检测澳大利亚因 COVID-19 大流行引发的社区抑郁动态
社会与信息网络
2020-07-07 v1 计算机与社会
摘要
近期的新冠肺炎（COVID-19）大流行在全球造成了前所未有的影响。我们也目睹了数以百万计的人出现日益严重的心理健康问题，如抑郁、压力、担忧、恐惧、厌恶、悲伤和焦虑，这些已成为这场严重卫生危机期间主要的公共卫生关切之一。例如，根据世界卫生组织（WHO）的研究结果，抑郁是最常见的心理健康问题之一。抑郁可导致严重的情感、行为和身体健康问题，并带来包括个人与社会成本在内的重大后果。本文通过 Twitter 上的用户生成内容研究由 COVID-19 大流行引起的社区抑郁动态。提出一种基于推文多模态特征与词频-逆文档频率（TF-IDF）的新方法来构建抑郁分类模型。多模态特征从情感、话题和特定领域视角捕捉抑郁线索。我们利用近期抓取的来自澳大利亚新南威尔士州 Twitter 用户的数据研究该问题。我们的新颖分类模型能够提取可能受 COVID-19 及疫情期间相关事件影响的抑郁极性。结果发现，人们在 COVID-19 暴发后变得更加抑郁。政府实施的举措（如州封锁）也提升了抑郁水平。在地方政府区域（LGA）层面的进一步分析发现，不同 LGA 之间的社区抑郁水平存在差异。这种细粒度的抑郁动态分析不仅可以帮助政府部门等当局在必要时更客观地于特定区域采取相应行动，也能让用户感知抑郁随时间的动态变化。
引用
@article{arxiv.2007.02325,
title = {Detecting Community Depression Dynamics Due to COVID-19 Pandemic in Australia},
author = {Jianlong Zhou and Hamad Zogan and Shuiqiao Yang and Shoaib Jameel and Guandong Xu and Fang Chen},
journal= {arXiv preprint arXiv:2007.02325},
year = {2020}
}