Nyt AI -program bedre til at opdage depressivt sprog i sociale medier

En ny teknologi, der bruger kunstig intelligens, registrerer depressivt sprog i opslag på sociale medier mere præcist end nuværende systemer og bruger mindre data til at gøre det.

Teknologien, som blev præsenteret under den europæiske konference om maskinlæring og principper og praksis for videnopdagelse i databaser, er den første af sin art, der viser, at for mere præcist at opdage depressivt sprog, lille, datasæt af høj kvalitet kan anvendes til dyb læring, en almindeligt anvendt AI-tilgang, der typisk er dataintensiv.

Tidligere psykolingvistisk forskning har vist, at de ord, vi bruger i samspil med andre på daglig basis, er en god indikator for vores mentale og følelsesmæssige tilstand.

Tidligere forsøg på at anvende dyb læringsteknikker til at opdage og overvåge depression i opslag på sociale medier har vist sig at være kedelige og dyre, forklarede Nawshad Farruque, et universitet i Alberta Ph.D. studerende i datalogi, der leder det nye studie.

Han forklarede, at et Twitter-opslag, der siger, at nogen er deprimeret, fordi Netflix er nede, ikke virkelig udtrykker depression, så nogen ville være nødt til at "forklare" dette til algoritmen.

"Dyb læring er normalt meget datahungrende, " sagde Farruque. "Du skal grundlæggende give din maskine en masse eksempler på, hvad du prøver at lære den. Imidlertid, (ekspertmenneske) mærkede data med depressivt sprog er sjældent at finde. Vores arbejde reducerer behovet for så store mængder mærkede data markant."

Farruque brugte sprog taget fra online depressionsfora til at lære sin model, hvordan man genkender depressionsassocieret sprog i tweets. Den nye tilgang hjælper også maskiner med at forstå, hvilke ord eller kombinationer af ord der virkelig kan formidle deprimerede følelser. Et eksempel er "I går var svært ... og det er i dag og i morgen og dagene efter, " sammenlignet med "I går aftes var ikke en god nat til at sove ... så træt, og jeg har en koncert i aften ... gab, " hvilket mere er et udtryk for frustration.

Farruque arbejder også på at udnytte andre offentlige kilder til udtryksfuld sprogbrug, inklusive selvmordsbreve og kærlighedsbreve, som alle kan bidrage til at lære robuste sprogmodeller om depression.

"Idéen bag forskningen er at opdage depression i dens tidlige stadier, så folk kan blive peget på de rigtige ressourcer så hurtigt som muligt, " forklarede Farruque, der arbejder under tilsyn af U of A -forskere Osmar Zaïane og Randy Goebel.

Farruque mener, at den nye teknologi en dag kan blive indbygget i Twitters selvskade- og selvmordspolitik og kan hjælpe med at forbedre eksisterende depressionsdetektionsalgoritmer, der allerede er indbygget i Facebook.