Semantic Similarity Models for Depression Severity Estimation

要約

うつ病は世界中で深刻な公衆衛生問題となっています。
しかし、公衆衛生システムの感染者の検出と診断の能力には限界があります。
この点において、ソーシャルメディアの普及により、大規模に公開情報にアクセスする道が開かれました。
計算手法は、このユーザー作成のソーシャル メディア コンテンツを活用することで、迅速なスクリーニングのためのサポート ツールとして機能します。
この論文では、ソーシャル メディアの書き込みに基づいて個人のうつ病の重症度を研究するための効率的なセマンティック パイプラインを紹介します。
うつ病の症状と重症度レベルに対応する代表的なトレーニング文のインデックスに対して意味的ランキングを作成するために、テスト ユーザーの文を選択します。
そして、その結果から得られた文章を根拠としてユーザーの症状の重症度を予測します。
そのために、症状ごとに 4 つの Beck Depression Inventory (BDI) オプションのいずれかに回答するためのさまざまな集計方法を検討します。
私たちは Reddit ベースの 2 つのベンチマークで私たちの方法を評価し、うつ病の重症度の測定に関して最先端技術と比較して 30% の改善を達成しました。

要約(オリジナル)

Depressive disorders constitute a severe public health issue worldwide. However, public health systems have limited capacity for case detection and diagnosis. In this regard, the widespread use of social media has opened up a way to access public information on a large scale. Computational methods can serve as support tools for rapid screening by exploiting this user-generated social media content. This paper presents an efficient semantic pipeline to study depression severity in individuals based on their social media writings. We select test user sentences for producing semantic rankings over an index of representative training sentences corresponding to depressive symptoms and severity levels. Then, we use the sentences from those results as evidence for predicting users’ symptom severity. For that, we explore different aggregation methods to answer one of four Beck Depression Inventory (BDI) options per symptom. We evaluate our methods on two Reddit-based benchmarks, achieving 30\% improvement over state of the art in terms of measuring depression severity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google