35986841_10216840653711318_1105697261150535680_n
Normal view MARC view ISBD view

Detecting Depression from Text Using Convolutional Neural Networks and Word Embedding // GP // Dr. Ahmed Farouk (2018 - 2019)

By: Kareem Amr Samir 160577.
Material type: TextTextSeries: Computer Scienece DISTINGUISHED PROJECTS 2019. Publisher: Giza MSA 2018Description: 63 P.Subject(s): Neural NetworksDDC classification: 010 Online resources: FULL TEXT PRESS HERE Summary: لقد ثبت أن الاكتئاب يمثل مشكلة رئيسية في عالمنا لعدة عقود. يعلمنا التاريخ أن الجميع تقريبا معرضون لخطر المعاناة من الاكتئاب. ملايين الأشخاص يعانون من اكتئاب بسبب التشخيص المتأخر أو لا شيء على الإطلاق، مما يؤدي إلى نتائج كارثية. لقد أظهرت الدراسات السابقة واعدة في اكتشاف إشارات الاكتئاب من النص باستخدام تقنيات معالجة اللغة الطبيعية ، وذلك باستخدام البيانات التي تم تجميعها والتعليق عليها يدويًا من Twitter. يقترح هذا المشروع استخدام قائمة مجمّعة من مستخدمي Twitter المشروحين يدويًا على أنهم مكتئبون أم لا ، والتي تم استخدامها بعد ذلك لاسترداد تغريدات المستخدمين المذكورة. علاوة على ذلك ، نظرًا إلى أن الشبكات العصبية التلافيفية قد أثبتت أنها متعددة الجوانب تمامًا في مشكلة تصنيف النص ، خاصةً عند استخدام حروف الكلمات المزدوجة كميزات - تم استخدام نموذج التصنيف هذا لحل مشكلتنا.Summary: Depression has proved to be a major issue in our world for several decades. History teaches us that almost everyone is at peril of suffering from depression. Due to late diagnosis or none at all, millions of people unknowingly suffer from depression which then leads to catastrophic results. Previous studies have shown promise in detecting depression cues from text using Natural Language Processing techniques, using data compiled and manually annotated from Twitter. This project proposes to use a compiled list of manually annotated Twitter users as depressed or not, which was then used to retrieve said users’ tweets. Moreover, given that Convolutional Neural Networks have been shown to be quite versatile in the problem of text classification, especially when coupled word embeddings as features – this was used the classification model to solve our problem.
List(s) this item appears in: CS D.G.P 2018 / 2019
Tags from this library: No tags from this library for this title. Log in to add tags.
    Average rating: 0.0 (0 votes)
Item type Current location Call number Status Date due Barcode
Distinguished Graduation Projects Distinguished Graduation Projects Centeral Library
Second Floor - Computer Sciences
GP271CS2019 (Browse shelf) Available 82178

GP271CS2019

لقد ثبت أن الاكتئاب يمثل مشكلة رئيسية في عالمنا لعدة عقود. يعلمنا التاريخ أن الجميع تقريبا معرضون لخطر المعاناة من الاكتئاب. ملايين الأشخاص يعانون من اكتئاب بسبب التشخيص المتأخر أو لا شيء على الإطلاق، مما يؤدي إلى نتائج كارثية. لقد أظهرت الدراسات السابقة واعدة في اكتشاف إشارات الاكتئاب من النص باستخدام تقنيات معالجة اللغة الطبيعية ، وذلك باستخدام البيانات التي تم تجميعها والتعليق عليها يدويًا من Twitter. يقترح هذا المشروع استخدام قائمة مجمّعة من مستخدمي Twitter المشروحين يدويًا على أنهم مكتئبون أم لا ، والتي تم استخدامها بعد ذلك لاسترداد تغريدات المستخدمين المذكورة. علاوة على ذلك ، نظرًا إلى أن الشبكات العصبية التلافيفية قد أثبتت أنها متعددة الجوانب تمامًا في مشكلة تصنيف النص ، خاصةً عند استخدام حروف الكلمات المزدوجة كميزات - تم استخدام نموذج التصنيف هذا لحل مشكلتنا.

Depression has proved to be a major issue in our world for several decades. History teaches us that almost everyone is at peril of suffering from depression. Due to late diagnosis or none at all, millions of people unknowingly suffer from depression which then leads to catastrophic results. Previous studies have shown promise in detecting depression cues from text using Natural Language Processing techniques, using data compiled and manually annotated from Twitter. This project proposes to use a compiled list of manually annotated Twitter users as depressed or not, which was then used to retrieve said users’ tweets. Moreover, given that Convolutional Neural Networks have been shown to be quite versatile in the problem of text classification, especially when coupled word embeddings as features – this was used the classification model to solve our problem.

There are no comments for this item.

Log in to your account to post a comment.

Click on an image to view it in the image viewer