面向 Twitter 中抑郁与焦虑的 preemptive 检测

抑郁与焦虑是在日常生活诸多领域可见的精神障碍。例如，这些障碍在社交媒体中未确诊用户所写文本里出现得颇为频繁。然而，检测患有这些状况的用户并非易事，因为他们可能未明确谈及自身心理状态，即便谈及，也必须考虑诸如即时性之类的上下文线索。在可行时，指向可能焦虑或抑郁的语言标志可被医学专家用来撰写更好的指南与治疗方案。本文中，我们构建了一个旨在促进 Twitter 中抑郁与焦虑检测研究的数据集，将该检测任务框定为二元推文分类问题。随后我们将最先进的分类模型应用于该数据集，提供一组具竞争力的基线及定性错误分析。我们的结果显示语言模型表现相当好，且优于更传统的基线。尽管如此，仍有明显改进空间，尤其是在不平衡训练集以及看似明显的语言线索（关键词）被反直觉使用的情形中。