Una nueva tecnología que utiliza inteligencia artificial detecta el lenguaje depresivo en las publicaciones de las redes sociales con mayor precisión que los sistemas actuales y utiliza menos datos para hacerlo.

La tecnología, que se presentó durante la Conferencia Europea sobre Aprendizaje Automático y Principios y Práctica del Descubrimiento del Conocimiento en Bases de Datos, es el primero de su tipo en demostrar que, para detectar con mayor precisión el lenguaje depresivo, pequeña, Los conjuntos de datos de alta calidad se pueden aplicar al aprendizaje profundo, un enfoque de IA de uso común que suele requerir muchos datos.

Investigaciones psicolingüísticas anteriores han demostrado que las palabras que usamos en la interacción con otros a diario son un buen indicador de nuestro estado mental y emocional.

Se ha demostrado que los intentos anteriores de aplicar técnicas de aprendizaje profundo para detectar y monitorear la depresión en las publicaciones de las redes sociales son tediosos y costosos. explicó Nawshad Farruque, un Ph.D. de la Universidad de Alberta. estudiante de ciencias de la computación que dirige el nuevo estudio.

Explicó que una publicación de Twitter que dice que alguien está deprimido porque Netflix está caído no expresa realmente depresión, por lo que alguien tendría que "explicar" esto al algoritmo.

"El aprendizaje profundo suele consumir muchos datos, ", dijo Farruque." Básicamente necesitas alimentar tu máquina con muchos ejemplos de lo que estás tratando de enseñarle. Sin embargo, Los datos etiquetados (humanos expertos) con lenguaje depresivo son raros. Nuestro trabajo reduce significativamente la necesidad de cantidades tan enormes de datos etiquetados ".

Farruque usó lenguaje tomado de foros de depresión en línea para enseñar a su modelo cómo reconocer el lenguaje asociado a la depresión en los tweets. El nuevo enfoque también ayuda a las máquinas a comprender qué palabras o combinaciones de palabras podrían realmente transmitir sentimientos de depresión. Un ejemplo es "Ayer fue difícil ... y también lo es hoy y mañana y los días posteriores, "comparado con" Anoche no fue una buena noche para dormir ... estoy tan cansado y tengo un concierto esta noche ... bostezo, "que es más una expresión de frustración.

Farruque también está trabajando en la explotación de otras fuentes públicas de uso del lenguaje expresivo, incluyendo notas de suicidio y cartas de amor, todo lo cual puede ayudar a contribuir al aprendizaje de modelos de lenguaje sólidos sobre la depresión.

"La idea detrás de la investigación es detectar la depresión en sus primeras etapas para que las personas puedan apuntar hacia los recursos adecuados lo antes posible, "explicó Farruque, que trabaja bajo la supervisión de los investigadores de la U of A Osmar Zaïane y Randy Goebel.

Farruque cree que la nueva tecnología podría algún día integrarse en la política de autolesiones y suicidio de Twitter y podría ayudar a mejorar los algoritmos de detección de depresión existentes que ya están integrados en Facebook.