使用人工智能的新技术比当前系统更准确地检测社交媒体帖子中的压抑性语言，并使用更少的数据来完成这项工作。在欧洲机器学习和数据库中知识发现的原理与实践会议上提出的这项技术 首次表明，为了更准确地检测出令人沮丧的语言，可以应用小型高质量的数据集。深度学习，这是一种通常使用AI的方法，通常需要大量数据。

先前的心理语言学研究表明，我们每天与他人互动时使用的词语是我们心理和情绪状态的良好指标。

领导这项新研究的阿尔伯塔大学计算机科学博士学生Nawshad Farruque解释说，过去尝试使用深度学习技术来检测和监视社交媒体帖子中的抑郁症是乏味且昂贵的。

他解释说，在Twitter上发帖称有人因为Netflix倒闭而感到沮丧并不真正表示沮丧，因此有人需要对此算法进行“解释”。

“深度学习通常非常耗费数据，” Farruque说。“基本上，您需要为您的机器提供很多示例，以供您尝试教书。但是，带有压抑性语言的(专家级)标记数据很少出现。我们的工作大大减少了对如此大量标记数据的需求。”

Farruque使用从在线抑郁症论坛获取的语言来教他的模型如何在推文中识别与抑郁症相关的语言。新方法还可以帮助机器理解哪些单词或单词组合可以真正传达沮丧的感觉。一个例子是“昨天很困难……今天和明天以及以后的日子也很困难”，与“昨晚不是一个好睡眠的夜晚……太累了，今晚我要演出……yawnnn”相比，这更是一种表达。沮丧

Farruque还在努力开发其他使用表达语言的公共资源，包括自杀笔记和情书，所有这些都可能有助于学习有关抑郁症的健壮语言模型。

“这项研究的想法是在早期发现抑郁症，以便人们可以尽快找到合适的资源，”在大学研究人员OsmarZaïane和Randy Goebel的监督下工作的Farruque解释说。

Farruque相信，这项新技术有一天可能会内置到Twitter的 自残和自杀 政策中，并可能有助于改善Facebook已经内置的现有抑郁症检测算法 。