新开发的算法可以在Twitter用户中发现抑郁症，其精度为88.39％。

Developed by researchers at Brunel University London and the University of Leicester, the algorithm determines someone’s mental state by extracting and analysing 38 data points from their public Twitter profile, including the content of their posts, their posting times, and the other users in their social circle.

研究小组表示，将来在多个平台（例如早期抑郁诊断，就业筛查或警察调查）中，类似的系统将来可能会有一系列不同的用途。

布鲁内尔数字期货研究所主任阿卜杜勒·萨德卡（Abdul Sadka）教授说：“我们在两个大数据库上测试了算法，并根据其他抑郁症检测技术进行了基准测试。”“在所有情况下，我们都在其分类准确性方面都设法超越了现有技术。”

该算法是使用两个数据库培训的，该数据库包含数千名用户的Twitter历史记录，以及有关这些用户心理健康的其他信息。每个数据库中80％的信息用于教授机器人，而其他20％则用于测试其准确性。

该机器人首先排除所有少于五个推文并通过自然语言软件运行剩余配置文件以纠正拼写错误和缩写的用户的工作原理。

然后，它考虑了38个不同的因素 - 例如用户对正面和负面词的使用，他们拥有的朋友和追随者的数量以及对表情符号的使用 - 并确定了该用户的心理和情感状态。

使用Tsinghua Twitter抑郁症数据集，该团队的精度为88.39％，而使用John Hopkins University的Clpsych 2015数据集则达到了70.69％的准确性。

“任何超过90％的东西都被认为是机器学习的出色。因此，两个数据库之一中的一个是88％，” Sadka教授说。

“这不是100％准确的，但是我认为在这个级别上，任何机器学习解决方案都无法实现100％的可靠性。但是，您越接近90％的数字，越好。”

该团队说，这样的系统可能会在用户向公共领域发布一些东西之前可能会标记抑郁症，为Twitter和Facebook等平台铺平道路，以主动与用户提出心理健康问题。

但是，该机器人也可以在帖子进入公共领域之后使用该机器人，从而允许雇主和其他企业根据其社交媒体帖子评估用户的心理状态。研究人员说，它可以用于多种原因，包括用于情感分析，刑事调查或就业筛查，

莱斯特大学机器学习教授Huiyu Zhou教授说：“拟议的算法是独立的，因此也很容易扩展到其他社交媒体系统，例如Facebook或WhatsApp。”

“这项研究的下一个阶段将是检查其在不同环境或背景中的有效性，更重要的是，从本研究中提出的技术可能会进一步开发给其他应用，例如电子商务，招聘检查或候选人筛查。”

参考：Tong L，Liu Z，Jiang Z等。成本敏感的增强修剪树木在Twitter上检测抑郁症。情感计算的IEEE交易。在线发布2022：1-1。doi：10.1109/taffc.2022.3145634

本文已从以下内容重新发布材料。注意：材料可能已被编辑有关长度和内容。有关更多信息，请联系引用的来源。