SenseMood: Detección de Depresión en Redes Sociales

Más de 300 millones de personas se han visto afectadas por la depresión en todo el mundo. Debido a las limitaciones del equipo médico y del conocimiento, la mayoría de ellas no son diagnosticadas en las primeras etapas. Trabajos recientes intentan utilizar las redes sociales para detectar la depresión, ya que los patrones de opiniones y la expresión de pensamientos en el texto y las imágenes publicadas pueden reflejar el estado mental de los usuarios en cierta medida. En este trabajo, diseñamos un sistema denominado SenseMood para demostrar que los usuarios con depresión pueden ser detectados y analizados de manera eficiente utilizando el sistema propuesto. Se ha propuesto un enfoque de aprendizaje multimodal visual-textual profundo para revelar el estado psicológico de los usuarios en las redes sociales. Se han recopilado imágenes publicadas y datos de tweets de usuarios con/sin depresión en Twitter y se han utilizado para la detección de depresión. Un clasificador basado en CNN y BERT se aplican para extraer características profundas de las imágenes y el texto publicadas por los usuarios, respectivamente. Luego, las características visuales y textuales se combinan para reflejar la expresión emocional de los usuarios. Finalmente, nuestro sistema clasifica a los usuarios con depresión y a los usuarios normales a través de una red neuronal y se genera automáticamente el informe de análisis.