Een nieuwe technologie die gebruikmaakt van kunstmatige intelligentie, detecteert depressieve taal in posts op sociale media nauwkeuriger dan de huidige systemen en gebruikt daarvoor minder gegevens.

De technologie, die werd gepresenteerd tijdens de European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, is de eerste in zijn soort die aantoont dat, om depressieve taal nauwkeuriger te detecteren, klein, hoogwaardige datasets kunnen worden toegepast op deep learning, een veelgebruikte AI-aanpak die doorgaans data-intensief is.

Eerder psycholinguïstisch onderzoek heeft aangetoond dat de woorden die we dagelijks gebruiken in interactie met anderen een goede indicator zijn van onze mentale en emotionele toestand.

Eerdere pogingen om deep learning-technieken toe te passen om depressie in posts op sociale media te detecteren en te monitoren, zijn vervelend en duur gebleken, legde Nawshad Farruque uit, een Universiteit van Alberta Ph.D. student informatica die de nieuwe studie leidt.

Hij legde uit dat een Twitter-bericht waarin staat dat iemand depressief is omdat Netflix niet werkt, niet echt depressie uitdrukt. dus iemand zou dit aan het algoritme moeten "uitleggen".

"Deep learning is meestal erg data-hongerig, "zei Farruque. "Je moet je machine eigenlijk veel voorbeelden geven van wat je hem probeert te leren. Echter, (deskundige mens) gelabelde gegevens met depressieve taal zijn zeldzaam om aan te komen. Ons werk vermindert de behoefte aan zulke enorme hoeveelheden gelabelde gegevens aanzienlijk."

Farruque gebruikte taal van online depressieforums om zijn model te leren hoe hij met depressie geassocieerde taal in tweets kon herkennen. De nieuwe aanpak helpt machines ook te begrijpen welke woorden of combinaties van woorden echt depressieve gevoelens kunnen overbrengen. Een voorbeeld is "Gisteren was moeilijk ... en dat geldt ook voor vandaag en morgen en de dagen daarna, " vergeleken met "Afgelopen nacht was geen goede nacht om te slapen ... zo moe en ik heb een optreden vanavond ... yawnnn, ’, wat meer een uiting van frustratie is.

Farruque werkt ook aan het exploiteren van andere openbare bronnen van expressief taalgebruik, inclusief afscheidsbrieven en liefdesbrieven, die allemaal kunnen bijdragen aan het leren van robuuste taalmodellen over depressie.

"Het idee achter het onderzoek is om depressie in een vroeg stadium op te sporen, zodat mensen zo snel mogelijk naar de juiste middelen kunnen worden verwezen. " legde Farruque uit, die werkt onder supervisie van U of A-onderzoekers Osmar Zaïane en Randy Goebel.

Farruque gelooft dat de nieuwe technologie op een dag kan worden ingebouwd in het zelfbeschadiging- en zelfmoordbeleid van Twitter en kan helpen de bestaande algoritmen voor het detecteren van depressies die al in Facebook zijn ingebouwd, te verbeteren.