融合视觉、文本与连接线索以研究心理健康
计算机与社会
2019-02-20 v1 计算与语言
社会与信息网络
摘要
随着社交媒体平台的普及，数以百万计的人们通过在社交媒体上自愿且公开地表达其想法、情绪、情感、感受乃至日常与心理健康问题的抗争来分享自己的网络形象。与大多数通过分析文本内容来研究抑郁症的现有工作不同，我们考察并利用多模态大数据，借助包括个体层面人口统计特征在内的广泛特征来辨识抑郁行为。通过开发多模态框架并采用统计技术融合由处理视觉、文本与用户交互数据所获得的异质特征集，我们显著改进了当前在 Twitter 上识别抑郁个体最优方法（平均 F1 分数提升 5%），并促进了从社交媒体进行人口统计推断以用于更广泛的应用。除了提供人口统计与心理健康间关系的洞见外，我们的研究还有助于设计新一代具有人口统计感知的健康干预措施。
引用
@article{arxiv.1902.06843,
title = {Fusing Visual, Textual and Connectivity Clues for Studying Mental Health},
author = {Amir Hossein Yazdavar and Mohammad Saeid Mahdavinejad and Goonmeet Bajaj and William Romine and Amirhassan Monadjemi and Krishnaprasad Thirunarayan and Amit Sheth and Jyotishman Pathak},
journal= {arXiv preprint arXiv:1902.06843},
year = {2019}
}