BriefGPT.xyz
Apr, 2022
从社交媒体文本中检测抑郁症状
KUCST@LT-EDI-ACL2022: Detecting Signs of Depression from Social Media Text
HTML
PDF
Manex Agirrezabal, Janek Amann
TL;DR
本文提出了一种基于文本单元、词类标记、可读性度量以及第一、第二或第三人称和单词数的方法来检测社交媒体文本中的抑郁迹象。我们的最佳模型获得了0.439的宏F1分数，排名31个团队中的第25名。我们进一步利用逻辑回归模型的可解释性，并尝试解释模型系数，以期对该主题的进一步研究有所帮助。
Abstract
In this paper we present our approach for detecting signs of
depression
from
social media
text. Our model relies on word unigrams, part-of-speech tags, readabilitiy measures and the use of first, second or third
→