A Framework for Identifying Depression on Social Media: MentalRiskES@IberLEF 2023

要約

この論文では、IberLEF 2023 での MentalRiskES タスクへの参加について説明します。このタスクには、ソーシャル メディア活動に基づいて個人がうつ病を経験する可能性を予測することが含まれていました。
データセットは 175 人の Telegram ユーザーからの会話で構成されており、それぞれが障害に苦しんでいるという証拠に従ってラベル付けされています。
従来の機械学習と深層学習技術を組み合わせて、バイナリ分類、単純回帰、マルチクラス分類、マルチクラス回帰という 4 つの予測サブタスクを解決しました。
私たちは、マルチクラス回帰ケースを解決するためにモデルをトレーニングし、他の 3 つのサブタスクで機能するように予測を変換することでこれに取り組みました。
BERT ベースのモデルを微調整する方法と、線形回帰変数への入力として文の埋め込みを使用する方法の 2 つの異なるモデリング アプローチのパフォーマンスを比較します。後者の方がより良い結果が得られます。
結果を再現するコードは、https://github.com/simonsanvil/EarlyDepression-MentalRiskES にあります。

要約(オリジナル)

This paper describes our participation in the MentalRiskES task at IberLEF 2023. The task involved predicting the likelihood of an individual experiencing depression based on their social media activity. The dataset consisted of conversations from 175 Telegram users, each labeled according to their evidence of suffering from the disorder. We used a combination of traditional machine learning and deep learning techniques to solve four predictive subtasks: binary classification, simple regression, multiclass classification, and multiclass regression. We approached this by training a model to solve the multiclass regression case and then transforming the predictions to work for the other three subtasks. We compare the performance of two different modeling approaches: fine-tuning a BERT-based model and using sentence embeddings as inputs to a linear regressor, with the latter yielding better results. The code to reproduce our results can be found at: https://github.com/simonsanvil/EarlyDepression-MentalRiskES.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google