基于社交媒体数字痕迹的抑郁症检测：一种知识感知深度学习方法
计算与语言
2025-10-27 v2 人工智能
社会与信息网络
应用统计
摘要
抑郁症是全球范围内的常见疾病。它难以诊断且持续诊断不足。由于抑郁症患者不断在社交媒体上分享其症状、重大生活事件及治疗情况，研究者正转向社交媒体上用户生成的数字痕迹来进行抑郁症检测。此类方法在对抗抑郁症方面具有独特优势，因其可促进创新途径以抗击抑郁症并减轻其社会和经济负担。然而，大多数现有研究缺乏在抑郁症检测中融入既定医学领域知识的有效手段，或受困于特征提取难题而阻碍性能提升。遵循设计科学研究范式，我们提出了一种深度知识感知抑郁症检测（DKDD）框架，以准确检测有抑郁风险的社交媒体用户，并解释促成该检测的关键因素。基于真实世界数据的广泛实证研究证明，通过融入领域知识，我们的方法优于现有最先进（state-of-the-art）方法。我们的工作对IS研究中知识感知机器学习、数字痕迹利用及IS中的NLP研究具有重要意义。在实践中，通过提供早期检测并解释关键因素，DKDD可补充临床抑郁症筛查，并实现人群心理健康状况的大规模评估。
引用
@article{arxiv.2303.05389,
title = {Depression Detection Using Digital Traces on Social Media: A Knowledge-aware Deep Learning Approach},
author = {Wenli Zhang and Jiaheng Xie and Zhu Zhang and Xiang Liu},
journal= {arXiv preprint arXiv:2303.05389},
year = {2025}
}
备注
Presented at INFORMS 2022 Data Science Workshop