COVID-19 大流行期间 Twitter 上抑郁趋势的监测
社会与信息网络
2020-07-03 v2 信息检索
摘要
COVID-19 大流行严重影响了人们的日常生活并造成了全球性的巨大经济损失。然而，其对人们心理健康状况的影响尚未得到同等程度的关注。为研究此问题，我们选择社交媒体作为主要数据来源，并创建了迄今为止最大的英文 Twitter 抑郁数据集，包含 2,575 名已识别的 distinct 抑郁用户及其历史推文。为检验抑郁对用户 Twitter 语言的影响，我们在该数据集上训练了三个基于 transformer 的抑郁分类模型，以逐步增大的训练规模评估其性能，并比较模型在“推文块”级与用户级上的表现。此外，受心理学研究启发，我们构建了一个融合分类器，将深度学习模型分数与心理文本特征及用户人口统计信息相结合，并探究这些特征与抑郁信号的关系。最后，我们通过展示该模型在 COVID-19 大流行期间的两种应用，证明其监测群体层面与人口层面抑郁趋势的能力。我们希望本研究能提高研究人员与公众对于 COVID-19 对人们心理健康影响的认识。
引用
@article{arxiv.2007.00228,
title = {Monitoring Depression Trend on Twitter during the COVID-19 Pandemic},
author = {Yipeng Zhang and Hanjia Lyu and Yubao Liu and Xiyang Zhang and Yu Wang and Jiebo Luo},
journal= {arXiv preprint arXiv:2007.00228},
year = {2020}
}