MASON-NLP在eRisk 2023：基于深度学习从社交媒体文本检测抑郁症状
计算与语言
2023-10-18 v1 机器学习
摘要
抑郁症是一种对人们生活有深远影响的心理健康障碍。近期研究表明，抑郁症的迹象可通过个体的交流方式被发现，包括口头语言和书面文本。特别是，社交媒体帖子是一种丰富且便捷的文本来源，我们可以从中检查抑郁症状。贝克抑郁量表（BDI）问卷常用于评估抑郁严重程度，是有助于此项研究的工具之一。由于每个BDI问题都关联到特定的抑郁症状，我们可将研究缩小到仅那些症状。需要记住，并非所有抑郁症患者会同时表现出所有症状，而是表现出其中若干症状的组合。因此，能够判断一个句子或一段用户生成内容是否与某种特定病症相关极为有用。鉴于此，eRisk 2023任务1正是为此设计：评估不同句子与BDI问卷所列抑郁症状的相关度。本报告详述了我们的团队Mason-NLP如何参与这一子任务，该任务涉及识别与不同抑郁症状相关的句子。我们采用了结合MentalBERT、RoBERTa和LSTM的深度学习方案。尽管我们付出了努力，评估结果低于预期，凸显了从大规模抑郁数据集中对句子排序所固有的挑战，这既需要恰当的方法选择，也需要可观的计算资源。我们期待随着理解和技术的演进，该共享任务的未来版本将取得改进结果。
引用
@article{arxiv.2310.10941,
title = {MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression Symptoms from Social Media Texts},
author = {Fardin Ahsan Sakib and Ahnaf Atef Choudhury and Ozlem Uzuner},
journal= {arXiv preprint arXiv:2310.10941},
year = {2023}
}