Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
WeMake: A Framework for Letting Students Create Tangible, Embedded and Embodied Environments for Their Own STEAM Learning Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Towards Suicide Prevention: Early Detection of Depression on Social Media

verfasst von : Victor Leiva, Ana Freire

Erschienen in: Internet Science

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The statistics presented by the World Health Organization inform that 90% of the suicides can be attributed to mental illnesses in high-income countries. Besides, previous studies concluded that people with mental illnesses tend to reveal their mental condition on social media, as a way of relief. Thus, the main objective of this work is the analysis of the messages that a user posts online, sequentially through a time period, and detect as soon as possible if this user is at risk of depression. This paper is a preliminary attempt to minimize measures that penalize the delay in detecting positive cases. Our experiments underline the importance of an exhaustive sentiment analysis and a combination of learning algorithms to detect early symptoms of depression.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Topic Detection and Visualisation System on Social Media Posts
Fußnoten
Literatur
1.
Brubaker, J.R., Kivran-Swaine, F., Taber, L., Hayes, G.R.: Grief-stricken in a crowd: the language of bereavement and distress in social media. In: Proceedings of ICWSM (2012)
2.
Sowles, S., Connolly, S., Rosas, C., Bharadwaj, M., Bierut, L.J., Cavazos-Rehg, P.A., Krauss, M.J.: A content analysis of depression-related tweets. Comput. Hum. Behav. 1(54), 351–357 (2016)
3.
Cole, D.A., Zelkowitz, R.L., Nick, E., Martin, N.C., Roeder, K.M., Sinclair-McBride, K., Spinelli, T.: Longitudinal and incremental relation of cybervictimization to negative self-cognitions and depressive symptoms in young adolescents. J. Abnorm. Child Psychol. 44(7), 1321–1332 (2016)CrossRef
4.
De Choudhury, M., Counts, S., Horvitz, E.: Social media as a measurement tool of depression in populations. In: Proceedings of the 5th Annual ACM Web Science Conference, pp. 47–56. ACM (2013)
5.
Hutto, C., Gilbert, E.: Vader: a parsimonious rule-based model for sentiment analysis of social media text. In: Web and Social Media (2014)
6.
Wills, G., Syarif, I., Prugel-Bennett, A.: SVM parameter optimization using grid search and genetic algorithm to improve classification performance. TELKOMNIKA 14(4), 1502–1509 (2016)CrossRef
7.
Losada, D.E., Crestani, F.: A test collection for research on depression and language use. In: Fuhr, N., Quaresma, P., Gonçalves, T., Larsen, B., Balog, K., Macdonald, C., Cappellato, L., Ferro, N. (eds.) CLEF 2016. LNCS, vol. 9822, pp. 28–39. Springer, Cham (2016). doi:10.​1007/​978-3-319-44564-9_​3 CrossRef
8.
Nadeem, M.: Identifying depression on Twitter. arXiv preprint:1607.07384 (2016)
9.
Park, M., Cha, C., Cha, M.: Depressive moods of users portrayed in Twitter. In: Proceedings of the ACM SIGKDD Workshop on Healthcare Informatics, pp. 1–8 (2012)
10.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., Duchesnay, E.: Scikit-learn: machine learning in Python. J. Mach. Learn. Res. 12, 2825–2830 (2011)MathSciNetMATH
11.
Wang, X., Zhang, C., Ji, Y., Sun, L., Wu, L., Bao, Z.: A depression detection model based on sentiment analysis in micro-blog social network. In: Li, J., Cao, L., Wang, C., Tan, K.C., Liu, B., Pei, J., Tseng, V.S. (eds.) PAKDD 2013. LNCS, vol. 7867, pp. 201–213. Springer, Heidelberg (2013). doi:10.​1007/​978-3-642-40319-4_​18 CrossRef
12.
13.
WHO. Preventing Suicide: A Global Imperative (2015)
14.
Srinivasan, P., Yang, C.: Life satisfaction and the pursuit of happiness on Twitter. PLoS ONE 11(3), e0150881 (2016)CrossRef
Metadaten
Titel
Towards Suicide Prevention: Early Detection of Depression on Social Media
verfasst von
Victor Leiva
Ana Freire
Copyright-Jahr
2017
Buch
Internet Science

Print ISBN: 978-3-319-70283-4

Electronic ISBN: 978-3-319-70284-1

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-70284-1_34

Premium Partner

    Bildnachweise