트위터에서 우울증 감지를 위한 비용 민감한 부스팅 가지치기 트리

우울증은 가장 일반적인 정신 건강 질환 중 하나이며, 매년 많은 우울증 환자들이 자살을 합니다. 잠재적인 우울증 환자들은 종종 부끄럽게 느끼거나 우울증을 인식하지 못해 심리학자를 상담하지 않는데, 이는 진단과 치료의 심각한 지연을 초래할 수 있습니다. 한편, 증거에 따르면 소셜 미디어 데이터는 신체적 및 정신적 건강 상태에 대한 귀중한 단서를 제공합니다. 본 논문에서는 온라인 사회 행동을 분석함으로써 조기에 우울증을 식별하는 것이 가능하다는 주장을 합니다. 우리가 제안한 접근법은 정확한 우울증 감지를 달성하기 위해 수많은 복잡한 특성의 추출에 의존하지 않는 혁신적인 우울증 감지 방법입니다. 대신, 우리는 비용 민감한 부스팅 가지치기 트리(CBPT)라는 새로운 분류기를 제안하며, 이는 두 개의 공개적으로 접근 가능한 트위터 우울증 감지 데이터셋에서 강력한 분류 능력을 보여줍니다. CBPT의 분류 능력을 포괄적으로 평가하기 위해, 우리는 UCI 기계 학습 저장소의 추가 세 가지 데이터셋을 사용하였으며, CBPT는 여러 최첨단 부스팅 알고리즘에 대해 매력적인 분류 결과를 얻습니다. 마지막으로, 모델 예측에 대한 영향 요인을 포괄적으로 탐구하며, 결과는 우리가 제안한 프레임워크가 트위터 사용자 우울증 식별에 유망함을 나타냅니다.