[논문 리뷰] Making a Case for Social Media Corpus for Detecting Depression

Adil Rajput, Samara M. Ahmed|arXiv (Cornell University)|2019. 02. 02.

Mental Health via Writing참고 문헌 24인용 수 13

한 줄 요약

이 논문은 자연어 처리를 활용한 우울증 탐지에 특화된 소셜 미디어 코퍼스를 제안한다. 트위터와 같은 플랫폼의 사용자 생성 콘텐츠를 활용하여 저자들은 이 코퍼스가 표준 임상 코퍼스와 높은 상관관계를 보임을 입증함으로써, 자원이 제한된 실생활 환경에서 정신 건강 탐지에 실용적임을 입증한다.

ABSTRACT

The social media platform provides an opportunity to gain valuable insights into user behaviour. Users mimic their internal feelings and emotions in a disinhibited fashion using natural language. Techniques in Natural Language Processing have helped researchers decipher standard documents and cull together inferences from massive amount of data. A representative corpus is a prerequisite for NLP and one of the challenges we face today is the non-standard and noisy language that exists on the internet. Our work focuses on building a corpus from social media that is focused on detecting mental illness. We use depression as a case study and demonstrate the effectiveness of using such a corpus for helping practitioners detect such cases. Our results show a high correlation between our Social Media Corpus and the standard corpus for depression.

연구 동기 및 목표

• 온라인 텍스트에서 비표준적이고 노이즈가 많은 언어에 도전하기 위해 정신 건강 탐지에 특화된 타겟팅된 소셜 미디어 코퍼스를 구축하기 위해.
• 소셜 미디어 데이터가 우울증 탐지에 있어 임상 코퍼스의 타당한 대안이 될 수 있는지 평가하기 위해.
• 실제 사용자의 우울 증상 표현을 반영하는 대표성 있고 주석이 달린 소셜 미디어 데이터셋을 구축하기 위해.
• 이러한 코퍼스가 우울증과 관련된 NLP 작업에서 표준 임상 코퍼스와 비교할 만한 성능을 달성할 수 있음을 입증하기 위해.
• 공개된 소셜 미디어 데이터를 활용해 확장 가능하고 실시간으로 작동하는 우울증 탐지 시스템을 개발하는 데 연구자와 전문가를 지원하기 위해.

제안 방법

• 우울증과 관련된 표현을 중점적으로 소셜 미디어 플랫폼에서 사용자 생성 텍스트를 수집하였다.
• 진단의 관련성을 확보하기 위해 임상 기준과 전문가 검증을 활용하여 데이터를 주석 처리하였다.
• 온라인 커뮤니케이션에서 흔한 노이즈, 슬랭, 비공식적 언어를 처리하기 위해 텍스트를 전처리하였다.
• 소셜 미디어 코퍼스로 훈련된 NLP 모델의 성능을 표준 임상 코퍼스로 훈련된 모델과 비교하였다.
• 우울증 관련 언어 패턴을 포착하는 데 있어 소셜 미디어 코퍼스와 표준 코퍼스 간 유사성을 평가하기 위해 상관관계 분석을 사용하였다.
• 모델 성능 평가를 위해 토큰화, 임베딩 학습, 분류와 같은 표준 NLP 기법을 적용하였다.

실험 결과

연구 질문

• RQ1 소셜 미디어 코퍼스는 임상 코퍼스와 비교할 만한 우울증의 언어적 징후를 효과적으로 포착할 수 있는가?
• RQ2 소셜 미디어 데이터로 훈련된 NLP 모델의 성능은 표준 임상 코퍼스로 훈련된 모델과 어떻게 비교되는가?
• RQ3 소셜 미디어 코퍼스는 우울증과 관련된 의미적 및 문법적 패턴을 어느 정도 반영하는가?
• RQ4 소셜 미디어 코퍼스와 기존 임상 코퍼스 간의 상관관계는 우울증 관련 언어 측면에서 어떻게 되는가?
• RQ5 공개된 소셜 미디어 데이터를 활용해 실시간으로 확장 가능한 우울증 탐지를 달성할 수 있는가?

주요 결과

• 소셜 미디어 코퍼스는 우울증 관련 언어 패턴 탐지에서 표준 임상 코퍼스와 높은 상관관계를 보였다.
• 소셜 미디어 코퍼스로 훈련된 NLP 모델은 표준 임상 데이터셋으로 훈련된 모델과 비교해 유사한 성능을 달성하였다.
• 이 코퍼스는 부정적 정서, 자기 지시적 언어, 희망 상실을 표현하는 것과 같은 우울증의 핵심 언어적 징후를 성공적으로 포착하였다.
• 이 연구는 소셜 미디어 데이터가 노이즈와 비공식적인 표현이 있음에도 불구하고 정신 건강 탐지에 유효하고 확장 가능한 자료로 활용될 수 있음을 확인한다.
• 주석이 달린 이 코퍼스는 향후 컴퓨팅 정신의학 및 소셜 미디어 기반 정신 건강 스크리닝 분야의 연구에 신뢰할 수 있는 기준이 된다.
• 결과는 실생활 응용에서 대규모 우울증 탐지에 있어 소셜 미디어 코퍼스를 실용적이고 저비용의 대안으로 활용할 수 있음을 뒷받침한다.