Key points are not available for this paper at this time.
Mehr als 300 Millionen Menschen weltweit sind von Depressionen betroffen. Aufgrund der Einschränkungen bei medizinischer Ausrüstung und Wissen werden die meisten von ihnen nicht in den frühen Stadien diagnostiziert. Jüngste Arbeiten versuchen, soziale Medien zur Erkennung von Depressionen zu nutzen, da die Muster der Meinungsäußerung und des Gedanken ausgedrückten Textes und der Bilder das psychische Wohlbefinden der Nutzer bis zu einem gewissen Grad widerspiegeln können. In dieser Arbeit entwerfen wir ein System namens SenseMood, um zu demonstrieren, dass Nutzer mit Depressionen effizient erkannt und analysiert werden können, indem das vorgeschlagene System verwendet wird. Ein tiefes visuelles-textuelles multimodales Lernverfahren wurde vorgeschlagen, um den psychologischen Zustand der Nutzer in sozialen Netzwerken zu offenbaren. Die geposteten Bilder und Tweet-Daten von Nutzern mit/ohne Depressionen auf Twitter wurden gesammelt und zur Depressionsdiagnose verwendet. Ein auf CNN basierender Klassifikator und Bert werden angewendet, um die tiefen Merkmale der Bilder und Texte, die von Nutzern gepostet wurden, jeweils zu extrahieren. Dann werden visuelle und textuelle Merkmale kombiniert, um den emotionalen Ausdruck der Nutzer widerzuspiegeln. Schließlich klassifiziert unser System die Nutzer mit Depressionen und normale Nutzer durch ein neuronales Netzwerk, und der Analysebericht wird automatisch erstellt.
Lin et al. (Tue,) haben diese Frage untersucht.