Инструментальные средства анализа депрессивного состояния и личностных черт человека

Инструментальные средства анализа депрессивного состояния и личностных черт человека

Автор: Кисельникова Наталья Владимировна, Куминская Евгения Андреевна, Латышев Андрей Валерьевич, Фраленко Виталий Петрович, Хачумов Михаил Вячеславович

Журнал: Программные системы: теория и приложения @programmnye-sistemy

Рубрика: Искусственный интеллект, интеллектуальные системы, нейронные сети

Статья в выпуске: 3 (42) т.10, 2019 года.

Бесплатный доступ

Выполнен анализ работ, посвященных выявлению устойчивой связи между личностными чертами и депрессией человека по комплексу информации, доступной в социальных сетях. Значимость автоматизированного решения задачи определяется необходимостью своевременного выявления признаков депрессии как широко распространенного психического заболевания для принятия мер ее профилактики и лечения на ранних стадиях.Рассмотрены вопросы построения механизмов выявления закономерностей и построения современных инструментальные средств анализа данных социальных сетей для проведения научных исследований в предметной области. В качестве инструментальных средств выявления депрессии предлагается применять современные методы автоматического анализа веб-страниц, формализации выявления деструктивной информации по предложениям психологов, проверки гипотез о наличии корреляционных связей, автоматической классификации текстово-графической информации с помощью аппарата искусственных нейронных сетей в сочетании с методами семантического и психологического анализа данных.Эксперименты выявляют существенную корреляционную связь между различными градациями депрессии и некоторыми личностными чертами, а также устойчивую корреляцию между самими личностными чертами большой пятерки.

Еще

Личностные черты, большая пятерка, социальная сеть, депрессия, большие данные, автоматический анализ, веб-страница, корреляционная связь, искусственная нейронная сеть, психологический портрет

Короткий адрес: https://sciup.org/143169799

IDR: 143169799   |   DOI: 10.25209/2079-3316-2019-10-3-129-159

Список литературы Инструментальные средства анализа депрессивного состояния и личностных черт человека

