利用神经网络与语言元数据早期检测文本序列中的抑郁迹象

抑郁症被列为全球致残的最大因素，也是自杀的主要原因。然而，许多受各类抑郁困扰的个体因种种原因未获治疗。既往研究表明抑郁亦影响语言使用，且许多抑郁个体利用社交媒体平台或互联网总体获取信息或讨论其问题。本文利用基于社交平台消息的机器学习模型解决抑郁早期检测问题。特别地，评估并比较了基于不同词嵌入的卷积神经网络与基于用户级语言元数据的分类方法。两种方法的集成在当前早期检测任务中取得了SOTA结果。此外，详细考察了当前流行的早期检测系统度量ERDE分数，并阐明其在共享任务语境中的缺陷。提出一种略作修改的度量并与原分数比较。最后，在与所述任务同领域的大型语料上训练了新的词嵌入并作了评估。