Het onderzoeksteam zegt dat dergelijke systemen op verschillende manieren kunnen worden gebruikt, bijvoorbeeld vroeg
We hebben het algoritme getest op twee grote databasesgegevens en vergeleken onze resultaten met andere detectiemethoden voor depressie. In alle gevallen waren we in staat om bestaande methoden te overtreffen in termen van nauwkeurigheid van de classificatie.
Abdul Sadka, hoogleraar en directeur van het Brunel Institute for Digital Futures
Het algoritme werd getraind met behulp van twee databasesgegevens die de geschiedenis van duizenden Twitter-gebruikers bevatten, evenals aanvullende informatie over de geestelijke gezondheid van deze gebruikers. 80% van de informatie in elke database werd gebruikt om de bot te trainen, en de resterende 20% werd vervolgens gebruikt om de nauwkeurigheid ervan te testen.
Ten eerste sluit de bot alle gebruikers uit met minder dandan vijf tweets, dan corrigeert hij spelfouten en afkortingen. Vervolgens houdt het rekening met 38 verschillende factoren, zoals het gebruik van positieve en negatieve woorden, het aantal vrienden en volgers en het aantal emoji's, om de mentale en emotionele toestand van de gebruiker te bepalen.
Het team zegt dat een dergelijk systeem mogelijk zou kunnen bestaankan een signaal zijn dat een gebruiker depressief is voordat hij of zij iets publiekelijk post. Dit kan helpen iemand vooraf te informeren over mogelijke psychische problemen.
Lees verder:
Er is nog een "planeet" in de aarde: hoe deze het leven in de dop heeft gered
Kernfusie heeft geen miljoenen graden meer nodig: hoe de nieuwe methode werkt
Nieuwe studie weerlegt theorie over overdracht van lichtenergie