DepressionEmo：一个用于抑郁情绪多标签分类的新型数据集
计算与语言
2024-01-10 v1
摘要
情绪是人类社会交往不可或缺的组成部分，不同的情境会引发多样的反应。特别是，负面情绪状态的普遍存在与心理健康的不良后果相关，因此需要全面分析其发生及对个体的影响。本文引入一个名为 DepressionEmo 的新型数据集，该数据集包含 6037 个 Reddit 用户长篇帖子示例，旨在检测与抑郁相关的 8 种情绪。该数据集通过对预训练模型的零样本分类结果进行多数投票创建，并由标注者和 ChatGPT 验证质量，标注者间信度达到可接受水平。我们在 DepressionEmo 上进行了情绪间的相关性、时间分布及语言分析。此外，我们提供了多种文本分类方法，分为两组：机器学习方法，如 SVM、XGBoost 和 LightGBM；以及深度学习方法，如 BERT、GAN-BERT 和 BART。预训练的 BART 模型 bart-base 使我们获得了最高的 F1-Macro 值 0.76，表明其性能优于我们分析中评估的其他方法。在所有情绪中，自杀意图取得了最高的 F1-Macro 值，表明我们的数据集在通过文本分析识别具有抑郁症状个体的情绪方面具有一定价值。该数据集公开于：https://github.com/abuBakarSiddiqurRahman/DepressionEmo。
引用
@article{arxiv.2401.04655,
title = {DepressionEmo: A novel dataset for multilabel classification of depression emotions},
author = {Abu Bakar Siddiqur Rahman and Hoang-Thang Ta and Lotfollah Najjar and Azad Azadmanesh and Ali Saffet Gönül},
journal= {arXiv preprint arXiv:2401.04655},
year = {2024}
}
备注
18 pages