  • Ю. Сергеева. Социальные сети в 2018 году: глобальное исследование, WebCanape, 2018 URL https://www.web-canape.ru/business/socialnye-seti-v-2018-godu-globalnoe-issledovanie/.
  • E. C. Tupes, R. E. Christal. “Recurrent personality factors based on trait ratings”, Journal of Personality, 60:2 (1992), pp. 225-251. DOI: 10.1111/j.1467-6494.1992.tb00973.x
  • T. A. Widiger, P. T. Costa. “Personality and personality disorders”, Journal of Abnormal Psychology, 103:1 (1994), pp. 78-91. DOI: 10.1037/0021-843X.103.1.78
  • T. A. Widiger, S. N. Mullins-Sweatt. “Clinical utility of a dimensional model of personality disorder”, Professional Psychology: Research and Practice, 41:6 (2010), pp. 488-494. DOI: 10.1037/a0021694
  • R. L. Piedmont, M. F. Sherman, N. C. Sherman, G. S. Dy-Liacco, J. E. Williams. “Using the five-factor model to identify a new personality disorder domain: the case for experiential permeability”, Journal of Personal Social Psychology, 96:6 (2009), pp. 1245-1258. DOI: 10.1037/a0015368
  • T. A. Widiger, P. T. Costa (eds.). Personality disorders and the five-factor model of personality, Third ed., APA, 2013, , 468 pp.
  • ISBN: 978-1-4338-1166-1
  • J. Gutierrez, B. Jimenez, E. Hernandez, C. Puente. “Personality and subjective well-being: Big Five correlate and demographic variables”, Personality and Individual Differences, 38:7 (2005), pp. 1561-1569.
  • DOI: 10.1016/j.paid.2004.09.015
  • E. Diener. “Subjective well-being”, Psychological Bulletin, 95:3 (1984), pp. 542-575.
  • DOI: 10.1037/0033-2909.95.3.542
  • K. M. DeNeve, H. Copper. “The happy personality: A meta-analysis of 137 personality traits and subjective well-being”, Psychological Bulletin, 124:2 (1988), pp. 197-229.
  • DOI: 10.1037/0033-2909.124.2.197
  • R. Kotov, W. Gamez, F. Schmidt, D. Watson. “Linking ‘Big’ personality traits to anxiety, depressive, and substance use disorders: A meta-analysis”, Psychological Bulletin, 136:5 (2010), pp. 768-821.
  • DOI: 10.1037/a0020327
  • K. G. Giota, G. Kleftaras. “Facebook social support: A comparative study on depression and personality characteristics” (22-26 July, 2013, Czech Republic, Prague), pp. 37-44.
  • R. Jourdy, J. Petot. “Relationships between personality traits and depression in the light of the ‘Big Five’ and their different facets”, L'Évolution Psychiatrique, 82:4 (2017), pp. 27-37.
  • DOI: 10.1016/j.evopsy.2017.08.002
  • R. M. Bagby, M. Sellbom, P. T. Costa, T. A.Widiger. “Predicting diagnostic and statistical manual of mental disorders-iv personality disorders with the five-factor model of personality and the personality psychopathology five”, Personality and Mental Health, 2:2 (2008), pp. 55-69.
  • DOI: 10.1002/pmh.33
  • R. C. Kessler, W. T. Chiu, O. Demler, K. R. Merikangas, E. E. Walters. “Prevalence, severity, and comorbidity of 12-month DSM-IV disorders in the National Comorbidity Survey Replication”, Archives of General Psychiatry, 62:6 (2005), pp. 617-627.
  • DOI: 10.1001/archpsyc.62.6.617
  • W. M. Compton, K. P. Conway, F. S. Stinson, J. D. Colliver, B. F. Grant. “Prevalence, correlates, and comorbidity of DSM-IV antisocial personality syndromes and alcohol and specific drug use disorders in the United States: Results from the national epidemiologic survey on alcohol and related conditions”, The Journal of Clinical Psychiatry, 66:6 (2005), pp. 677-685.
  • DOI: 10.4088/jcp.v66n0602
  • D. S. Hasin, R. D. Goodwin, F. S. Stinson, B. F. Grant. “Epidemiology of major depressive disorder: results from the National Epidemiologic Survey on Alcoholism and Related Conditions”, Archives of General Psychiatry, 62:10 (2005), pp. 1097-1106.
  • DOI: 10.1001/archpsyc.62.10.1097
  • A. A. Khan, K. C. Jacobson, C. O. Gardner, C. A. Prescott, K. S. Kendler. “Personality and comorbidity of common psychiatric disorders”, The British Journal of Psychiatry, 186:3 (2005), pp. 190-196.
  • DOI: 10.1192/bjp.186.3.190
  • P. Cuijpers, F. Smit, B. W. Penninx, de Graaf R., ten Have M., A. T. Beekman. “Economic costs of neuroticism: A population-based study”, Archives of General Psychiatry, 67:10 (2010), pp. 1086-1093.
  • DOI: 10.1001/archgenpsychiatry.2010.130
