| مروری بر کاربرد روش‌های یادگیری ماشین برای تشخیص افسردگی |
| کد مقاله : 1040-AISCH |
| نویسندگان: |
|
سحر منصورکیایی *1، حسین صدر2، مرتضی ترخان3 1موسسه آموزش عالی آیندگان 2گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد رشت، رشت، ایران. 3دانشیار گروه روانشناسی، دانشگاه پیام نور،تهران، ایران. |
| چکیده مقاله: |
| 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 ها: |
| افسردگی، تحلیل احساسات، یادگیری ماشین، یادگیری ژرف، متن‌کاوی |
| وضعیت : مقاله پذیرفته شده است |