چکيده— "افسردگی" یک مشکل سلامتی شایع و بسیار مهم می باشد که اثرات جدی در زندگی روزمره ی افراد بر جای می گذارد. اخیراً تعدادی از محققان تحلیل داده های ایجاد شده توسط کاربران در رسانه های اجتماعی را مورد بررسی و کاوش قرار دادند تا اینکه علائم این اختلال روانی را در افراد شناسایی نموده و تشخیص دهند. در این رابطه، ما با در نظر گرفتن این ایده - که اصطلاحات موجود در عبارت هایی که اظهارات شخصی یک فرد را نمایان می سازند (منظور عبارت هایی هستند که با استفاده از ضمایر اول شخص مفرد متمایز می شوند)؛ از ارزش ویژه ای برای آشکارسازی علائم افسردگی برخوردار می باشند - به بررسی شناسایی افسردگی یک فرد در رسانه های اجتماعی می پردازیم. در این راستا ابتدا ارزش اظهارات شخصی در رسانه های اجتماعی به منظور شناسایی افسردگی را مورد ارزیابی قرار می دهیم و در مرحله دوم یک راهکار خودکار را تطبیق می دهیم که با استفاده از روش "انتخاب ویژگی" و نیز الگوی وزن دهی اصطلاحات، شدت و ضعف اظهارات شخصی را تعیین می نماید. در انتها وظیفه مورد بررسی را به صورت یک مسئله تشخیص زودهنگام مورد ملاحظه قرار می دهیم؛ با این هدف که ردپای افسردگی را تا حد امکان زودتر تشخیص دهیم. ما برای ارزیابی ایده های مورد بررسی از داده های رسانه اجتماعی Reddit به عنوان معیاری برای شناسایی افسردگی استفاده می کنیم. نتایج حاصل نشان می‌دهند که اظهارات شخصی از تناسب بالایی برای آشکارسازی ردپای افسردگی برخوردار می باشند. بعلاوه نتایج حاصل از سناریوهای اولیه اثبات می‌کنند که راهکار پیشنهادی ما در مقایسه با روش‌های مدرن به سطح بالایی از رقابت‌پذیری رسیده است و در عین حال ویژگی های سادگی و قابلیت فهم را نیز حفظ کرده است.
کلمات کليدي-شناسایی افسردگی، اطلاعات شخصی، ضمایر شخصی، راهکار DPP-EXPEI

ترجمه این مقاله به تدریج تکمیل می شود و در همین صفحه قرار می گیرد ....

1.مقدمه
افسردگی یکی از شایع ترین بیماری های سلامت روانی می باشد که زندگی روزمره افراد را به شدت تحت تاثیر قرار می دهد. افسردگی می‌تواند مشکلات فیزیکی و احساسی مختلفی را ایجاد نماید که این مشکلات می‌توانند میزان اثر بخشی فعالیت های فرد را کاهش دهند و اثرات منفی بر محیط شخصی پیرامون فرد، کار و یا مدرسه و یا حتی نیازهای اولیه نظیر خواب و تغذیه بر جای بگذارند. موارد شدیدتر افسردگی می تواند به "آسیب شخصی" و خودکشی منجر شود. اگرچه خوشبختانه افسردگی یک اختلال قابل درمان می باشد؛ با این حال اغلب تشخیص داده نمی شود که علت آن عدم توانایی بیمار در تشخیص مشکل و یا نگرش منفی اجتماعی در خصوص بیماری های روانی می باشد. اخیرا افزایش استفاده از رسانه های اجتماعی فرصت های جدیدی را برای شناسایی و تشخیص افسردگی فراهم آورده است. در این پلتفرم ها (رسانه های اجتماعی)، افراد آزادانه افکار و احساسات خود را بیان نموده و با دیگران به اشتراک می گذارند. به علاوه اغلب این رسانه ها از سوی کاربران مبتلا به افسردگی جهت جمع آوری اطلاعات در خصوص بیماری و یا گفتگو در خصوص مشکلات و علائم بیماری مورد استفاده قرار می گیرد.