  • B. F. Jeronimus, R. Kotov, H. Riese, J. Ormel. “Neuroticism's prospective association with mental disorders halves after adjustment for baseline symptoms and psychiatric history, but the adjusted association hardly decays with time: a meta-analysis on 59 longitudinal/prospective studies with 443313 participants”, Psychological Medicine, 46:14 (2016), pp. 2883-2906.
  • DOI: 10.1017/S0033291716001653
  • L. M. Saulsman, A. C. Page. “The five-factor model and personality disorder empirical literature: A meta-analytic review”, Clinical Psychology Review, 23:8 (2004), pp. 1055-1085.
  • DOI: 10.1016/j.cpr.2002.09.001
  • S. Bhat. “Social networking sites and mental health: a review”, International Journal of Advanced Educational Research, 2:5 (2017), pp. 357-360.
  • E. M. Seabrook, M. L. Kern, N. S. Rickard. “Social networking sites, depression, and anxiety: a systematic review”, JMIR Ment Health, 3:4 (2016), 19 pp.
  • DOI: 10.2196/mental.5842
  • L. P. Tosun, T. Lajunen. “Why do young adults develop a passion for Internet activities? The associations among personality, revealing ‘true self’ on the Internet, and passion for the Internet”, Cyberpsychology Behavior, 12:4 (2009), pp. 401-406.
  • DOI: 10.1089/cpb.2009.0006
  • C. Li, X. Shi, J. Dang. “Online communication and subjective well-being in Chinese college students: The mediating role of shyness and social self-efficacy”, Computers in Human Behavior, 34:5 (2014), pp. 89-95.
  • DOI: 10.1016/j.chb.2014.01.032
  • Y. Bachrach, M. Kosinski, T. Graepel, P. Kohli, D. Stillwell. “Personality and patterns of Facebook usage” (June 22-24, 2012, Evanston, Illinois, USA), 2012, , pp. 24-32.
  • DOI: 10.1145/2380718.2380722 ISBN: 978-1-4503-1228-8
  • J. Wee, S. Jang, J. Lee, W. Jang. “The influence of depression and personality on social networking”, Computers in Human Behavior, 74 (2017), pp. 45-52.
  • DOI: 10.1016/j.chb.2017.04.0030747-5632
  • M. Tasnim, R. Shahriyar, N. Nahar, H. Mahmud. “Intelligent depression detection and support system: statistical analysis, psychological review and design implication” (September 14-16, 2016, Munich, Germany), 2016, 6 pp.
  • DOI: 10.1109/HealthCom.2016.7749494
  • E. M. Seabrook, M. L. Kern, B. D. Fulcher, N. S. Rickard. “Predicting depression from language-based emotion dynamics: Longitudinal analysis of Facebook and Twitter status updates”, Journal of Medical Internet Research, 20:5 (2018), 18 pp.
  • DOI: 10.2196/jmir.9267
  • A. Yates, A. Cohan, N. Goharian. “Depression and self-harm risk assessment in online forums” (September 7-11, 2017, Copenhagen, Denmark), 2017, pp. 2968-2978.
  • DOI: 10.18653/v1/D17-1322
  • M. D. Choudhury, S. Counts, E. Horviz. “Social media as a measurement tool of depression in populations” (May 02-04, 2013, Paris, France), 2013, , pp. 47-56.
  • DOI: 10.1145/2464464.2464480 ISBN: 978-1-4503-1889-1
  • L. s. Radloff. “The CES-D scale: A self-report depression scale for research in the general population”, Applied Psychological Measurement, 1:3 (1977), pp. 385-401.
  • DOI: 10.1177/014662167700100306
  • A. G. Reece, C. M. Danforth. “Instagram photos reveal predictive markers of depression”, EPJ Data Science, 6 (2017), 15, 12 pp.
  • DOI: 10.1140/epjds/s13688-017-0110-z
  • M. Cristani, A. Vinciarelli, C. Segalin, A. Perina. “Unveiling the multimedia unconscious: Implicit cognitive processes and multimedia content” (October 21-25, 2013, Barcelona, Spain), pp. 213-222.
  • DOI: 10.1145/2502081.2502280
  • K. Y. Stanford, S. Mall, N. G. Stanford. Prediction of personality first impressions with deep bimodal LSTM, 2017, 10 pp.
  • C.-L. Zhang, H. Zhang, S. X. Wei, J. Wu. “Deep bimodal regression for apparent personality analysis”, Computer Vision - ECCV 2016 Workshops (October 8-10 and 15-16, 2016, Amsterdam, The Netherlands), 2016, 14 pp.
  • DOI: 10.1007/978-3-319-49409-8_25
  • B. Ferwerda, M. Schedl, M. Tkalcic. “Predicting personality traits with Instagram pictures” (September 16-20, 2015, Vienna, Austria), 2015, pp. 7-10.
  • DOI: 10.1145/2809643.2809644
  • C. J. Boyatzis, R. Varghese. “Children's emotional associations with colors”, Journal of Genetic Psychology, 155:1 (1994), pp. 77-85.
  • DOI: 10.1080/00221325.1994.9914760
