depression detection | BriefGPT

关键词depression detection

搜索结果 - 28

机器学习算法在抑郁症检测中的应用及比较
通过分析社交媒体行为，本研究借助情感人工智能等先进技术，设计了一种自动检测社交媒体用户抑郁状况的分类器，最高准确率可达 81.79%。
PDFa year ago
GLOBEM 数据集：用于纵向人类行为建模泛化的多年数据集
本文介绍了一份多年的被动监测数据集，用于支持进行跨数据集评估行为建模算法的泛化性能，并提供 18 种算法在抑郁症检测任务上的基准结果。结果表明，先前的抑郁症检测算法和领域泛化技术都有潜力但需要进一步研究才能实现充分的跨数据集泛化能力。
PDF2 years ago
基于隐喻概念映射的分层注意力网络用于可解释的推特抑郁症检测
在 Twitter 上进行自动检测抑郁症能够帮助个人在寻求心理健康专业人员帮助之前，以私密和方便的方式了解自己的心理健康状况。本文提出了一种基于描述性模型的新型抑郁症检测模型，该模型结合了分层注意机制和前馈神经网络，在支持心理语言学研究的同
PDF2 years ago
对话中抑郁症检测的多任务学习
本文探讨了对话中抑郁情绪的特征以及用 Multi-Task Learning 方法来提高抑郁情绪检测的准确性，最终证明了抑郁和情绪、对话组织之间的相关性。
PDF2 years ago
融合基于文本和基于图形的特征用于从语音中检测心理健康疾病
通过语音信号图形转换和自然语言处理相结合，可以提高语音信号图形低级特征和文本低级特征分类和学习的融合，从而增强抑郁症等心理障碍的检测，特别是在疫情后期，随着语音启用设备，如智能手机的普及。
PDF2 years ago
通过利用临床问卷提高抑郁症检测的泛化能力
本研究提出通过将模型约束在医生在抑郁筛选过程中使用的 PHQ9 表中描述的症状中以不同程度地控制抑郁症检测的方法。在三个社交媒体数据集的数据集转移实验中，我们发现将模型限定于 PHQ9 的症状可以显著提高模型对于分布外数据的泛化能力，而在本
PDF2 years ago
Author2Vec：生成用户嵌入的框架
本文提出了一种基于神经网络和 BERT 模型的用户嵌入系统 ——Author2Vec，其通过使用 BERT 模型中的句子嵌入技术，结合新颖的无监督预训练目标，即作者分类，以生成更好的用户嵌入表示。该系统在 Reddit 平台的 1 万个用户
PDF4 years ago
AVEC 2019 工作坊和挑战赛：情绪状态、利用 AI 检测抑郁症和跨文化情感识别
本文介绍了 AVEC 2019 的挑战目标，包括情感的识别以及跨文化的影响认知，使用多模态数据完成对于健康和情感方面的自动识别，评估基于机器学习方法的表现，并提供一个共同的基准测试集。
PDF5 years ago