中文

标签医疗:利用深度迁移学习从推文到心理健康日志

计算与语言 2017-08-07 v1 计算机与社会

摘要

随着社交媒体平台的日益普及,越来越多的人际交流与自我表达在线上发生。近期研究大多聚焦于挖掘社交媒体中用户对外部实体的公开意见,例如产品评论或对政治新闻的情绪。然而,从心理健康角度分析用户内化的思想与情感却较少受到关注。本文量化了公开推文与在线认知行为疗法中使用的私密心理健康日志之间的语义差异。我们将使用深度迁移学习技术分析这两个领域间的语义鸿沟。我们证明,对于情绪效价预测任务,社交媒体可被成功利用以创建更准确、更稳健且个性化的心理健康模型。我们的结果表明,公开与私密自我表达之间的语义鸿沟很小,而利用丰富的可用社交媒体数据是克服心理健康数据样本量小(通常受限于可用性与隐私问题)的一种途径。

关键词

引用

@article{arxiv.1708.01372,
  title  = {Hashtag Healthcare: From Tweets to Mental Health Journals Using Deep Transfer Learning},
  author = {Benjamin Shickel and Martin Heesacker and Sherry Benton and Parisa Rashidi},
  journal= {arXiv preprint arXiv:1708.01372},
  year   = {2017}
}

备注

Under review with Scientific Reports