  • H. R. Carruthers, J. Morris, N. Tarrier, P. J. Whorwell. “The Manchester color wheel: Development of a novel way of identifying color choice and its validation in healthy, anxious and depressed individuals”, BMC Medical Research Methodology, 10:1 (2010), 13 pp.
  • DOI: 10.1186/1471-2288-10-12
  • M. Hemphill. “A note on adults' color-emotion associations”, Journal of Genetic Psychology, 157:3 (1996), pp. 275-280.
  • DOI: 10.1080/00221325.1996.9914865
  • C. B. Barrick, D. Taylor, E. I. Correa. “Color sensitivity and mood disorders: biology or metaphor?” Journal of Affective Disorders, 68:1 (2002), pp. 67-71.
  • DOI: 10.1016/S0165-0327(00)00358-X
  • Ю. Г. Емельянова, А. А. Талалаев, В. П. Фраленко, В. М. Хачумов, М. В. Хачумов. «О корреляционных связях личностных факторов из „Big Five‟», Научное обозрение. Педагогические науки, 2019, №1, с. 59-65.
  • А. В. Латышев, А. А. Талалаев, В. П. Фраленко, В. М. Хачумов, М. В. Хачумов. «Методы оценки личностных факторов по визуальной информации, публикуемой в социальных сетях (обзор)», Мир науки. Педагогика и психология, 7:1 (2019), 17, 9 с.
  • А. А. Талалаев, В. П. Фраленко, В. М. Хачумов, М. В. Хачумов, М. В. Шустова. «Анализ графического контента пользователей социальных сетей для установления личностных факторов», Педагогика, психология, общество - 2019 (10 февраля 2019 г., Москва, Россия), 2019, с. 31-40.
  • M. V. Khachumov. “Models of the representation and clustering of semistructured information”, Scientific and Technical Information Processing, 42:5 (2015), pp. 388-396.
  • DOI: 10.3103/S0147688215050135
  • M. V. Khachumov. “Distances, metrics and cluster analysis”, Scientific and Technical Information Processing, 39:6 (2012), pp. 310-316.
  • DOI: 10.3103/S0147688212060020
  • T. Hastie, R. Tibshirani, J. Friedman. “The EM algorithm”, Springer Series in Statistics, Springer, NY, 2001, , pp. 236-243.
  • DOI: 10.1007/978-0-387-21606-5 ISBN: 978-0-387-21606-5
  • P. T. Costa, R. R. McCrae. “Normal personality assessment in clinical practice: The NEO Personality Inventory”, Psychological assessment, 4:1 (1992), pp. 5-13.
  • DOI: 10.1037/1040-3590.4.1.5
  • C. Segalin, F. Celli, L. Polonio, M. Kosinski, D. Stillwell, N. Sebe, M. Cristani, B. Lepri. “What your Facebook profile picture reveals about your personality” (October 23-27, 2017, Mountain View, California, USA), pp. 460-468.
  • DOI: 10.1145/3123266.3123331
  • O. Russakovsky, J. Deng, H. Su et al.. “ImageNet large scale visual recognition challenge”, International Journal of Computer Vision, 115:3 (2015), pp. 211-252.
  • DOI: 10.1007/s11263-015-0816-y
  • Н. А. Игнатьев, А. В. Латышев, В. П. Фраленко. «Экспериментальное исследование связи личностных факторов и изображений, размещаемых пользователями социальной сети „ВКонтакте‟», Приднепровский научный вестник, 2:4 (2019), с. 103-110.
  • D. C. Ciresan, U. Meier, J. Masci, L. M. Gambardella, J. Schmidhuber. “Flexible, high performance convolutional neural networks for image classification”. II (July 16-22, 2011, Barcelona, Catalonia, Spain), pp. 1237-1242.
  • DOI: 10.5591/978-1-57735-516-8/IJCAI11-210
  • V. Nair, G. Hinton. “Rectified linear units improve restricted Boltzmann machines” (June 21-24, 2010, Haifa, Israel), 2010, , pp. 807-814.
  • ISBN: 978-1-60558-907-7
  • N. Srivastava, G. Hinton, A. Krizhevsky, I. Sutskever, R. Salakhutdinov. “Dropout: A simple way to prevent neural networks from overfitting”, Journal of Machine Learning Research, 15 (2014), pp. 1929-1958.
  • Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. “Deep residual learning for image recognition” (June 27-30, 2016, Las Vegas, NV, USA), 2016, 12 pp.
  • DOI: 10.1109/CVPR.2016.90
  • C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, Z. Wojna. “Rethinking the Inception architecture for computer vision” (June 27-30, 2016, Las Vegas, NV, USA), 2016, 10 pp.
  • DOI: 10.1109/CVPR.2016.308
  • A. Krizhevsky, I. Sutskever, G. E. Hinton. “Imagenet classification with deep convolutional neural networks”, Advances in Neural Information Processing Systems, 25:2 (2012), pp. 1097-1105.
  • DOI: 10.1145/3065386
  • K. Simonyan, A. Zisserman. Very deep convolutional networks for large-scale image recognition, 2015, 14 pp.
  • arXiv: 1409.1556
Еще
Статья научная
SciUp 2024 © 2024 ©