논문 제목 :

• Psychological and Behavioral Insights From Social Media Users:
  Natural Language Processing-Based Quantitative Study on Mental Well-Being
• 링크 : https://formative.jmir.org/2025/1/e60286

 

Overview

우울증은 전 세계 수백만 명에게 영향을 미치는 심각한 정신 건강 문제로, 특히 코로나 팬데믹 이후 발병률이 급증
기존의 설문지나 면담 기반 진단 방식은 시간과 비용 소모가 크고 비효율적일 수 있음
소셜 미디어 데이터는 개인의 편견 없는 생각과 행동 패턴을 보여주어 정신 건강을 이해하는 새로운 가능성을 제시
하지만 기존 자연어 처리 연구들은 언어적 특징에만 집중하여 심리적 패턴, 문맥 정보, 사회적 상호작용의 영향을 간과하는 한계가 존재
이를 해결하기 위해 본 연구는 자연어 처리와 머신러닝 기술을 사용하여 소셜 미디어 사용자의 심리적 패턴, 문맥 정보, 사회적 상호작용이라는 세 가지 핵심 요소를 통합 분석함으로써 우울증을 효과적으로 탐지하는 새로운 언어 프레임워크 개발을 목표

 

핵심 방법론 및 기여

1)포괄적인 특징(Feature) 추출 프레임워크 제시

• 심리적 특징: 사용자의 게시물에서 8가지 기본 감정의 강도를 측정하고 , IPIP 설문지를 통해 빅 파이브 성격 특성 점수를 활용
• 문맥적 특징: Sentence-BERT모델을 사용하여 단어의 순서와 주변 관계 등 풍부한 문맥 정보를 포함하는 벡터를 생성
• 사회적 상호작용 특징: 개인의 정신 상태가 온라인 친구들에게 영향을 받는다는 점에 착안하여, 친구와의 네트워크상 거리와 특징(감정, 성격, 문맥)의 유사도를 결합한 '사회적 상호작용 영향 점수'를 계산

2)사회적 상호작용의 중요성 입증

• 추출된 여러 특징 조합을 로지스틱 회귀, 신경망, KNN, 랜덤 포레스트 등 다양한 머신러닝 모델로 성능을 평가

• 실험 결과, 기존의 언어적 특징 분석(LIWC)이나 최신 딥러닝 모델(FastText, CNN)과 비교했을 때,

  사회적 상호작용 영향 특징을 추가한 모델의 우울증 탐지 예측 정확도가 크게 향상, 실험으로 증명

• 이는 사용자가 '무엇을 말하는지'뿐만 아니라 '누구와 어떻게 상호작용하는지'를 함께 분석하는 것이 우울증 탐지에 매우 중요함을 시사

 

발표 자료 : 하단 첨부