DEPTWEET: 用于检测抑郁症严重程度的社交媒体文本类型学
计算与语言
2022-10-12 v1
摘要
心理健康领域的数据驱动研究一直受限于缺乏标准类型学以及充足数据的稀缺。在本研究中，我们利用抑郁症的临床表述构建了一种用于社交媒体文本的类型学，以检测抑郁症的严重程度。该类型学模拟了标准的临床评估程序——《精神障碍诊断与统计手册》(DSM-5) 和患者健康问卷 (PHQ-9)，以涵盖推文中抑郁障碍的细微迹象。伴随该类型学，我们提出了一个由专家标注者标注的包含 40191 条推文的新数据集。每条推文被标注为“非抑郁”或“抑郁”。此外，对于“抑郁”推文，考虑了三个严重程度级别：(1) 轻度，(2) 中度，(3) 重度。每个标签均附有关联的置信度分数以验证标注质量。我们通过汇总统计数据来检验数据集的质量，同时使用 BERT 和 DistilBERT 等基于注意力的模型设定了较强的基线结果。最后，我们广泛探讨了本研究的局限性，为未来的研究提供方向。
引用
@article{arxiv.2210.05372,
title = {DEPTWEET: A Typology for Social Media Texts to Detect Depression Severities},
author = {Mohsinul Kabir and Tasnim Ahmed and Md. Bakhtiar Hasan and Md Tahmid Rahman Laskar and Tarun Kumar Joarder and Hasan Mahmud and Kamrul Hasan},
journal= {arXiv preprint arXiv:2210.05372},
year = {2022}
}
备注
17 pages, 6 figures, 6 tables, Accepted in Computers in Human Behavior