基于情感信息的句子BERT集成抑郁检测算法
计算与语言
2024-09-24 v1 机器学习
统计理论
应用统计
统计理论
摘要
世界卫生组织（WHO）透露，全球约有28000万人患有抑郁症。然而，现有研究在利用机器学习技术进行早期抑郁检测方面仍有限。以往的研究通常仅应用单一算法，无法处理数据复杂性，容易出现过拟合，且泛化能力有限。为此，本文采用两个基准社交媒体数据集（D1和D2），考察了多种机器学习算法在早期抑郁检测中的表现。具体而言，我们引入情感指标以提升模型性能。实验结果表明，句子双向编码器表示（SBERT）数值输入到堆叠集成模型后，在数据集D1中可获得约69%的F1分数，在数据集D2中可获得76%的F1分数。我们的发现表明，将情感指示符作为额外特征用于抑郁检测可显著提升模型性能。因此，我们建议未来发展抑郁词汇语料库。
引用
@article{arxiv.2409.13713,
title = {Sentiment Informed Sentence BERT-Ensemble Algorithm for Depression Detection},
author = {Bayode Ogunleye and Hemlata Sharma and Olamilekan Shobayo},
journal= {arXiv preprint arXiv:2409.13713},
year = {2024}
}