딥러닝 자동 분류 모델을 위한 공황장애 소셜미디어 코퍼스 구축 및 분석
Building and Analyzing Panic Disorder Social Media Corpus for Automatic Deep Learning Classification Model
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
본 연구는 공황장애 말뭉치 구축과 분석을 통해 공황장애의 특성을 살펴보고 공황장애 경향 문헌을 분류할 수 있는 딥러닝 자동 분류 모델을 만들고자 하였다. 이를 위해 소셜미디어에서 수집한 공황장애 관련 문헌 5,884개를 정신 질환 진단 매뉴얼 기준으로 직접 주석 처리하여 공황장애 경향 문헌과 비 경향 문헌으로 분류하였다. 이 중 공황장애 경향 문헌에 나타난 어휘적 특성 및 어휘의 관계성을 분석하기 위해 TF-IDF값을 산출하고 단어 동시출현 분석을 실시하였다. 공황장애의 특성 및 증상 간의 관련성을 분석하기 위해 증상 빈도수와 주석 처리된 증상 번호 간의 동시출현 빈도수를 산출하였다. 또한, 구축한 말뭉치를 활용하여 딥러닝 자동 분류 모델 학습 및 성능 평가를 하였다. 이를 위하여 최신 딥러닝 언어 모델 BERT 중 세 가지 모델을 활용하였고 이 중 KcBERT가 가장 우수한 성능을 보였다. 본 연구는 공황장애 관련 증상을 겪는 사람들의 조기 진단 및 치료를 돕고 소셜미디어 말뭉치를 활용한 정신 질환 연구의 영역을 확장하고자 시도한 점에서 의의가 있다.
Abstract
This study is to create a deep learning based classification model to examine the characteristics of panic disorder and to classify the panic disorder tendency literature by the panic disorder corpus constructed for the present study. For this purpose, 5,884 documents of the panic disorder corpus collected from social media were directly annotated based on the mental disease diagnosis manual and were classified into panic disorder-prone and non-panic-disorder documents. Then, TF-IDF scores were calculated and word co-occurrence analysis was performed to analyze the lexical characteristics of the corpus. In addition, the co-occurrence between the symptom frequency measurement and the annotated symptom was calculated to analyze the characteristics of panic disorder symptoms and the relationship between symptoms. We also conducted the performance evaluation for a deep learning based classification model. Three pre-trained models, BERT multi-lingual, KoBERT, and KcBERT, were adopted for classification model, and KcBERT showed the best performance among them. This study demonstrated that it can help early diagnosis and treatment of people suffering from related symptoms by examining the characteristics of panic disorder and expand the field of mental illness research to social media.
참고문헌 (33)
- 고은정, "공황장애의 임상적 특성", 생물치료정신의학, 6(2), pp.188~198 (2000), 대한생물치료정신의학회
- 김경민, "한국 전통문화 말뭉치구축 및 Bi-LSTM-CNN-CRF를 활용한 전통문화 개체명 인식 모델 개발", 한국융합학회논문지, 9(12), pp.47~52 (2018), 한국융합학회[DOI]
- 김현지, "조현병과 정신분열병에 대한 뉴스 프레임 분석을 통해 본 사회적 인식의 변화", 한국문헌정보학회지, 53(4), pp.285~307 (2019), 한국문헌정보학회[DOI]
- 박수현, "공황장애에 대한 근거기반치료", Korean Journal of Clinical Psychology, 36(4), pp.458~469 (2017), 한국임상심리학회[DOI]
- 박찬준, "인공신경망 기계번역에서 말뭉치 간의 균형성을 고려한 성능 향상 연구", 한국융합학회논문지, 12(5), pp.23~29 (2021), 한국융합학회[DOI]
- 백혜진, "정신질환의 낙인과 귀인에 대한 언론 보도 분석", 한국언론학보, 61(4), pp.7~43 (2017), 한국언론학회[DOI]
- "N의학정보 공황장애" (2010), 서울대학교병원[URL]
- "질환백과 공황장애" (2014), 서울아산병원[URL]
- 송민, "텍스트 마이닝" (2017), 청람
- 최근 5년간공황장애 환자의 진료경향 분석, "신서희", 건강보험심사평가원, ~ (2017)
- "현대인의 우울증과 스트레스 관리" (2021), 신용욱[URL]
- 유정옥, "텍스트마이닝을 이용한 청소년의 성고민 분석", 보건정보통계학회지, 44(2), pp.181~188 (2019), 한국보건정보통계학회[DOI]
- 이성직, "TF‐IDF의 변형을 이용한 전자뉴스에서의 키워드 추출 기법", 한국전자거래학회지, 14(4), pp.59~73 (2009), 한국전자거래학회
- 이현주, "한국인에게 나타나는 공황장애의 신체적 증상 및 유발 요인의 특징", 신경정신의학, 58(4), pp.339~345 (2019), 대한신경정신의학회[DOI]
- "KorBERT" (2019), 한국전자통신연구원[URL]
- American Psychiatric Association, "Diagnostic and Statistical Manual of Mental Disorders" (2013), American Psychiatric Association
- Benton, A., "Multi-task Learning for Mental Health using Social Media Text", arXiv preprint arXiv:1712.03538, ~ (2017)
- Devlin, J., "Bert: Pre-training of deep bidirectional transformers for language understanding", arXiv preprint arXiv:1810.04805, ~ (2018)
- "Bert multilingual" (2021)[URL]
- Jingcheng Du, "Extracting psychiatric stressors for suicide from social media using deep learning", BMC Medical Informatics and Decision Making, 18(S2), pp.77~87 (2018), Springer Science and Business Media LLC[DOI]
- "KoSpacing: Automatic Korean word spacing" (2018)[URL]
- "KoBERT" (2021)[URL]
- "Korean Sentence Splitter" (2021)[URL]
- "KcBERT: Korean Comments BERT" (2021)[URL]
- Medrouk, L., "Deep learning model for sentiment analysis in multi-lingual corpus", International Conference on Neural Information Processing, pp.205~212 (2017), Springer
- Tom Hildebrandt, "Analyzing big data in social media: Text and network analyses of an eating disorder forum", International Journal of Eating Disorders, 51(7), pp.656~667 (2018), Wiley[DOI]
- Mozafari, M., "A BERT-based transfer learning approach for hate speech detection in online social media", International Conference on Complex Networks and Their Applications, pp.928~940 (2019), Springer
- Peter P Roy-Byrne, "Panic disorder", The Lancet, 368(9540), pp.1023~1032 (2006), Elsevier BV[DOI]
- Salton, G., "Introduction to modern information retrieval" (1983)
- Sekulić, I., "Adapting deep learning methods for mental health prediction on social media", arXiv preprint arXiv:2003.07634, ~ (2020)
- "treform" (2021)[URL]
- Vaswani, A., "Attention is all you need", arXiv preprint arXiv:1706.03762, ~ (2017)
- Lixia Yu, "Detecting changes in attitudes toward depression on Chinese social media: A text analysis", Journal of Affective Disorders, 280, pp.354~363 (2021), Elsevier BV[DOI]