کارهای پژوهشی متعددی - بر اساس این ایده که زبان، شاخص قدرتمندی از شخصیت، وضعیت اجتماعی و احساسی و نیز سلامت روانی فرد می باشد - محتوای تولید شده توسط کاربران رسانه های اجتماعی را به عنوان منبعی غنی از دانش و آگاهی به کار گرفته‌اند تا اینکه کاربران رسانه های اجتماعی مبتلا به بیماری های روانی نظیر افسردگی را مورد مطالعه، شناسایی و نیز پیگیری قرار دهند. به ویژه اینکه، اثبات شده است افراد مبتلا به افسردگی تغییراتی در زبان و رفتار خود بروز می دهند (به عنوان مثال حس منفی قوی تر و خود توجهی بالا). در این رابطه، توسعه روش هایی برای شناسایی و تشخیص اتوماتیک افسردگی در رسانه‌های اجتماعی توجه ویژه‌ای را در جامعه تحقیقاتی "زبان شناسی محاسباتی" کسب کرده است. این کار چالش برانگیز با در نظر گرفتن تعداد زیادی از مدل های طبقه بندی و بازنمایی متن به صورت یک مسئله طبقه بندی متن مورد بررسی قرار گرفته است و نتیجه این بوده که جنبه های موضوعی (زمینه ای) و سبک شناسانه بین افراد افسرده و افرادی که به لحاظ روانی سلامت هستند؛ متفاوت می باشد. با این وجود، مطالعات اندکی در خصوص ارتباط میان "اطلاعات آشکار شده به واسطه استفاده از خود ارجاعات" و "اظهار افسردگی" انجام شده است.
از منظر روانشناسی، فراوانی نسبی ضمایر اول شخص مفرد در زبان گفتاری، به پیش بینی علائم افسردگی کمک می کند. به عنوان مثال برخی مطالعات نشان می‌دهند که تعداد "خود ارجاعات" (ارجاع به خود شخص) در افراد افسرده، در مقایسه با افرادی که افسردگی ندارند؛ بسیار بیشتر است. همچنین برخی نظریه ها اظهار می دارند که "خود توجهی" بسیار زیاد می تواند علائم اختلال افسردگی را آشکار نماید. به علاوه در متون تحقیقاتی، برخی روش های محاسباتی تعداد بالای ضمایر اول شخص را در متن های ایجاد شده توسط افراد افسرده، مشاهده کرده اند. با این وجود تا جایی که ما می دانیم هیچ مولف دیگری ارزش موقعیت به کارگیری ضمایر را در تشخیص افسردگی مورد مطالعه و بررسی قرار نداده است. در این رابطه ما علاقه مند هستیم تا بررسی نماییم که آیا "اظهارات شخصی" - اطلاعات موجود در عباراتی که یک ضمیر اول شخص مفرد دارند و آنها را اطلاعات شخصی می نامیم - کلمات کلیدی آشکار کننده وضعیت روحی و روانی یک کاربر را به صورت منسجم و متمرکز ارائه می‌کنند یا خیر.
بر مبنای این یافته های روانشناسی و تعداد دیگری از کارهای تحقیقاتی که نشان داده‌اند "اطلاعات شخصی" به شناسایی خصوصیات کاربران نظیر جنسیت و سن کمک می کنند؛ ما این فرضیه را مطرح می نماییم که وقتی کاربران اطلاعات شخصی خود را با دیگران به اشتراک می گذارند؛ تمایل دارند از کلماتی استفاده کنند که می توانند سرنخ های بالقوه ای برای آشکارسازی اختلالات سلامت روانی نظیر اختلال افسردگی باشند. به ویژه اینکه، نظر ما بر این است که در اظهارات شخصی، علایق زمینه ای مشابهی که میان افراد با اختلال روانی مشابه با یکدیگر، به اشتراک گذاشته می شوند؛ با مواردی که با افراد سالم به لحاظ روانی به اشتراک گذاشته می شوند؛ تفاوت دارند. برای مثال عبارت بعدی - یک اظهار شخصی که توسط کاربری با اختلال افسردگی نوشته شده است - بر اصطلاحاتی متمرکز می باشد که با این حوزه (افسردگی) به شدت مرتبط می باشند:
"برای درمان افسردگی، برای من دارو تجویز شده است. من نمی‌توانم اضطرابم را تسکین دهم"
از سوی دیگر ما اعتقاد داریم که تاکید بر ارزش این کلمات با استفاده از تکنیک های "انتخاب ویژگی" و "وزن دهی اصطلاحات" می‌تواند تا حد قابل قبولی، افراد دچار افسردگی را از افراد سالم متمایز نماید. به علاوه ما با در نظر داشتن این ایده ها به مسئله تشخیص و شناسایی زودهنگام افسردگی می پردازیم که هدف آن عبارت است از شناسایی هر چه زودتر کاربرانی که علائمی از افسردگی را از خود بروز می‌دهند. شناسایی زودهنگام اختلال افسردگی، شانس درمان مناسب و تا حد امکان سریعتر را افزایش می‌دهد. در این رابطه، برداشت ما این است که برخلاف تکنیک های مبتنی بر فراوانی اصطلاحات، راهکار پیشنهادی این امکان را برایمان فراهم می آورد تا توجه ویژه‌ای را به اصطلاحات پرتکرار معطوف نماییم که نویسندگان اظهارات از آنها در موقعیت های شخصی استفاده می کنند و راهکار پیشنهادی ما از این طریق به شناسایی زودهنگام اختلال افسردگی کمک می کند.
