|
|
|
|
مروری بر کاربرد روش‌های یادگیری ماشین برای تشخیص افسردگی
|
|
|
|
|
|
|
|
نویسنده
|
منصورکیایی سحر ,صدر حسین ,ترخان مرتضی
|
|
منبع
|
اولين همايش ملي هوش مصنوعي و محاسبات نرم در علوم انساني - 1398 - دوره : 1 - اولین همایش ملی هوش مصنوعی و محاسبات نرم در علوم انسانی - کد همایش: 98190-15887 - صفحه:0 -0
|
|
چکیده
|
با گسترش وب گسترده جهانی بخصوص شبکه های اجتماعی مجموعه زیادی از داده‌ها تولید می‌شوند که در بسیاری از زمینه‌ها مانند جامعه‌شناسی و روانشناسی کاربرد دارند. از طرف دیگر، رویکردهای یادگیری ماشین در سال‌های اخیر برای روانشناسی بالینی و روان‌پزشکی به صراحت بر یادگیری عملکرد آماری از مجموعه داده‌های چندبعدی موجود در سطح وب برای تشخیص و ایجاد پیش‌بینی‌های قابل تعمیم در مورد افراد تمرکز کرده‌اند و به پیشرفت‌‌های قابل توجهی نیز در این زمینه دست یافته‌اند. در این راستا، در این مقاله روش‌های مختلف تشخیص اتوماتیک افسردگی از طریق رسانه‌های اجتماعی با بکارگیری تکنیک‌های یادگیری ماشین مورد بررسی قرار گرفته و نقاط ضعف و قوت هریک از روش‌ها بیان می‌شود، بر اساس بررسی‌های انجام شده می-توان گفت که سیستمی می تواند برای تشخیص و طبقه‌بندی اختلال‌های افسردگی مناسب باشد که به تجزیه و تحلیل محیط اجتماعی فرد می‌پردازد و درمیان مطالعات صورت گرفته روش‌های بر پایه یادگیری ژرف به‌علت داشتن این ویژگی‌ها و توانایی استخراج خودکار ویژگی‌ها مناسب به‌نظر می‌رسند. نتایج این روش‌ها ممکن است در توسعه ابزاری خودکار برای تشخیص افسرگی افراد که توسط پزشکان، افراد نگران و سازمان‌های مراقبت بهداشتی مورد استفاده قرار می‌گیرد، مفید باشد.
|
|
کلیدواژه
|
افسردگی، تحلیل احساسات، یادگیری ماشین، یادگیری ژرف، متن‌کاوی
|
|
آدرس
|
, iran, , iran, , iran
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
na
|
|
|
|
|
Authors
|
|
|
Abstract
|
na
|
|
Keywords
|
na
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|