შეგიძლიათ გაიგოთ, თუ თქვენ გაქვთ დეპრესია?

ავტორი : (1) Yuchen Cao, Khoury კოლეჯის კომპიუტერული მეცნიერება, Northeastern უნივერსიტეტი; (2) Jianglai Dai, EECS დეპარტამენტი, California University, Berkeley; (3) Zhongyan Wang, ცენტრი მონაცემთა მეცნიერება, New York უნივერსიტეტი; (4) Yeyubei Zhang, საინჟინრო და განაცხადის მეცნიერების სკოლა, Pennsylvania უნივერსიტეტი; (5) Xiaorui Shen, Khoury კოლეჯის კომპიუტერული მეცნიერება, Northeastern უნივერსიტეტი; (6) Yunchong Liu, საინჟინრო და განაცხადის მეცნიერების სკოლა, Pennsylvania უნივერსიტეტი; (7) Yexin Tian, Georgia Institute of Technology, College of Computing. Authors: (1) Yuchen Cao, Khoury კოლეჯის კომპიუტერული მეცნიერება, Northeastern უნივერსიტეტი; (2) Jianglai Dai, EECS დეპარტამენტი, California University, Berkeley; (3) Zhongyan Wang, ცენტრი მონაცემთა მეცნიერება, New York უნივერსიტეტი; (4) Yeyubei Zhang, საინჟინრო და განაცხადის მეცნიერების სკოლა, Pennsylvania უნივერსიტეტი; (5) Xiaorui Shen, Khoury კოლეჯის კომპიუტერული მეცნიერება, Northeastern უნივერსიტეტი; (6) Yunchong Liu, საინჟინრო და განაცხადის მეცნიერების სკოლა, Pennsylvania უნივერსიტეტი; (7) Yexin Tian, Georgia Institute of Technology, College of Computing. მაგიდა ლიცენზია Abstract და Introduction მექანიზმი შედეგები კონტაქტი და რეიტინგები Abstract პოსტი გლობალური რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგული რეიტინგ კონტაქტი დეპრესია და სხვა ფსიქიკური ჯანმრთელობის სტრატეგიები გამოჩნდა, როგორც მნიშვნელოვანი გლობალური ჯანმრთელობის პრობლემები, რაც მსოფლიოში 264 მილიონი ადამიანი შეხვდა, შესაბამისად, მსოფლიო ჯანმრთელობის ორგანიზაცია (WHO, 2020). ფსიქიკური ჯანმრთელობის პრობლემების ზრდის პოპულარული საჭიროება ეფექტური იპოვების და ინვესტიციაციის სტრატეგიებს. დეპრესის დასაწყისში იპოვება შეიძლება გამოიწვიოს სწრაფი მკურნალობა და უკეთესი შედეგები, საბოლოოდ შეამციროს პაციენტებს, მათი მცველით და ჯანმრთელობის სისტემებს (Kessler et al., 2017). დღესის ციფრული ასაკში, სოციალური მედია პლატფორმაები, როგორიცაა Twitter, Facebook და Reddit ითამაშოს ძირითადი როლი ყოველდღიური ცხოვრებაში მილიონი ადამიანი. ეს პლატფორმაები არა მხოლოდ გაუმჯობესებს კომუნიკაციის, არამედ ფუნქციონირებს როგორც საზოგადოებრივი პლატფორმა, სადაც ადამიანები ფართოდ გამოხატონ მათი ფიქრობას, გრძნობებს და ფსიქიკური მდგომარეობას (Choudhury et al., 2013). ამ პლატფორმაების ფართო მომხმარებლის წარმოებული შინაარსი უზრუნველყოფს უნიკალური შესაძლებლობა ფსიქიკური ჯანმრთელობის კვლევისთვის, საშუალებას გაძლევთ რეალურ დროში განიხილოს ენისური მოდელები და ქცევის ტენდენციები და უზრუნველ ეს ტექნოლოგიები განსაკუთრებით კარგად შეესაბამება