A data driven framework for mental health states assessment in social platforms

Abstract

The link between mental disorders and social media usage has led researchers to work on the development of automated methods to detect mental health issues in social platforms. This thesis proposes a framework for mental health states assessment, considering suicidal ideation, eating disorders, depression and alcoholism as use cases. This framework is composed of modules dedicated to the characterization and detection of mental disorders, along with the definition of a non-invasive support-provision approach based on social recommendation. We make use of user characterization techniques, and propose several predictive models based on behavioral and multimodal data. We also propose a contact recommendation approach, evaluated by people with anorexia nervosa, which prioritizes the recommendation of harmless accounts to follow in social platforms. The main contributions of this work are: 1) insights regarding the behavior of users with mental disorders in social media; 2) methods for the enhancement of text representations (word embeddings) adapted to binary and multiclass predictive tasks that address domain specific tasks, and that handle small data; 3) several predictive models for the detection of mental disorders; and 4) the definition and evaluation of a contact recommendation method dedicated to users with anorexia. This method has been proven to be helpful for counteracting the over-personalization effects caused by social platforms’ recommender systems. This research work is focused on the analysis of data from Spanish and English speakers, addressing multiple social platforms. With the outcomes of this thesis we expect to contribute to the further development of tools to assist experts and help users living with mental disorders.

El vincle entre trastorns mentals i l'ús de xarxes socials ha portat als investigadors a treballar en el desenvolupament de mètodes automatitzats per a detectar problemes de salut mental en xarxes socials. Aquesta tesi proposa una estructura per a l'avaluació d'estats de salut mental d'usuaris, considerant com a casos d'ús la ideació suïcida, els trastorns alimentaris, la depressió i l'alcoholisme. L'estructura està composta per mòduls dedicats a la caracterització i detecció de trastorns mentals, juntament amb la definició d'un enfocament de provisió de suport no invasiu basat en la recomanació social. Fent ús de tècniques de caracterització d'usuaris, proposem diversos models predictius basats en dades multimodals i de comportament. També proposem un enfoc de recomanació de contactes, avaluat per persones amb Anorèxia Nerviosa, que prioritza la recomanació de comptes inofensius a seguir en xarxes socials. Les contribucions principals d'aquest treball són: 1) l'adquisició de coneixements sobre el comportament dels usuaris amb trastorns mentals en les xarxes socials; 2) mètodes per a la millora de representacions de text (Word embeddings) adaptats a tasques predictives binàries i multiclasse que aborden tasques específiques d'un domini i que no manegen dades massives; 3) diversos models predictius per a la detecció de trastorns mentals; i 4) la definició i avaluació d'un mètode de recomanació de contactes dedicat a usuaris amb anorèxia. S'ha demostrat que aquest mètode és útil com a manera de contrarestar els efectes de sobrepersonalització causats pels sistemes de recomanació de les plataformes socials. Aquest treball de recerca es centra en l'anàlisi de dades de parlants d'espanyol i anglès, abordant múltiples plataformes socials. Amb els resultats d'aquesta tesi, esperem contribuir al desenvolupament de futures eines per a assistir a experts i ajudar als usuaris que viuen amb trastorns mentals.

El vínculo entre trastornos mentales y el uso de redes sociales ha llevado a los investigadores a trabajar en el desarrollo de métodos automatizados para detectar problemas de salud mental en redes sociales. Esta tesis propone una estructura para la evaluación de estados de salud mental de usuarios, considerando como casos de uso la ideación suicida, los trastornos alimentarios, la depresión y el alcoholismo. La estructura está compuesta por módulos dedicados a la caracterización y detección de trastornos mentales, junto con la definición de un enfoque de provisión de soporte no invasivo basado en la recomendación social. Hacemos uso de técnicas de caracterización de usuarios, y proponemos varios modelos predictivos basados en datos multimodales y de comportamiento. También proponemos un enfoque de recomendación de contactos, evaluado por personas con anorexia nerviosa, que prioriza la recomendación de cuentas inofensivas a seguir en redes. Las contribuciones principales de este trabajo son: 1) la adquisición de conocimientos sobre el comportamiento de los usuarios con trastornos mentales en las redes sociales; 2) métodos para la mejora de representaciones de texto (Word embeddings) adaptados a tareas predictivas binarias y multiclase que abordan tareas específicas de un dominio y que no manejan datos masivos; 3) varios modelos predictivos para la detección de trastornos mentales; y 4) la definición y evaluación de un método de recomendación de contactos dedicado a usuarios con anorexia. Se ha demostrado que este método es útil como forma de contrarrestar los efectos de sobrepersonalización causados por los sistemas de recomendación de las plataformas sociales. Este trabajo se centra en el análisis de datos de hablantes de español e inglés, abordando múltiples plataformas sociales. Con los resultados esperamos contribuir al desarrollo de futuras herramientas para asistir a expertos y ayudar a los usuarios que viven con trastornos mentales.