La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Machine Learning-Based Approach for Depression Detection in Twitter Using Content and Activity Features Approche basée sur l'apprentissage automatique pour la détection de la dépression sur Twitter à l'aide de fonctionnalités de contenu et d'activité

Hatoon S. ALSAGRI, Mourad YKHLEF

  • Vues en texte intégral

    0

  • Citer

Résumé:

Les réseaux sociaux, tels que Facebook, Twitter et Instagram, ont modifié notre monde à jamais. Les gens sont désormais de plus en plus connectés et révèlent une sorte de personnalité numérique. Bien que les médias sociaux présentent certainement plusieurs caractéristiques remarquables, leurs inconvénients sont également indéniables. Des études récentes ont indiqué une corrélation entre une utilisation élevée des sites de médias sociaux et une augmentation de la dépression. La présente étude vise à exploiter les techniques d'apprentissage automatique pour détecter un utilisateur probable de Twitter déprimé en fonction de son comportement sur le réseau et de ses tweets. Pour cela, nous avons formé et testé des classificateurs pour distinguer si un utilisateur est déprimé ou non en utilisant des caractéristiques extraites de ses activités sur le réseau et ses tweets. Les résultats ont montré que plus les fonctionnalités sont utilisées, plus les scores de précision et de mesure F dans la détection des utilisateurs déprimés sont élevés. Cette méthode est une approche prédictive basée sur les données pour la détection précoce de la dépression ou d’autres maladies mentales. La principale contribution de cette étude est la partie exploration des caractéristiques et son impact sur la détection du niveau de dépression.

Publication
IEICE TRANSACTIONS on Information Vol.E103-D No.8 pp.1825-1832
Date de publication
2020/08/01
Publicisé
2020/04/24
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2020EDP7023
Type de manuscrit
PAPER
Catégories
Ingénierie des données, systèmes d'information Web

Auteurs

Hatoon S. ALSAGRI
  Al Imam Mohammad Ibn Saud Islamic University (IMSIU)
Mourad YKHLEF
  King Saud University

Mots-clés

Table des matières