面向社交媒体心理健康分类的数据增强
计算与语言
2022-11-09 v1
摘要
在线用户的心理障碍是通过社交媒体帖子来判定的。该领域的主要挑战在于获取使用社交媒体平台上用户生成文本的伦理许可。学术研究者指出了心理健康分类中数据不足且未标注的问题。为处理此问题，我们研究了数据增强技术对用于心理健康分类的特定领域用户生成文本的影响。在现有成熟的数据增强技术中，我们确定了简单数据增强（EDA）、条件 BERT 与回译（BT）作为生成额外文本以提升分类器性能的潜在技术。此外，采用随机森林（RF）、支持向量机（SVM）与逻辑回归（LR）三种不同分类器，在两个公开可用的社交媒体数据集上分析数据增强的影响。实验结果表明，在增强数据上训练时分类器性能有显著提升。
引用
@article{arxiv.2112.10064,
title = {Data Augmentation for Mental Health Classification on Social Media},
author = {Gunjan Ansari and Muskan Garg and Chandni Saxena},
journal= {arXiv preprint arXiv:2112.10064},
year = {2022}
}
备注
10