In order to effectively diagnose depression, which is one of the most harmful mental disorders, many researchers used social media by analyzing the differences in language use. However, detecting depression from social media has problems such as a small proportion of posts with depression indicators and difficulties for distinguishing depressive symptoms from temporarily depressed feelings. To address these problems, we propose hierarchical attention with depressive indicators inspired by the process of diagnosing depression by a person with domain knowledge. Our model provides not only interpretations, but also their visualizations with learned weights through attention mechanism. With this model, we can investigate different aspects of posts with depressive indicators based on psychological theories, which will help researchers to find useful evidence for depressive characteristics.
가장 위험한 정신 질환 중 하나인 우울증을 효과적으로 진단하기 위해 소셜 미디어에서 사용하는 언어의 차이를 분석하는 연구가 많이 있었다. 하지만 소셜 미디어에서 우울증을 탐지하는 것은 우울증 관련 비율이 낮거나, 우울증 증상과 일시적인 우울감을 탐지하기 어렵다는 문제들이 있다. 이러한 문제들을 해결하기 위해, 해당 분야 지식을 가지고 있는 사람이 우울증을 진단하는 과정에서 착안한 계층 어텐션 네트워크와 우울증 지표 인코딩을 이용한 모델을 제시한다. 구현된 모델은 어텐션 메커니즘을 통해 학습된 가중치를 시각화하여 사람이 읽을 수 있는 결과에 대한 해석을 제공한다. 또한 이 과정을 통해, 심리학 이론을 바탕으로 우울증이 있는 사용자의 포스트에서 우울증과 관련된 지표를 포함한 단어를 시각화하여 우울증에 대한 다양한 측면을 조사함으로써, 다른 우울증 관련 특징에 대한 연구에 유용한 단서를 찾을 수 있는데 도움이 될 것으로 기대한다.