看与读：利用多模态社交媒体数据检测高校学生的抑郁症状
计算与语言
2020-03-31 v2 社会与信息网络
摘要
抑郁与焦虑等精神障碍在全球人口中的发生率正以惊人速度增长。值得注意的是，重性抑郁障碍已成为高校学生中的普遍问题，并因他们必须面对的学业压力而加剧，甚至可能是由其所引发。尽管这一严峻状况的成因仍不明确（虽已被广泛研究），但已面临该问题的学生必须接受治疗。为此，首先有必要筛查症状。传统方式依赖于临床咨询或填写问卷。然而如今，社交媒体上分享的数据是一种无处不在的来源，即便在学生无力承担或寻求专业照护时，也可用于检测抑郁症状。已有研究依赖社交媒体数据检测普通人群的抑郁症，通常聚焦于所发布图像或文本之一，或依赖元数据。本文中，我们通过比较从 Instagram 上发布的图片及其配文诱导出的深度学习与特征工程模型，专注于检测高校学生抑郁症状的严重程度。实验结果表明，在最佳情形下，由融合模型达到的 BDI 评分不低于 20 的学生可被以 0.92 的召回率与 0.69 的精确率检测出。我们的发现展示了大规模抑郁筛查的潜力，或可揭示处于风险中的学生。
引用
@article{arxiv.1912.01131,
title = {See and Read: Detecting Depression Symptoms in Higher Education Students Using Multimodal Social Media Data},
author = {Paulo Mann and Aline Paes and Elton H. Matsushima},
journal= {arXiv preprint arXiv:1912.01131},
year = {2020}
}
备注
This article was accepted (15 November 2019) and will appear in the proceedings of ICWSM 2020