Depression Detection in Bengali Social-Media Text via Clinically Grounded Linguistic Feature Fusion and Interpretable Machine Learning
本文提出了一种透明且可复现的机器学习流水线，通过将具有临床依据的心理语言学标记与标准文本特征进行融合，并采用一种可解释的集成模型，在检测孟加拉语社交媒体中的抑郁症方面实现了高准确率（F1 分数为 91.69%）。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
抑郁症是一种沉重的负担，影响着全球数百万人口，常使他们感到孤独，并无法在日常生活中正常生活。在世界许多地方，受过培训的精神卫生专业人员数量远不足以满足需求，从而造成了痛苦被忽视的缺口。在孟加拉国，这种短缺情况尤为严重，一名精神科医生往往要负责数十万人的健康。因此，许多人转向社交媒体来表达他们的痛苦，使用母语来分享那些他们可能不会对陌生人说出口的想法。多年来，科学家们一直试图构建能够阅读这些数字帖子并识别抑郁迹象的计算机程序，但这些工具大多是为英语使用者设计的。这使得庞大的孟加拉语人群无法获得自动化筛查服务，尽管他们的语言也承载着与其他语言相同的心理情感重量和痛苦。
来自达福迪尔国际大学（Daffodil International University）的一个研究小组现在开发了一套专门用于理解孟加拉语社交媒体文本的新系统。他们的目标不仅是创建一个能正确猜测程序的系统，而是要构建一个人类医生可以信任并理解的系统。他们从近 22,000 条孟加拉语社交媒体帖子中收集了海量数据，这些帖子由人类仔细标注为显示抑郁迹象或作为正常对照。研究人员知道，仅仅统计词汇是不够的，所以他们寻找了心理学家长期以来与抑郁症联系在一起的特定思维模式。他们专注于大脑在挣扎时表现出的五种不同运作方式：使用绝对化词汇（如“总是”或“从不”）、绝望感、过度关注自我、感觉痛苦将永远持续，以及通过否定来否认现实。他们还追踪了直接表达深度痛苦或自残念头的词汇。
为了让计算机能够识别这些模式，团队采取了一些巧妙的措施。他们并没有仅仅将原始文本输入机器，而是每当发现这五种思维模式时，就会用特殊的信号标记文本。如果一个人写道“我不能这样做”，计算机会被教导将“不能”视为一个带有额外含义的单一特殊单元。同时，系统会统计这些模式在每条帖子中出现的频率，将情绪基调转化为一个简单的数字。他们将这些情感标记与分析词汇和字母使用的标准方法相结合，为每条帖子创造了一幅丰富的图景，既包含了所选的具体词汇，也包含了潜在的心理状态。
研究人员随后测试了几种不同的机器学习模型，以观察哪一种能最好地利用这些信息。他们发现，三种不同模型的结合比任何单一模型都更有效。其中一个模型擅长识别简单模式，另一个擅长处理词汇间的复杂关系，而第三个模型在处理数据方面非常高效。通过让这三个模型进行投票决定最终答案，并让最可靠的模型拥有更大的话语权，该系统变得高度准确。当他们在从未见过的帖子集上测试这个组合系统时，它正确识别出超过 91% 的抑郁病例。它在避免误报方面也表现出色，这意味着它很少将正常的帖子错误地标记为抑郁。
这项工作的卓越之处不仅在于其高准确性，还在于其透明度。与许多给出答案却不解释原因的“黑箱”式现代计算机系统不同，该系统可以展示其推导过程。研究人员能够指出导致计算机得出结论的具体词汇和模式。例如，如果一条帖子被标记为抑郁，系统可以指出该帖子包含高密度的与绝望或自我关注相关的词汇。这种解释其推理能力的能力对于医疗应用至关重要，因为医生需要了解建议的基础。团队还仔细检查了他们的工作，发现当计算机出错时，通常是因为原始的人类标签对该帖子存在混淆或错误，而不是因为计算机无法理解语言。
这项研究证实，只要使用正确的工具进行观察，抑郁症的迹象在孟加拉语文本中与在英语中一样清晰可见。研究人员没有依赖需要巨大计算能力的昂贵、复杂的通用人工智能，而是使用了一种快速、经济且易于审计的方法。他们证明了通过将技术植根于成熟的心理学理论，可以构建出既强大又值得信赖的工具。虽然该系统旨在作为一种筛查辅助手段，帮助识别可能需要支持的人群，而非作为独立的诊断工具，但它为专业医疗资源匮乏的地区提供了一条充满希望的前行之路。它表明，通过精心的设计，技术可以被用来倾听那些正在受苦的人的声音，即使是在那些长期被忽视的语言中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。