基于主题与情感语境化的社交媒体抑郁语言成本感知研究
计算与语言
2023-07-03 v1
摘要
抑郁症是社会心理健康中日益严重的问题，它影响生活的各个方面，甚至可能导致自杀。幸运的是，预防项目在其治疗中可以发挥作用。在此背景下，本工作提出了一种基于机器学习和自然语言处理方法的社交媒体抑郁症自动检测系统。本文做出以下贡献：(i) 一种结合多种文本表示用于抑郁检测的集成学习系统，包括该领域的最新进展；(ii) 通过主题和情感信息的语境化方案；(iii) 对模型能耗的分析，在分类性能与总体计算成本之间建立权衡。为评估所提模型的有效性，在两个建模抑郁文本的 dataset 上进行了 thorough 评估。实验表明，所提出的语境化策略能够改善分类，且使用 Transformer 的方法可在能耗增加百倍的情况下将总体 F 值提高 2%。最后，本工作通过同时考虑分类性能与能耗，为未来的节能型系统铺平了道路。
引用
@article{arxiv.2306.17564,
title = {A Cost-aware Study of Depression Language on Social Media using Topic and Affect Contextualization},
author = {Andrea Laguna and Oscar Araque},
journal= {arXiv preprint arXiv:2306.17564},
year = {2023}
}