UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensemble of BERTs for Classifying Common Mental Illnesses on Social Media Posts

要約

【タイトル】
SNS投稿における一般的な精神疾患の分類のためのBERTの不確実性認識テスト時拡張アンサンブル（UATTA-EB）

【要約】
・世界中の現状により、数百万人の精神疾患患者が孤立し、直接助けを受けることができない状態が続いている。
・我々の話し方などの言語的特徴から精神状態が表れることが心理学的研究においても示されているため、多くの人々はオンラインプラットフォームで自己表現を行い、状態の改善を図っている。
・ソーシャルメディアを含めた様々な情報源から精神疾患を特定し分析するために深層学習手法がよく使われてきているが、信頼性の欠如と予測の過度な自信によりモデルのキャリブレーションが悪化するという課題があった。
・そのため、redditにおけるユーザーデータを分析し、6種類の精神疾患（None、Depression、Anxiety、Bipolar Disorder、ADHD、PTSD）を分類するために、UATTA-EBを提案し、信頼性の高い良好にキャリブレートされた予測を生成することを目的としている。

【要点】
・現在の世界状況により、数百万人の精神疾患患者が孤立し、直接的な支援を受けることができない状況が続いている。
・精神状態は話し方のような言語特徴からも現れるため、多くの人々がオンラインプラットフォームで自己表現を行っている。
・深層学習手法は、ソーシャルメディアを含めた様々な情報源から精神疾患を特定し分析するためにしばしば使われている。
・しかし、予測の信頼性が低く、過度な自信によりモデルのキャリブレーションが悪化するという課題がある。
・UATTA-EBを提案して、redditのユーザーデータを分析し、6つの精神疾患を分類することを目的としている。
・UATTA-EBは、信頼性の高い良好にキャリブレートされた予測を生成することを目的としている。

要約(オリジナル)

Given the current state of the world, because of existing situations around the world, millions of people suffering from mental illnesses feel isolated and unable to receive help in person. Psychological studies have shown that our state of mind can manifest itself in the linguistic features we use to communicate. People have increasingly turned to online platforms to express themselves and seek help with their conditions. Deep learning methods have been commonly used to identify and analyze mental health conditions from various sources of information, including social media. Still, they face challenges, including a lack of reliability and overconfidence in predictions resulting in the poor calibration of the models. To solve these issues, We propose UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensembling of BERTs for producing reliable and well-calibrated predictions to classify six possible types of mental illnesses- None, Depression, Anxiety, Bipolar Disorder, ADHD, and PTSD by analyzing unstructured user data on Reddit.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI