深度子情感词袋用于社交媒体中的抑郁检测
计算与语言
2021-03-03 v1 机器学习
摘要
本文提出深度子情感词袋（DeepBoSE），一种用于社交媒体中抑郁检测的新型深度学习模型。该模型被构建为在内部计算一种融合情感信息的可微分词袋（BoF）表示。这是通过将词频-逆文档频率等经典加权方案重新解释为概率深度学习操作来实现的。所提方法的一个重要优势是它可在迁移学习范式下训练，这有助于增强无法直接集成到深度学习架构中的常规 BoF 模型。实验在 eRisk17 与 eRisk18 数据集上针对抑郁检测任务进行；结果表明 DeepBoSE 优于常规 BoF 表示，且与当前最优水平具有竞争力，在 eRisk17 与 eRisk18 上正类的 F1-score 分别达到 0.64 与 0.65。
引用
@article{arxiv.2103.01334,
title = {Deep Bag-of-Sub-Emotions for Depression Detection in Social Media},
author = {Juan S. Lara and Mario Ezra Aragon and Fabio A. Gonzalez and Manuel Montes-y-Gomez},
journal= {arXiv preprint arXiv:2103.01334},
year = {2021}
}