Harnessing the Power of Hugging Face Transformers for Predicting Mental Health Disorders in Social Networks

要約

精神障害の早期診断と介入により、重傷の予防と治療結果の向上が促進されます。
この研究では、ソーシャル メディアと事前トレーニングされた言語モデルを使用して、ユーザー生成データを精神障害の症状を予測するためにどのように使用できるかを調査しています。
私たちの研究では、ハグフェイスの 4 つの異なる BERT モデルと、最近の文献で自動うつ病診断に使用されている標準的な機械学習技術を比較しました。
結果は、新しいモデルが最大 97% の精度率で以前のアプローチを上回っていることを示しています。
過去の調査結果を補完しながら結果を分析すると、たとえ少量のデータ（ユーザーの略歴など）でも精神障害を予測できる可能性があることがわかりました。
私たちは、ソーシャルメディアデータはメンタルヘルススクリーニングの優れた情報源であり、事前トレーニングされたモデルはこの重要なタスクを効果的に自動化できると結論付けています。

要約(オリジナル)

Early diagnosis of mental disorders and intervention can facilitate the prevention of severe injuries and the improvement of treatment results. Using social media and pre-trained language models, this study explores how user-generated data can be used to predict mental disorder symptoms. Our study compares four different BERT models of Hugging Face with standard machine learning techniques used in automatic depression diagnosis in recent literature. The results show that new models outperform the previous approach with an accuracy rate of up to 97%. Analyzing the results while complementing past findings, we find that even tiny amounts of data (like users’ bio descriptions) have the potential to predict mental disorders. We conclude that social media data is an excellent source of mental health screening, and pre-trained models can effectively automate this critical task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google