კომბინირებული და ფანტასტიკური მონაცემების გაკეთება სოციალური მედია, რადგან ისინი შეუძლიათ იპოვოს ნიმუშები და გააკეთოს პროგნოზები ტექსტური და ქცევის ნიმუშები. ეს უნარი გაძლევთ ღირებულ ინსტრუმენტები ფანტასტიკური ჯანმრთელობის იპოვება, რომელიც საშუალებას გაძლევთ კვლევითებს შექმნათ მოდელები, რომლებიც შეუძლიათ იპოვოს პოტენციური პირებს მათი სოციალური მედია საქმიანობის მიხედვით (Shatte et al., 2019). გამოყენებით ალგორტებს, რომლებიც შეუძლიათ იპოვოს ტექსტური და ქცევის ნიმუშები, კვლევითები შეუძლიათ შექმნათ მოდელები, რომლებიც და ისტორიული კვლევების მიმოხილვა კომპიუტერული სწავლების მიმოხილვა ფსიქიკური ჯანმრთელობის აღწერა სოციალური მედია სხვადასხვა ალგორტატები – ტრადიციული მანქანური სწავლის ტექნოლოგია, როგორიცაა ლოგისტიკური რეგორზიის და მხარდაჭერა ვიქტორული მანქანები გაუმჯობესებული deep learning მოდელები და ensemble მეთოდები – უკვე გამოიყენება კლასიკური მომხმარებლის პოსტები და პროგნოზი ფსიქიკური ჯანმრთელობის პირობები საფუძველზე ენერგიული და სემანტიკური თვისებები (De Choudhury et al., 2013; Yazdavar et al., 2020). პლატფორმაები, როგორიცაა Twitter, Facebook, და Reddit ხშირად გამოიყენება, რადგან მათი დიდი მომხმარებლის ბაზა და ხელმისაწვდომობა საზოგადოების მონაცემები. ერთ-ერთი ყველაზე პოპულარული მიმოხილვა ამ კვლევის მოიცავს სიტყვების ანალიზი, რომელიც მიზნად აირჩიოს ფსიქიკური ტონი მომხმარებლის წარმოებული შინაარსი. შეფასების მიერ პოტენციური, უარყოფითი, ან უარყოფითი სიტყვები გამოქვეყნდა პოსტში, კვლევითი ცდილობენ შეესაბამება ენის ნიმუშები მაჩვენებლები დეპრესია (Kumar et al., 2020). მაგალითად, გაზრდილი გამოყენება პირველი პირი უარყოფითი სიტყვები და უარყოფითი სიტყვები სიტყვა შეესაბამება დეპრესული სიმპტომები (Rude et al., 2004). ამ უპირატესობრივი შედეგების მიუხედავად, მრავალფეროვანი მოვლენები გაგრძელდება. პირველი, მრავალი კვლევები შეუზღუდავი გაფართოების გამო შეუზღუდავი გაფართოების გამო მცირე ან ჰომგენური ნიმუშები, რომლებიც შეიძლება არ იპოვონ ფართო პოპულარებს. მონაცემთა უპირატესობა არის მნიშვნელოვანი პრობლემა, რომელიც იწვევს ზოგიერთი პოპულარული ჯგუფიების ან ენის საზოგადოების უპირატესობას, ხოლო სხვა (Olteanu et al., 2019). გარდა ამისა, ძლიერი ნიმუშების მეთოდების და სტანდარტებული პროტოკები შეუზღუდავი ეფექტურობა შედეგების საიმედოობა. სამი, მოწინავე მანქანა სასწავლო მოდელები, ამჟამად კვლევის მიზნები და მიზნები მიუხედავად იმისა, რომ ინდივიდუალური კვლევები უზრუნველყოფს მნიშვნელოვანი მიმოხილვა მანქანური კვლევების განაცხადის მიმოხილვა ფსიქიკური ჯანმრთელობის აღსანიშნავია, ჯერ კიდევ არსებობს შეუზღუდავი შეუზღუდავი მიმოხილვა, რომელიც შეესაბამება მანქანური კვლევების მოდულების ეფექტურობა სხვადასხვა კვლევებში. როგორც