정신 건강 탐지에 머신 러닝 기법 적용: 체계적 검토

본 논문은 온라인 소셜 네트워크(OSNs)에서 정신 건강 탐지에 대한 데이터 출처, 머신 러닝 기법 및 특징 추출 방법을 기반으로 한 비판적 평가 분석을 제시한다. 정신 건강 탐지의 적절성은 데이터 분석 방법, 비교, 도전 과제 및 제한 사항을 확인하여 조사되었다. 이 연구는 2007년부터 2018년 사이 주요 데이터베이스에 발표된 논문을 키워드 검색을 통해 검토하였다. 논문들은 제목과 초록을 기준으로 선별한 후 전문을 검토하였다. 논문은 데이터 세트(예: 데이터 출처, 키워드, 지리적 위치), 데이터 분석 방법, 머신 러닝 또는 딥 러닝 기법, 분류기 성능 및 특징 추출 방법에 따라 분류되었다. 총 2770편 중 22편이 선별되어 검토되었다. OSNs는 정신 건강 문제의 조기 탐지에 높은 잠재력을 보이므로 대부분의 연구자는 다양한 OSNs 출처에서 추출한 새로운 데이터 세트에 대해 텍스트 분석을 사용하였다. 추출된 데이터는 통계 분석이나 머신 러닝 기법으로 검사되었다. 여러 연구에서는 질문지 배포와 함께 응답자의 동의를 요청하여 이후 OSNs 계정에서 정보를 접근 및 추출하는 다중 기법도 적용하였다. OSNs의 빅데이터는 정신 건강 문제 탐지에 기여한다. 본 방법은 시간과 비용이 많이 드는 설문지나 장치 및 센서를 통한 데이터 수집과 같은 전통적 전략 대신 정신 건강 문제의 조기 탐지를 위한 대안적 접근법이다. 그러나 OSNs를 통한 정신 건강 문제 탐지는 그 제한점과 도전 과제를 설명하기 위해 포괄적 채택, 혁신적 알고리즘 및 계산언어학이 필요하다. 또한, 정확하고 효과적인 정보를 얻기 위해서는 주제 전문가로서 정신 건강 전문가의 의뢰도 요구된다.