Forskerholdet siger, at sådanne systemer kan bruges på forskellige måder, for eksempel til tidlig
Vi testede algoritmen på to store databaser og sammenlignede vores resultater med andre metoder til påvisning af depression.I alle tilfælde var vi i stand til at overgå eksisterende metoder med hensyn til nøjagtigheden af deres klassificering.
Abdul Sadka, professor, direktør, Brunel Institute for the Digital Future
Algoritmen blev trænet ved hjælp af to databaser, der indeholder tusindvis af Twitter-brugeres historie samt yderligere oplysninger om disse brugeres mentale sundhed.80% af oplysningerne i hver database blev brugt til at træne botten, og de resterende 20% blev derefter anvendt til at teste dens nøjagtighed.
For det første udelukker botten alle brugere med mindre endend fem tweets, så retter han stavefejl og forkortelser. Derefter tages der højde for 38 forskellige faktorer, såsom brugen af positive og negative ord, antallet af venner og følgere og antallet af emojis, for at bestemme brugerens mentale og følelsesmæssige tilstand.
Holdet siger, at et sådant system potentielt kan signalere en brugers depression, før de sendernoget i det offentlige rum. På denne måde kan du informere personen på forhånd om potentielle psykiske problemer.
Læs mere:
Der er en anden "planet" inde i Jorden: hvordan den reddede spirende liv
Nuklear fusion behøver ikke længere millioner af grader: Sådan fungerer den nye metode
Ny undersøgelse tilbageviser teori om lysenergioverførsel