به صورت خلاصه بخش های مقاله حاضر به شرح زیر می باشند. 1) ارزیابی اهمیت و ارتباط اظهارات شخصی در شناسایی افسردگی. 2) سازگاری و تطبیق یک روش انتخاب ویژگی و یک الگوی وزندهی اصطلاحات که این نوع اطلاعات را به صورت اتوماتیک برای تشخیص افسردگی استخراج نموده و مورد تاکید قرار می دهند. شایان ذکر است که برخلاف اغلب روش های قبلی که به این مسئله می‌پردازند؛ راهکار پیشنهادی ما امکان توجه به برجسته ترین اصطلاحات یافت شده در متون نوشتاری توسط کاربران مبتلا به افسردگی را فراهم می آورد و به علاوه نتایج حاصله را از لحاظ طبقه بندی تفسیر می نماید. از آنجا که یکی از اهداف توسعه چنین راهکاری این است که ابزار هایی را برای متخصصان فراهم آورد تا در تشخیص اختلال افسردگی به آنها کمک نماید؛ تفسیر پذیری نتایج بسیار مهم می باشد. )۳ تعیین شرایطی برای پرداختن به مسئله تشخیص زودهنگام افسردگی. ما بر مبنای مجموعه ای از کلماتی که به صورت اتوماتیک از اظهارات شخصی کاربران رسانه های اجتماعی استخراج می شوند؛ یک راهکار اکتشافی را برای شناسایی هر چه زودتر افرادی که از افسردگی رنج می برند؛ ارائه می کنیم.
ادامه مقاله به صورت زیر سازماندهی شده است. بخش2 مروری بر کارهای تحقیقاتی در خصوص شناسایی افسردگی در رسانه های اجتماعی و تشخیص زودهنگام ریسک ابتلا به افسردگی را ارائه می‌کند. بخش۳ به توصیف مطالعه ای در خصوص ارتباط و اهمیت اظهارات شخصی در تشخیص افسردگی می پردازد. بخش ۴ راهکار پیشنهادی برای تشخیص اختلال افسردگی را ارائه می ‌کند. بخش۵ گزارشی از آزمایشات و نتایج راهکار پیشنهادی را ارائه می نماید. بخش 6 به بیان نتایج بررسی ما و کار تحقیقاتی آتی در این رابطه می پردازد.

Abstract:  Depression is a common and very important health issue with serious effects in the daily life of people. Recently, several researchers have explored the analysis of user-generated data in social media to detect and diagnose signs of this mental disorder in individuals. In this regard, we tackled the depression detection task in social media considering the idea that terms located in phrases exposing personal statements (i.e., phrases characterized by the use of singular first person pronouns) have a special value for revealing signs of depression. First, we assessed the value of the personal statements for depression detection in social media. Second, we adapted an automatic approach that emphasizes the personal statements by means of a feature selection method and a term weighting scheme. Finally, we addressed the task in hand as an early detection problem, where the aim is to detect traces of depression with as much anticipation as possible. For evaluating these ideas, benchmark Reddit data for depression detection was used. The obtained results indicate that the personal statements have high relevance for revealing traces of depression. Furthermore, the results on early scenarios demonstrated that the proposed approach achieves high competitiveness compared with state-of-the-art methods, while maintaining its simplicity and interpretability.
Keywords-Depression detection Personal information Personal pronouns DPP-EXPEI