Una nuova tecnologia che utilizza l'intelligenza artificiale rileva il linguaggio depressivo nei post sui social media in modo più accurato rispetto ai sistemi attuali e utilizza meno dati per farlo.

La tecnologia, che è stato presentato durante la Conferenza europea sull'apprendimento automatico e sui principi e la pratica della scoperta della conoscenza nei database, è il primo del suo genere a dimostrare che, per rilevare più accuratamente il linguaggio depressivo, piccolo, set di dati di alta qualità possono essere applicati al deep learning, un approccio di intelligenza artificiale comunemente usato che è tipicamente ad alta intensità di dati.

Precedenti ricerche psicolinguistiche hanno dimostrato che le parole che usiamo nell'interazione con gli altri quotidianamente sono un buon indicatore del nostro stato mentale ed emotivo.

I tentativi passati di applicare tecniche di deep learning per rilevare e monitorare la depressione nei post sui social media si sono dimostrati noiosi e costosi, ha spiegato Nawshad Farruque, un dottorato di ricerca dell'Università dell'Alberta. studente in informatica che sta conducendo il nuovo studio.

Ha spiegato che un post su Twitter che dice che qualcuno è depresso perché Netflix è inattivo non esprime davvero depressione, quindi qualcuno dovrebbe "spiegare" questo all'algoritmo.

"Il deep learning di solito è molto affamato di dati, " ha detto Farruque. " Fondamentalmente hai bisogno di alimentare la tua macchina con molti esempi di ciò che stai cercando di insegnarle. Però, (esperto umano) dati etichettati con linguaggio depressivo sono rari da trovare. Il nostro lavoro riduce significativamente la necessità di tali enormi quantità di dati etichettati".

Farruque ha usato un linguaggio preso dai forum sulla depressione online per insegnare al suo modello come riconoscere il linguaggio associato alla depressione nei tweet. Il nuovo approccio aiuta anche le macchine a capire quali parole o combinazioni di parole potrebbero veramente trasmettere sentimenti di depressione. Un esempio è "Ieri è stato difficile... e così è oggi e domani e i giorni dopo, " rispetto a "La scorsa notte non è stata una buona notte per dormire ... così stanco e ho un concerto stasera ... yawnnn, "che è più un'espressione di frustrazione.

Farruque sta anche lavorando allo sfruttamento di altre fonti pubbliche di uso del linguaggio espressivo, compresi appunti di suicidio e lettere d'amore, tutto ciò può contribuire all'apprendimento di solidi modelli linguistici sulla depressione.

"L'idea alla base della ricerca è quella di rilevare la depressione nelle sue fasi iniziali in modo che le persone possano essere indirizzate verso le risorse adeguate il prima possibile, " ha spiegato Farruque, che sta lavorando sotto la supervisione dei ricercatori della U of A Osmar Zaïane e Randy Goebel.

Farruque crede che la nuova tecnologia potrebbe un giorno essere integrata nella politica di autolesionismo e suicidio di Twitter e potrebbe aiutare a migliorare gli algoritmi di rilevamento della depressione esistenti che sono già integrati in Facebook.