基于循环神经网络的社交媒体班语情感抑郁检测
人机交互
2024-12-10 v1 计算与语言
机器学习
摘要
情感人工智能是一项关注如何识别情感，特别是在文本挖掘领域的研究。社交媒体的时代为我们提供了分享个人表达、情感和对任何事件看法的机会。我们可以分析社交媒体帖子中的情感，以识别对社会的积极、消极或情感行为。情感分析的一个关键挑战是识别来自社交媒体文本中的抑郁文本，这是精神疾病的根源。此外，抑郁会导致日常生活中的严重障碍，是自杀事件的主要来源。在本文中，我们对Facebook文本应用了自然语言处理技术，专注于使用多种机器学习算法进行情感分析以检测抑郁。预处理步骤如词干提取、停用词移除等用于清理收集的数据，特征提取技术如风格特征、TF-IDF、词嵌入等被应用于收集的数据集，该数据集由983个社交媒体帖子组成。在类别预测过程中，使用了LSTM、GRU、支持向量机和朴素贝叶斯分类器。我们使用主要分类指标包括F1-score和准确率展示了结果。这一工作旨在从社交媒体帖子中检测抑郁，以帮助心理学家分析情感，可能通过诊断和治疗减少抑郁个体的不良行为。
引用
@article{arxiv.2412.05861,
title = {Depression detection from Social Media Bangla Text Using Recurrent Neural Networks},
author = {Sultan Ahmed and Salman Rakin and Mohammad Washeef Ibn Waliur and Nuzhat Binte Islam and Billal Hossain and Md. Mostofa Akbar},
journal= {arXiv preprint arXiv:2412.05861},
year = {2024}
}
备注
Initial version with Bangla text. arXiv admin note: substantial text overlap with arXiv:2411.04542