用于识别社交媒体中压力与抑郁的多任务学习

由于生活节奏加快，压力与抑郁如今在各年龄段人群中普遍流行。人们使用社交媒体表达感受。因此，社交媒体构成了用于压力与抑郁早期检测的宝贵信息形式。尽管已引入许多针对压力与抑郁早期识别的研究工作，仍存在局限。已有多任务学习设置被提出，其将抑郁与情绪（或比喻性语言）分别作为主任务与辅助任务。然而，尽管压力与抑郁密不可分，研究者仍将这两任务视为两个独立任务。为应对这些局限，我们呈现了首项研究，其利用在不同条件下收集的两个不同数据集，并引入两种多任务学习框架，分别将抑郁与压力作为主任务与辅助任务。具体而言，我们使用一个抑郁数据集与一个包含来自五个领域十个 subreddits 的压力帖子的压力数据集。就第一种方法而言，每篇帖子通过一个由两任务共同更新的共享 BERT 层，随后利用两个分别由各任务单独更新的独立 BERT 编码器层。关于第二种方法，其由经注意力融合网络加权的共享与任务特定层构成。我们进行了一系列实验，并将我们的方法与现有研究计划、单任务学习及迁移学习比较。实验显示了我们的方法相较最先进方法的多种优势。