Sensitivity Analysis Feature Extraction for Depression with Twitter Dataset

Yıl 2023, Cilt: 4 Sayı: 1, 29 - 32, 31.01.2023

Kübra Öztürk

https://doi.org/10.53608/estudambilisim.1233244

Öz

Depression is a mental health problem that has increased in recent years, especially with the spread of social media, and affects many people's work, home and social life. Statistics presented by the World Health Organization demonstrate the importance of early detection that depression is the primary cause of concern globally and, if left undetected, leads to suicide in the majority of cases. Today, with the use of social media, it has become a great tool for people to express their ideas through text, emoticons, photos or videos, thereby reflecting and detecting changes in their emotions and moods. The purpose of this study is to examine the personality and posts of users on Twitter and to identify the qualities that may indicate depressive symptoms of online users. For this, the words that anxiety and depression patients use most in their writing were determined and the analysis phase was completed based on these words.

Anahtar Kelimeler

Twitter Veri Seti Duygu Analizi, Metin Madenciliği, Depresyon

Twitter Veri Kümesi ile Depresyon için Duyarlılık Analizi Özellik Çıkarma

Öz

Depresyon son yıllarda özellikle de sosyal medyanın yaygınlaşması ile gittikçe artan ve bir çok insanın iş, ev, sosyal yaşamını etkileyen mental bir sağlık problemidir. Erken tespitinin önemini Dünya Sağlık Örgütü tarafından sunulan istatistikler göstermektedir. Depresyonun küresel olarak birincil endişe nedeni olduğunu ve tespit edilmediği takdirde vakaların çoğunda intihara yol açtığı gözlemlenmiştir. Günümüzde sosyal medya kullanımı ile insanların fikirlerini metin, ifadeler, fotoğraflar veya videolar aracılığıyla ifade etmeleri ve böylece duygularında ve ruh hallerindeki değişimleri yansıtmaları ve tespit edilmesi için harika bir araç olmuştur. Bu çalışmanın amacı, kullanıcıların Twitter'daki kişiliğini ve gönderilerini incelemek ve çevrimiçi kullanıcıların depresif belirtilerini gösterebilecek nitelikleri belirlemektir. Bunun için anksiyete ve depresyon hastalarının yazımlarında en çok kullandıkları kelimeler tespit edilmiş ve bu kelimeler üzerinden analiz aşaması tamamlanmıştır.

Anahtar Kelimeler

Depresyon, Metin Madenciliği, Twitter Veri Seti Duygu Analizi

Kaynakça

• Wangler, T. P. 2008. RF Linear Accelerators. 2nd, completely revised and enlarged edition. WILEY-VCH Verlag GmbH&Co. KGaA, Weinheim, 450s.
• Özyurt, B., Akcayol, A.A. 2018. Fikir Madenciliği ve Duygu Analizi, Yaklaşımlar, Yöntemler Üzerine Bir Araştırma. Selçuk Üniversitesi Bilim ve Teknoloji Dergisi, 6:4 (2018), 668-693.
• Dani Castro, “Emoji Sentiment Perception between Readers and Writers, Jose Berengueres,” IEEE International Conference on Big Data (BIGDATA), pp. 4321-4328, 2017.
• Diveesh Singh and Alineen Wang, “Detecting Depression Through Tweets” Standford University CA 9430, ;pp.1-9
• Yair Neuman, Yohai Cohen, Dan Assaf, Gabbi Kedma, “Proactive screening for depression through metaphorical and automatic text analysis,” Artificial Intelligence in Medicine, Vol. 56, No. 1, pp. 19-25, 2012.
• De Choudhury, M., Counts, S., Horvitz, E.: Social media as a measurement tool of depression in populations. In: Proceedings of the 5th Annual ACM Web Science Conference, WebSci 2013, New York, NY, USA, pp. 47–56. ACM (2013)
• Çetin, F.S.2018. Türkçe Hedef Tabanlı Duygu Analizi İçin Alt Görevlerin İncelenmesi-Hedef Terim, Hedef Kategori Ve Duygu Sınıfı Belirleme. Bilişim Teknolojileri Dergisi, 11:1(2018), 43-55.
• Arda, 2022 , Sentiment analysis of opinions about depression on twitter. https://www.kaggle.com/code/ardawrld/twitter-sentiment-analysis-about-the-depression/notebook#Data-Visualization(Erişim Tarihi:11.01.2023)
• InFamousCoder, 2022, Depression: Twitter Dataset + Feature Extraction. https://www.kaggle.com/datasets/infamouscoder/mental-health-social-media (Erişim Tarihi:11.01.2023)
• InFamousCoder, 2022, Emoji-Sentiment-Features. https://www.kaggle.com/code/infamouscoder/emoji-sentiment-features/notebook (Erişim Tarihi:11.01.2023)
• Hahn, T., Nierenberg, A. A., & Whitfield-Gabrieli, S. Predictive analytics in mental health: applications, guidelines, challenges and perspectives. Molecular psychiatry, 22(1), 37-43.
• Giambattista Amati, Marco Bianchi, and Giuseppe Marcone. 2014. Sentiment estimation on twitter. In Proceedings of the 5th Italian Information Retrieval Workshop (IIR’14), Vol. 1127. CEUR Workshop Proceedings, 39—50
• Association A. P. et al., Diagnostic and statistical manual of mental disorders (DSM-5®, American Psychiatric Pub, 2013.