Depressive Classification from Posts on Twitter of user Behaviors

Abstract

In 2017, WHO indicated that the MDD was the second cause of death among the 15-29-year olds. Person has a chance of depression and uses social media, there may be an expression their feeling in the post. Therefore, this research proposes the classification from user behaviors using Bayes algorithm from Twitter that created the 9 various models, based on a symptoms of questionnaire (DSM-5) including as follow: 1) depressive 2) loss of interest 3) appetite 4) abnormal sleep 5) slowed thinking 6) guilt 7) tired 8) unexplained and 9) suicidal ideation. The data set is divided into 2 sets: training set and test set came from real tweets of celebrities. Finally, the results demonstrated of training set showed that the accuracy = 95.85% and the boundary of probability are variously set 0 to 90 for filtering the messages that the probability is less than the boundary, test set showed that the accuracy = 80.00%

ในปี 2017 องค์การอนามัยโลกระบุว่าโรคซึมเศร้าเป็นสาเหตุอันดับ 2 ของการฆ่าตัวตายก่อนวัยอันควรของคนอายุระหว่าง 15-29 ปี และคนที่เป็นโรคซึมเศร้าอยู่ก่อนแล้วเมื่อเข้ามาใช้งานสื่อโซเชียลมีเดียอาจจะมีการแสดงอารมณ์ออกมาทางการโพสต์ ผู้วิจัยจึงนำเสนอการทำเหมืองความคิดเหตุเข้ามาจำแนกพฤติกรรมการโพสต์บน Twitter โดยการใช้งานอัลกอริธึม Bayes สร้างโมเดลเพื่อจำแนก 9 อาการที่บ่งบอกถึงโรซึมเศร้าตามแบบสอบถาม DSM-5 ได้แก่ 1. อารมณ์ซึมเศร้า 2. ความสนใจลดลง 3. น้ำหนักลดลงหรือเพิ่มขึ้นอย่างผิดสังเกต 4 . นอนไม่หลับหรือนอนหลับมากกว่าปกติ 5. ร่างกายอ่อนเพลีย 6. รู้สึกตนเองไร้ค่า 7. สมาธิสั้น 8. เคลื่อนไหวช้า และ 9. คิดฆ่าตัวตาย โดยใช้ข้อมูล 2 ชุด ได้แก่ Training set และ Test set ผลการทดลองของ Training set ได้ Accuracy สูงสุด 95.85% และการทดลอง Test set กำหนด Boundary ของความน่าจะเป็นตั้งแต่ 0 ถึง 90 เพื่อกรองข้อความที่ความน่าจะเป็นน้อยกวว่าค่า Boundary ผลการทดลองของ Test set ได้ Accuracy สูงสุด 80.00%