Depressie detecteren met een algoritme op Twitter

Social media kanalen zijn reeds lang noch meer weg te denken uit onzerzijds dagelijkse leven. Voordat veel mensen is ie noch schattig eentje vorm van entertainment, wegens anderen te toestaan meegenieten van hun dagelijkse beslommeringen, maar vooral zowel eentje uitlaatklep voordat hun stemming. Ie is precies dat laatste waardoor onderzoekers van den universiteiten van Brunel te Londen plus Leicester op ie idee kwamen diegene kennisgeving te gewoontes voordat andere doeleinden, zoals ie detecteren van personen diegene (mogelijk) aan eentje laagconjunctuur lijden.

“Wij hebben ie algoritme getest op twee volwassene databases plus onze resultaten vergelijken met andere laagconjunctuur detectie-technieken. Te alle gevallen zijn wij erin succesvol wegens den bestaande technieken te verbeteren te termen van hun classificatienauwkeurigheid”, vertelt professor Abdul Sadka, directeur van Brunel’s Institute of Digital Futures.

Algoritme voordat laagconjunctuur detectie

Zij ontwikkelden eentje algoritme dat te staat is den mentale toestand van eentje persoon te analyseren om 38 datapunten te extraheren plus te analyseren uit hun openbare Twitter-profiel. Datapunten zoals den inhoud van hun berichten, hun posttijden plus den andere gebruikers te hun sociale netwerk.

Tijdens den ontwikkeling hebben den onderzoekers, voordat ie trainen van ie algoritme, gewoonte vervaardigd van twee databases met erin den Twitter-geschiedenis – gepostte berichten – van duizenden gebruikers. Daarnaast konden zij zowel gewoonte maken van aanvullende kennisgeving overheen den geestelijke gezondheid van diegene gebruikers.

Van reeds diegene gegevens worden 80 procent tweedehands voordat ie trainen van ie algoritme. Den overige 20 procent van den gegevens worden vervolgens ingezet wegens den nauwkeurigheid van ie algoritme te uitproberen. Vervolgens is den nauwkeurigheid van ie algoritme bepaald. Voordat den twee databases, den Tsinghua Twitter Depression Dataset plus den CLPsych 2015-dataset van John Hopkins University, kwam den nauwkeurigheid van ie algoritme uit op respectievelijk 88,39 procent plus 70,69 procent.

Preventieve werking

Volgens den onderzoekers is ie om hun ontwikkelde algoritme te staat den laagconjunctuur van eentje gebruiker te signaleren voordat dit iets te ie publieke domein plaatst. Ermee wordt volgens den onderzoekers den weg vrijgemaakt voordat platforms zoals Twitter plus Facebook wegens proactief geestelijke gezondheidsproblemen honingbij gebruikers te signaleren.

“Te machine learning wordt eentje nauwkeurigheid van daarboven den 90 procen mits uitstekend beschouwd. Dus 88 procent voordat eentje van den twee databases is super. Ie is noch 100 procent nauwkeurig, maar ik denken noch dat op dit niveau eentje machine learning-oplossing 100 procent deugdzaamheid schenkkan doordringen. Maar hoe po jou honingbij ie cijfer van 90 procent komt, hoe huis”, aldus professor Abdul Sadka.

Ie gewoonte van den online activiteit diegene mensen ontplooien mits eentje wel van kennisgeving voordat diagnostische doeleinden is noch verfrissend. Zo’n vijf schooljaar geleden experimenteerde Google reeds met ie opsporen van mensen diegene mogelijk depressieve klachten hebben aan den hand van hun zoekgedrag op ie internet.