განხილული, ამჟამად ფსიქოლოგია ხშირად შეუზღუდავი კვლევების მიმოხილვა მანქანური კვლევების და Deep Learning განაცხადების მთელი ცხოვრებაში, მათ შორის ნიმუშავება, მონაცემების წინასწარ დამუშავება, მოდულების შექმნა და შეფასება (Johnson et al., 2019). მიუხედავად იმისა, რომ ზუს ამ სიჩქარით, ამ კვლევის მიზნით განიცდიან სისტემური მიმოხილვა, რომელიც შეესაბამებს და შეფასებს ხელმისაწვდომი მანქანული სასწავლო მოდელები დეპრესის აღწერა სოციალური მედია. სპეციფიკური მიზნები არიან: 1. შეამოწმოთ მანქანა სასწავლო და Deep Learning მოდულების ეფექტურობას, ძირითადად, ნიმუშების, მონაცემთა წინასწარ დამუშავების, მოდულების შექმნა, ფინალინირება, შეფასება და შედარებით, ისევე როგორც მოვლენები, რომლებიც დაკავშირებულია მოდულების გაფართოებას სხვადასხვა სოციალური მედია პლატფორმაებში. 2. შეამოწმოთ მექანიკური მოთხოვნებს, მათ შორის უნიკალური მოთხოვნებს ფსიქიკური ჯანმრთელობის მოპოვებას, როგორიცაა კლასის შეზღუდვები, სადაც დეპრესული პოსტები მინიმალურია, და შეამოწმოთ მგრძნობიარე ანალიზი, რომელიც მოიცავს კონფიგურაცია. გარდა ამისა, უფრო საერთო მანქანული სასწავლო მოთხოვნები, როგორიცაა მოდელი შეფასების ტექნოლოგიების გაუმჯობესება და ენა და პლატფორმის კონკრეტული ფაქტორებთან დაკავშირებული მონაცემთა შეზღუდვა, ასევე მგრძნობიარეა. მნიშვნელოვანია აღიაროთ, რომ ამ შეზღუდვები ძირითადად გამოწვეულია პრაქტიკული მოთხოვნებს ან სტანდარ 3. უზრუნველყოფს რეკომენდაციებს მომავალში კვლევისთვის, რათა გაუმჯობესოს მანქანური სწავლის მოდულების საიმედოობის და გამოყენება ფსიქიკური ჯანმრთელობის აღჭურვილობაში. ეს მიმოხილვა მიზნადებს სტრატეგიების გაუმჯობესებას, რომლებიც დააუმჯობესებენ ადრეული ინვესტიციების სტრატეგიებს და დაეხმარებათ უფრო ძლიერი, გაფართოებული და ეტიკურად ხარისხის მანქანური სწავლის განაცხადების განვითარებას. ამ შემთხვევაში, მიმოხილვა ეძებს მიმოხილვა, რომელიც შეამციროს მოთხოვნებს, რომლებიც მიმდინარე პრაქტიკაში შეესაბამება, სადაც ფორმალური მიმოხილვის მოცულობა ზოგჯერ იწვევს არასამთავრობო ამ მიზნების მიზნით, ამ მიმოხილვა ეძებს, რათა უზრუნველყოს მთლიანად განიხილება მიმდინარე პრაქტიკების და შეზღუდვები სფეროში. შედეგები მიზნით, რათა მიმოხილვა მომავალში ეძებს განვითარება უფრო ძლიერი, გაფართოებული, და ეტიკურად ხარისხის მანქანური სწავლის პროგრამები ფსიქიკური ჯანმრთელობის აღწერა გამოყენებით სოციალური მედია მონაცემები. შემდეგი ნაწილებში, ჩვენ პირველი შეამოწმოთ methodologies და მოდელები გამოიყენება კვლევებში, შემდეგ შეამოწმოთ საერთო შეზღუდვები და შეზღუდვები. ჩვენ დასრულდება შეტყობინება საუკეთესო პრაქტიკების და რეკომენდაციების გაუმჯობესება სფეროში. ეს პრაქტიკა ხელმისაწვდომია archiv- ში CC BY 4.0 ლიცენზით. ეს პრაქტიკა ხელმისაწვდომია archiv- ში CC BY 4.0 ლიცენზით.