Apr, 2017

利用神经用户嵌入从社交媒体量化心理健康

PDF
TL;DR本文提出了一种利用社交媒体内容自动补充传统调查方法得出近实时大规模粗略估计心理健康状况的方法，该方法利用用户 embedding，本研究证明了这些 embedding 可以捕捉到与精神疾病相关的行为特征，从而能够预测用户的心理健康状况。
mental healthsocial mediauser embeddingsdepressionpost-traumatic stress disorder
发现论文，激发创造
  • 基于社交媒体的深度学习方法在精神健康预测中的应用

    通过深度学习模型检测社交媒体用户的心理状况，可以更好地理解疾病并提供早期发现的手段。基于分层注意力网络的二元分类任务预测用户是否患有九种不同疾病中的一种，在四种疾病中表现出比先前设定的基准更高的性能，并通过检查模型的单词级注意权重分析分类相关的短语的限制。

    Mar, 2020

  • 利用 Hugging Face 转换器预测社交网络中的心理健康障碍

    使用社交媒体和预训练语言模型，探索如何利用用户生成的数据来预测心理障碍症状，并发现社交媒体数据是精神健康筛查的良好来源，预训练模型可以有效地自动化这一重要任务。

    Jun, 2023

  • 通过社交媒体进行时间和空间上的鲁棒语言心理健康评估

    本研究旨在通过对社交媒体数据进行大规模分析，使用 1.2 亿条推文来估计美国各个县的抑郁症和焦虑症情况，从而实现以更高的分辨率监测人口心理健康状况的可行性，在精确度方面要优于 ad-hoc 调查。

    Feb, 2023

  • 通过临床问卷学习实现简单灵活的精神障碍检测模型

    研究了使用社交媒体的语言特征来检测心理健康问题，并提出了一种能够有效利用领域知识、可被应用于其他心理障碍以及能够提供可解释检测结果的模型。

    Jun, 2023

  • 探索基于混合和集成模型的社交媒体多分类精神健康状态预测

    本文探索使用社交媒体数据预测多种心理健康状况的自动化检测方法，根据诸如句法复杂性、词汇复杂性和多样性、情感等语言特征，基于混合和集成模型的比较后发现多分类模型在自动化心理健康检测研究中更加准确有效。

    Dec, 2022

  • 嵌入社区推荐的心理健康话语

    我们的研究通过使用话语嵌入技术来开发一个社区推荐系统，重点关注社交媒体上的心理健康支持群体。我们发现该方法优于单独使用每种技术，并提供推荐过程的可解释性。

    Jul, 2023

  • 用于抑郁症程度估计的语义相似性模型

    本文提出了一个有效的语义管道，基于社交媒体的写作，研究个体的抑郁症严重程度。通过计算方法，利用用户生成的社交媒体内容，本文探讨了不同聚合方法以准确预测用户症状严重程度，并在 Reddit 的两个基准测试中取得了 30％的提高。

    Nov, 2022

  • 社交媒体情感融合在精神疾病检测中的应用：综述

    该论文系统回顾了结合情感信息进行社交媒体中精神疾病检测的方法。讨论了数据集可用性和质量、算法性能和可解释性等方面面临的挑战，并提出了未来研究的潜在方向。

    Apr, 2023

  • 使用语言和行为视角的在线社交媒体心理障碍分析和可视化

    本文旨在通过多种语言学、心理学及在线行为等多个方面，更好地了解患有心理障碍的社交媒体用户的特征和差异。研究结果表明，这些用户与正常用户相比，在词汇唯一性、情感表达和月度发布方差等方面存在明显差异。

    Feb, 2022

  • 使用 Twitter 数据预测心理疾病的发生和发展

    本研究基于推特数据开发了计算模型，能够预测个人是否罹患抑郁症和创伤后应激障碍，并证明了这种数据驱动的预测方法可以为早期筛查和检测精神疾病提供帮助。

    Aug, 2016