用語 (7件)： Twitter ,  ソーシャルメディア ,  活動 ,  抑うつ傾向 ,  予測 ,  アンサンブル ,  ニューラルモデル