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、多クラス分類、および多出力回帰という 4 つの予測サブタスクを解決しました。
私たちは、多出力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。
タスクに合わせて BERT ベースのモデルを直接微調整する方法と、その埋め込みを線形回帰変数への入力として使用する方法の 2 つのモデリング 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 multi-output regression. We approached this by training a model to solve the multi-output regression case and then transforming the predictions to work for the other three subtasks. We compare the performance of two modeling approaches: fine-tuning a BERT-based model directly for the task or using its 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