在社交媒体上使用基于单词和人称代词之间的距离的术语权重方案检测自我伤害

科学领域:

• 计算社会科学 计算社会科学
• 心理健康信息学心理健康信息学
• 自然语言处理自然语言处理.

背景情况:

• 自伤是一种重大的公共卫生问题,特别是在青少年中,通常与抑郁症等心理健康障碍有关.
• 社交媒体数据越来越多地用于心理健康研究,文本分类方法显示出有希望.
• 用户生成内容中的个人陈述包含有价值的作者个人资料信息,包括心理健康指标.

研究的目的:

• 调查个人陈述在社交媒体上检测自我伤害行为的有效性.
• 开发和评估个人陈述的新型权重因子,以提高自我伤害检测的准确性.
• 适应现有的文本分析方法,以更好地识别在线用户数据中的自我伤害特征.

主要方法:

• 利用用户生成的社交媒体数据进行文本分类.
• 适应的计算方法专注于个人陈述 (用第一人称代词的短语).
• 引入了一种基于个人代词与其他词的接近度的新型权重因子,以量化相关性,灵感来自作者分析和抑郁症检测研究.

主要成果:

• 与最先进的方法相比,新型权重因子显著提高了自我伤害检测性能.
• 这种精细的方法超过了以前的权重因素,包括抑郁症检测,显著改善超过3.9%.
• 实验结果证明了拟议方法的有效性,而不是基于变压器和预训练的语言模型,用于精神卫生保健.

结论:

• 个人陈述,当与基于近距离的加权因子分析时,对于在社交媒体上检测自我伤害非常重要.
• 与现有方法相比,新型权重因子提供了对用户特征和自我伤害行为的更细致的理解.
• 这项研究推进了使用社交媒体数据进行心理健康监测和干预的计算方法.