Forskerteamet sier at slike systemer kan brukes på en rekke måter, for eksempel tidlig
Vi testet algoritmen på to store databaserdata og sammenlignet resultatene våre med andre depresjonsdeteksjonsmetoder. I alle tilfeller var vi i stand til å utkonkurrere eksisterende metoder når det gjelder deres klassifiseringsnøyaktighet.
Abdul Sadka, professor og direktør for Brunel Institute for Digital Futures
Algoritmen ble trent ved hjelp av to databaserdata som inneholder historien til tusenvis av Twitter-brukere, samt tilleggsinformasjon om den mentale helsen til disse brukerne. 80 % av informasjonen i hver database ble brukt til å trene boten, og de resterende 20 % ble deretter brukt til å teste nøyaktigheten.
For det første ekskluderer boten alle brukere med mindre ennenn fem tweets, så retter han stavefeil og forkortelser. Den tar så hensyn til 38 ulike faktorer, som bruk av positive og negative ord, antall venner og følgere, og antall emojier, for å bestemme brukerens mentale og emosjonelle tilstand.
Teamet sier et slikt system kan potensieltkan signalisere at en bruker er deprimert før de legger ut noe offentlig. Dette kan bidra til å informere en person om potensielle psykiske problemer på forhånd.
Les mer:
Det er en annen "planet" inne i jorden: hvordan den reddet gryende liv
Kjernefysisk fusjon trenger ikke lenger millioner av grader: hvordan den nye metoden fungerer
Ny studie tilbakeviser teori om lysenergioverføring