用于抑郁症检测的机器学习算法及其比较
计算与语言
2023-01-10 v1 人工智能
信息检索
摘要
文本情感智能在利用社交媒体平台上的人类情感方面发挥着无处不在的重要作用。社交媒体平台拥有丰富的情感内容，并被用于观点挖掘、情感挖掘和情绪分析等多种目的。这种数据分析也被用于预防网络欺凌、自杀预防和检测社交媒体用户的抑郁症。在本文中，我们通过分析社交媒体用户的行为，设计了一种针对在线社交媒体用户的自动抑郁症检测方案。所设计的抑郁症检测分类器可有效用于挖掘用户的社交媒体交互，并能够判定某社交媒体用户是否患有抑郁症。底层分类器采用情感人工智能领域的最先进技术构建，包括 LSTM（长短期记忆）和其他机器学习分类器。该分类器的最高准确率约为 LSTM 的 70%，而 SVM 的最高准确率为 81.79%。我们在文献中广泛用于情感挖掘任务的数据集上训练了分类器。文中还给出了结果的混淆矩阵。
引用
@article{arxiv.2301.03222,
title = {Machine Learning Algorithms for Depression Detection and Their Comparison},
author = {Danish Muzafar and Furqan Yaqub Khan and Mubashir Qayoom},
journal= {arXiv preprint arXiv:2301.03222},
year = {2023}
}