Jul, 2022

社交媒体帖子中心理健康问题因果分析的注释语料库（CAMS）

PDF
TL;DR通过社交媒体的分析，研究社区已经在检测心理健康问题及其相关原因方面取得了显著的增长。本研究引入了一份新的数据集用于社交媒体帖子中心理健康问题的因果分析，提出了一个任务的因果分析注释方案，并通过不同的数据集进行了实验。最后，通过 CAMs 数据集提出了一种逻辑回归模型，准确率优于 CNN-LSTM 模型 4.9％。
发现论文，激发创造
  • 使用变形金刚对心理健康帖子进行因果分类

    本研究使用 transformer 模型对 CAMS 数据集进行预训练的迁移学习，改善了现有分类器的效率，准确性取得了提升，证明了在社交媒体上对于心理健康分析中的因果关系的识别是必要的。

    Jan, 2023

  • 社交媒体数据中心理健康的可解释因果分析

    本研究通过对社交媒体上精神疾病分类进行多类因果关系分析，发现因果关系解释的重叠问题是导致错误预测的主要挑战之一，并通过采用一些解决方法验证了该假设的有效性。实验结果表明，使用 LIME 和 Integrated Gradient（IG）方法，该方法的类别平均分数为 $81.29％$ 和 $0.906$。

    Oct, 2022

  • 长文本中心理困扰原因的多类别分类

    使用 Longformer 对社交媒体数据中的自述文本进行编码，从而发现与心理疾病的因果关系，取得了最新的 M-CAMS 数据集上的最佳结果，为分析抑郁症和自杀风险提供了有效途径。

    Apr, 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

  • 社交媒体中的心理健康分类数据增强

    本文研究利用数据增强技术对社交媒体用户生成文本进行分类的效果，发现 Easy Data Augmentation，conditional BERT 和 Back Translation 等技术对于分类器性能的提高有潜力，这对于存在缺乏标记数据和倫理清晰的社会媒体平台上的自动生成的文本的心理健康分类是有意义的。

    Dec, 2021

  • 社交媒体上的因果解释分析

    本文探讨了通过采用语篇分析构建自动化分析因果关系解释的方法，包括因果关系检测和因果解释识别，展示了完整流水线的应用程序，并探讨了在社交媒体上进行自动化分析的应用领域。

    Sep, 2018

  • 自然语言处理在社交媒体上作为因果分析和认知挖掘工具来推测精神健康

    聊天软件等社交媒体的人际互动对个人心理状况具有暗示作用，而计算智能技术、自然语言处理等方面的持续发展为探讨导致用户在线上状况的原因与心理效应提供了一种全新的视角和工具。本文旨在进一步探讨其中两大关键方向：寻找因果关系与推理发生在用户意识中影响的各种心理角度，在自然语言处理的范畴内通过最新的话语分析技术拓展思路空间，以发掘心理计算学问题的更多潜在解决方案。

    Jan, 2023

  • 社交媒体数据在精神健康研究中的应用现状

    本论文分析了社交媒体数据对于进行心理健康研究的现状，并引入了一个基于标准化模式的开源心理健康数据集目录，以促进元分析。

    Nov, 2020

  • 多媒体社交分析的数据集和基准测试

    该论文介绍了一个通过从社交媒体网站获取包含多个成对图像 / 视频和文本的帖子以及包含图像 / 视频和 / 或文本的评论树来实现多模态学习的新的可公开获取的数据集，并提供了基线性能分析，适用于图像字幕、情感分析和预训练模型等多项任务。

    Jun, 2020

  • 更多的数据是你所需要的一切吗？一个因果探索

    本文探讨了应用因果分析作为资源优化工具来开发医学成像机器学习应用的潜力。通过对合成数据集和糖尿病视网膜病变图像分析的实例研究，研究了数据集干预对图像分类模型输出的影响，以及需要在数据集中加入的数据量和类型以实现特定子任务的更好性能。

    Jun, 2022