Le bot peut repérer les utilisateurs déprimés de Twitter dans 9 cas sur 10

maintenant emoji

Crédit : Pixabay/CC0 Domaine public

Un algorithme nouvellement développé peut détecter la dépression chez les utilisateurs de Twitter avec une précision de 88,39 %. Développé par des chercheurs de l’Université Brunel de Londres et de l’Université de Leicester, l’algorithme détermine l’état mental d’une personne en extrayant et en analysant 38 points de données de son profil Twitter public, y compris le contenu de ses publications, ses heures de publication et les autres utilisateurs de son réseau social. cercle.

L’équipe de recherche affirme que des systèmes similaires pourraient avoir une gamme d’utilisations différentes à l’avenir sur plusieurs plates-formes, telles que le diagnostic précoce de la dépression, le dépistage de l’emploi ou les enquêtes policières.

“Nous avons testé l’algorithme sur deux grandes bases de données et comparé nos résultats à d’autres techniques de détection de la dépression”, a déclaré le professeur Abdul Sadka, directeur de l’Institute of Digital Futures de Brunel. “Dans tous les cas, nous avons réussi à surpasser les techniques existantes en termes de précision de leur classification.”

L’algorithme a été formé à l’aide de deux bases de données contenant l’historique Twitter de milliers d’utilisateurs, ainsi que des informations supplémentaires sur la santé mentale de ces utilisateurs. Quatre-vingt pour cent des informations de chaque base de données ont été utilisées pour enseigner le bot, les 20 % restants étant ensuite utilisés pour tester sa précision.

Le bot fonctionne en excluant d’abord tous les utilisateurs avec moins de cinq tweets et en exécutant les profils restants via un logiciel de langage naturel pour corriger les fautes d’orthographe et les abréviations.

Il prend ensuite en compte 38 facteurs distincts, tels que l’utilisation par un utilisateur de mots positifs et négatifs, le nombre d’amis et de followers qu’il a et son utilisation d’emojis, et détermine l’état mental et émotionnel de cet utilisateur.

À l’aide de l’ensemble de données sur la dépression Twitter de Tsinghua, l’équipe a obtenu une précision de 88,39 %, tandis qu’une précision de 70,69 % a été obtenue à l’aide de l’ensemble de données CLPsych 2015 de l’Université John Hopkins.

“Tout ce qui dépasse 90 % est considéré comme excellent en apprentissage automatique. Ainsi, 88 % pour l’une des deux bases de données est fantastique”, a déclaré le professeur Sadka.

“Ce n’est pas précis à 100 %, mais je ne pense pas qu’à ce niveau, aucune solution d’apprentissage automatique puisse atteindre une fiabilité à 100 %. Cependant, plus vous vous rapprochez du chiffre de 90 %, mieux c’est.”

L’équipe affirme qu’un tel système pourrait potentiellement signaler la dépression d’un utilisateur avant qu’il ne publie quelque chose dans le domaine public, ouvrant la voie à des plateformes telles que Twitter et Facebook pour signaler de manière proactive les problèmes de santé mentale des utilisateurs.

Cependant, le bot peut également être utilisé après qu’une publication soit tombée dans le domaine public, permettant potentiellement aux employeurs et à d’autres entreprises d’évaluer l’état mental d’un utilisateur en fonction de ses publications sur les réseaux sociaux. Il pourrait être utilisé pour un certain nombre de raisons, selon les chercheurs, notamment pour une utilisation dans l’analyse des sentiments, les enquêtes criminelles ou la sélection d’emploi,

“L’algorithme proposé est indépendant de la plate-forme, il peut donc également être facilement étendu à d’autres systèmes de médias sociaux tels que Facebook ou WhatsApp”, a déclaré le professeur Huiyu Zhou, professeur d’apprentissage automatique à l’Université de Leicester.

“La prochaine étape de cette recherche consistera à examiner sa validité dans différents environnements ou contextes, et plus important encore, la technologie issue de cette enquête pourra être développée davantage pour d’autres applications, telles que le commerce électronique, les examens de recrutement ou la sélection des candidatures.”

La recherche, “Boost sensible au coût des arbres d’élagage pour la détection de la dépression sur Twitter”, a été publiée dans Transactions IEEE sur l’informatique affective.


Xénophobie liée au COVID-19


Plus d’information:
Lei Tong et al, Stimulation sensible aux coûts des arbres d’élagage pour la détection de la dépression sur Twitter, Transactions IEEE sur l’informatique affective (2022). DOI: 10.1109/TAFFC.2022.3145634. ieeexplore.ieee.org/document/9691852

Fourni par l’Université Brunel

Citation: Le bot peut repérer les utilisateurs déprimés de Twitter dans 9 cas sur 10 (6 avril 2022) récupéré le 6 avril 2022 sur https://techxplore.com/news/2022-04-bot-depressed-twitter-users-cases.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.