用于抑郁症严重程度估计的语义相似度模型
计算与语言
2023-10-10 v2
摘要
抑郁症障碍是全球范围内严重的公共卫生问题。然而，公共卫生系统在病例发现和诊断方面的能力有限。在这方面，社交媒体的广泛使用开辟了一条大规模获取公共信息的途径。计算方法可通过利用用户生成的社交媒体内容，作为快速筛查的辅助工具。本文提出了一种高效的语义处理流程，基于个体的社交媒体文本来研究其抑郁症严重程度。我们选取测试用户句子，在对应于抑郁症状及严重程度水平的代表性训练句子索引上生成语义排序。然后，我们将这些结果中的句子作为预测用户症状严重程度的证据。为此，我们探索不同的聚合方法，以针对每个症状回答贝克抑郁量表（BDI）四个选项之一。我们在两个基于Reddit的基准上评估了我们的方法，在衡量抑郁症严重程度方面取得了比现有最优方法高30%的提升。
引用
@article{arxiv.2211.07624,
title = {Semantic Similarity Models for Depression Severity Estimation},
author = {Anxo Pérez and Neha Warikoo and Kexin Wang and Javier Parapar and Iryna Gurevych},
journal= {arXiv preprint arXiv:2211.07624},
year = {2023}
}
备注
Accepted at the EMNLP 2023 conference