基于机器学习的 Twitter 抑郁症检测：利用内容与活动特征
社会与信息网络
2020-08-26 v1 机器学习
机器学习
摘要
Facebook、Twitter 和 Instagram 等社交媒体渠道已经永远改变了我们的世界。人们现在比以往任何时候都更加互联，并展现出一种数字人格。尽管社交媒体无疑具有若干显著特性，但其弊端也不可否认。近期研究表明，社交媒体网站的高使用率与抑郁症增加之间存在相关性。本研究旨在利用机器学习技术，基于 Twitter 用户的网络行为和推文来检测其可能为抑郁症患者。为此，我们训练并测试了分类器，利用从用户在网络中的活动和推文中提取的特征来区分用户是否抑郁。结果表明，使用的特征越多，检测抑郁用户的准确率和 F-measure 分数越高。该方法是一种用于抑郁症或其他精神疾病早期检测的数据驱动预测方法。本研究的主要贡献在于对特征的探索部分及其对抑郁程度检测的影响。
引用
@article{arxiv.2003.04763,
title = {Machine Learning-based Approach for Depression Detection in Twitter Using Content and Activity Features},
author = {Hatoon S. AlSagri and Mourad Ykhlef},
journal= {arXiv preprint arXiv:2003.04763},
year = {2020}
}
备注
16 pages, 7 figures, journal article