Modelos del lenguaje en redes sociales para la detección de la depresión en español

Abstract

Hoy en día la depresión es una de las enfermedades más frecuentes, según la OMS, se estima que afecta a 300 millones de personas en todo el mundo y puede llevar al suicidio siendo esto la segunda causa de muerte de personas entre 15 a 29 años. Más del 70 % de los pacientes no consultan doctores en etapas tempranas de la enfermedad. Además, las personas cada vez comparten más en redes sociales sus emociones y rutinas diarias. Con esto se propone una forma de detectar la depresión de manera inteligente y automática mediante la recolección de posts en redes sociales. En este trabajo se estudia el rendimiento de un modelo propuesto basado en una red neuronal de tipo LSTM que tiene como entrada un tensor con los tweets de un usuario transformados en vectores utilizando word embeddings para palabras en español, mientras que la salida corresponde a la predicción de si el usuario en cuestión tiene depresión o no. Los resultados son comparados con diferentes tipos de modelos que sirven como benchmark para la LSTM propuesta. Depression is one of the most frequent diseases, according to the WHO it is estimated that it affects 300 million people worldwide and in the worst cases it can lead to suicide, this being the second cause of death for people between 15 to 29 years old. More than 70 % of the patients will not consult doctors in the early stages of the disease. In addition, people are increasingly sharing their emotions and daily routines on social networks. With this, a way to detect depression in an intelligent and automatic way is proposed by collecting posts on social networks.