Depresszióról árulkodnak a Twitter-bejegyzések

Az írásmód és számos más jellemző pontos képet ad az egyes személyekről és a mentális állapotukról.

Ismert tény, hogy közösségi bejegyzések segítségével előre jelezhető a depresszió. Eric Horvitz, a Microsoft kutatólaboratóriumának vezetője elmondta, hogy a szülés utáni depresszió a nők körülbelül 15 százalékánál jelentkezik és változó időszakot ölel fel, illetve eltérő súlyossággal jelentkezik. Ő és a csapata közel 3000 nő Twitter-üzeneteit és nyilvánosan hozzáférhető adatait értékelték ki, valamint a szülés előtti és utáni három-három hónap bejegyzéseit tanulmányozták, s 70 százalékos hatékonysággal tudták megmondani, hogy melyik nőnél alakult ki valamilyen formában szülés utáni depresszió.

Most a londoni Brunel Egyetem és a Leicesteri Egyetem munkatársai egy új algoritmust fejlesztettek ki, amely 88,39 százalékos pontossággal ismeri fel a Twitter-használóknál a depressziót. A szoftver a nyilvános Twitter-profilokat elemzi 38 szempont figyelembevételével és így határozza meg egy személy mentális állapotát. A szempontok között voltak a bejegyzések tartalmai, a közzétételek időpontjai, a kapcsolódó további felhasználók, a pozitív és a negatív szavak alkalmazása, a barátok és a követők száma, illetve az emodzsik használata. A szakemberek úgy vélték, hogy hasonló rendszerek alkalmasak lehetnek a rendőrségi nyomozások és a megfelelő munkatársak felkutatásának elősegítésére.

Abdul Sadka, a Brunel Egyetem Digitális Jövő Intézetének igazgatója kijelentette, hogy az algoritmust két nagy adatbázison is tesztelték és az eredményeiket más depressziófelismerési technikák eredményeivel is összehasonlították. Minden esetben sikerült a meglévő technikákat legyőzni a pontosság területén. Az adatbázisok több ezer ember Twitter-előzményeit, valamint a velük kapcsolatos fizikai egészségügyi információkat tartalmazták. A képzésbe ezen adatok 80 százalékát vonták be, míg a pontosság tesztelésére az információk 20 százalékát használták.

A rendszer minden olyan személyt kizárt, aki kevesebb, mint öt Twitter-üzenettel rendelkezett, automatikusan kijavította a a helyesírás hibákat, valamint kiegészítette a rövidítéseket. Ezután vette figyelembe a 38 tényezőt, majd azok alapján következtetett az illető mentális és érzelmi állapotára.

Huiyu Zhou, a Leicesteri Egyetem gépi tanulási szakértője kifejtette, hogy a kutatás következő szintje az lesz, hogy az eredményeket és azok hátterét különböző környezetekben is megvizsgálják. Még fontosabb lesz, hogy a vizsgálatból kialakuló új technológiát más területekre (elektronikus kereskedelem stb.) is elérhetővé tegyék. Ugyanakkor emiatt fennáll annak a veszélye, hogy a közösségi platformokon jelen lévő emberek átlátszóvá válnak, ez pedig sokak számára ijesztő elképzelés.