Depression Severity Estimation on the InternetNew Models and Resources

Resumo

Hai unha evidencia extensa que provén dos campos da medicina e a psicolingüística sobre os cambios no uso do lenguaxe das persoas que sofren problemas de saúde mental. Por outro lado, as redes sociais proporcionan un amplo repositorio de linguaxe escrito. Existe unha tendencia recente na lingüística computacional onde os investigadores buscan explotar publicacións nas redes para detectar usuarios en risco. Nesta tese, seguimos esa liña no campo da detección da depresión. Porén, un defecto das investigacións previas é a necesidade dunha maior interpretabilidade das decisións dos modelos. Para mitigar ese problema, investigamos o desenvolvemento de modelos baseados en síntomas validados clínicamente para identificar sinais de depresión. As contribucións desta tese teñen tres enfoques diferentes: i) novos modelos para a estimación da gravidade baseados en marcadores de síntomas, ii) a creación de coleccións para axudar ao desenvolvemento de métodos baseados en síntomas, e iii) a exploración dos recentesmodelos masivos de linguaxe para axudar a escalar a creación destes datasets. Como último paso, e na nosa procura dunha integración práctica dos modelos de detección da depresión, incorporamos as nosas aportacións anteriores a unha plataforma demostrativa para o seu uso por parte de clínicos. Esta tesis contribúe a avanzar na comprensión e detección da depresión a través de marcadores de síntomas, e asenta as bases para futuras investigacións nesta área crítica da detección da depresión nas redes sociais.