A Cost-aware Study of Depression Language on Social Media using Topic and Affect Contextualization

要約

うつ病は社会のメンタルヘルスにおいて深刻な問題となっており、生活のあらゆる分野に影響を及ぼし、自殺につながる可能性もあります。
幸いなことに、予防プログラムは治療に効果的です。
これに関連して、この研究では、機械学習と自然言語処理手法に基づいて、ソーシャルメディア上でうつ病を検出するための自動システムを提案します。
この論文では、以下の貢献について説明します。(i) うつ病検出のために数種類のテキスト表現を組み合わせたアンサンブル学習システム。この分野の最近の進歩も含まれます。
(ii) トピックと感情情報による文脈化スキーマ。
(iii) モデルのエネルギー消費を分析し、分類パフォーマンスと全体的な計算コストの間のトレードオフを確立します。
提案されたモデルの有効性を評価するために、抑うつ的なテキストをモデル化した 2 つのデータセットで徹底的な評価が実行されます。
実験では、提案されたコンテキスト化戦略により分類が改善され、Transformer を使用するアプローチにより全体の F スコアが 2% 改善され、同時にエネルギー コストが 100 倍に増加することが示されました。
最後に、この作業は、性能分類とエネルギー消費の両方を考慮することにより、将来のエネルギーに関するシステムへの道を切り開きます。

要約(オリジナル)

Depression is a growing issue in society’s mental health that affects all areas of life and can even lead to suicide. Fortunately, prevention programs can be effective in its treatment. In this context, this work proposes an automatic system for detecting depression on social media based on machine learning and natural language processing methods. This paper presents the following contributions: (i) an ensemble learning system that combines several types of text representations for depression detection, including recent advances in the field; (ii) a contextualization schema through topic and affective information; (iii) an analysis of models’ energy consumption, establishing a trade-off between classification performance and overall computational costs. To assess the proposed models’ effectiveness, a thorough evaluation is performed in two datasets that model depressive text. Experiments indicate that the proposed contextualization strategies can improve the classification and that approaches that use Transformers can improve the overall F-score by 2% while augmenting the energy cost a hundred times. Finally, this work paves the way for future energy-wise systems by considering both the performance classification and the energy consumption.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google