基于深度学习和迁移学习的社交媒体文本精神疾病分类
机器学习
2022-07-05 v1 计算与语言
计算机与社会
摘要
鉴于当前全球的社会距离限制，大多数人现在使用社交媒体作为其主要沟通媒介。数百万患有精神疾病的人员因此被隔离，无法获得面对面帮助。他们愈发依赖在线场所来表达自己并寻求应对精神疾病的建议。据世界卫生组织（WHO）统计，约 4.5 亿人受到影响。抑郁症、焦虑症等精神疾病极为普遍，并已影响个体的身体健康。近来，人工智能（AI）方法已被提出，以基于患者的真实信息（如医疗记录、行为数据、社交媒体使用等）辅助精神健康提供者（包括精神科医生和心理学家）进行决策。AI 创新已在从计算机视觉到医疗保健的众多现实应用中展现出卓越表现。本研究分析 Reddit 平台上的非结构化用户数据，并分类五种常见精神疾病：抑郁症、焦虑症、双相情感障碍、ADHD 和 PTSD。我们训练了传统机器学习、深度学习和迁移学习多分类模型来检测个体的精神障碍。此项工作将通过自动化检测流程并通知相关当局需紧急援助的人员，惠及公共卫生系统。
引用
@article{arxiv.2207.01012,
title = {Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning},
author = {Iqra Ameer and Muhammad Arif and Grigori Sidorov and Helena Gòmez-Adorno and Alexander Gelbukh},
journal= {arXiv preprint arXiv:2207.01012},
year = {2022}
}
备注
11 pages, 2 figures, 8th World Conference On Soft Computing