The evaluation of Parkinson's disease with sentiment analysis using deep learning methods and word embedding models

Autor: Zeynep Hilal Kilimci, Feyza Çevik
Jazyk: turečtina
Rok vydání: 2019
Předmět:
Zdroj: Volume: 27, Issue: 2 151-161
Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi
Pamukkale University Journal of Engineering Sciences, Vol 27, Iss 2, Pp 151-161 (2021)
ISSN: 1300-7009
2147-5881
Popis: Parkinson hastalığı, hastanın yaşam kalitesini etkileyen, önemli sosyal ve ekonomik etkileri olan ve semptomların aşamalı görünümü nedeniyle erken teşhis edilmesi güç olan yaygın bir nörolojik hastalıktır. Parkinson hastalığının Twitter gibi sosyal medya platformlarında tartışılması, hastaların Parkinson hastalığının hem tanı hem de tedavi aşamasında birbirleriyle iletişim kurduğu bir platform sağlar. Bu çalışmanın amacı, derin öğrenme ve kelime yerleştirme modellerini kullanarak insanların Parkinson hastalığı ile ilgili duygu analizlerini değerlendirmek ve karşılaştırmaktır. Bildiğimiz kadarıyla, bu çalışma Parkinson hastalığını sosyal medya aracılığıyla kelime yerleştirme modelleri ve derin öğrenme algoritmaları kullanarak analiz etmek için yapılan ilk çalışmadır. Bu çalışmada, kelime yerleştirme modelleri olarak Word2Vec, GloVe ve FastText; Evrişimsel Sinir Ağları (CNN'ler), Tekrarlayan Sinir Ağları (RNN'ler) ve Uzun Kısa Süreli Bellek Ağları (LSTM'ler) derin öğrenme teknikleri olarak harmanlanmış ve sınıflandırma amacıyla kullanılmıştır. Kelime yerleştirme modelleri ve derin öğrenme algoritmaları kullanılarak Parkinson hastalığı hakkında kullanıcı yorumlarının duygularını analiz etmek amacıyla kapsamlı deneyler İngilizce Twitter veri kümesi üzerinde gerçekleştirilmiştir. Deney sonuçlarında, Word2Vec kelime yerleştirme modelinin CNN derin öğrenme algoritmasıyla harmanlanması sonucu %75.12 doğruluk ile kayda değer bir sınıflandırma başarısı gözlemlenmiştir. Bu çalışma, hastaların gereksinimlerini anlamak için kelime yerleştirme modelleri ve derin öğrenme algoritmalarını kullanma etkinliğini ve Parkinson hastalarının ve yakınlarının duygularını sosyal medya aracılığı ile analiz ederek tedavi sürecine değerli bir katkı sağladığını göstermektedir.
Parkinson's disease is a common neurodegenerative neurological disorder, which affects the patient's quality of life, has significant social and economic effects, and is difficult to diagnose early due to the gradual appearance of symptoms. Examining the discussion of Parkinson’s disease in social media platforms such as Twitter provides a platform where patients communicate each other in both diagnosis and treatment stage of the Parkinson’s disease. The purpose of this work is to evaluate and compare the sentiment analysis of people about Parkinson's disease by using deep learning and word embedding models. To the best of our knowledge, this is the very first study to analyze Parkinson's disease through social media by using word embedding models and deep learning algorithms. In this study, Word2Vec, GloVe, and FastText as word embedding models and Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), and Long Short Term Memory Networks (LSTMs) as deep learning techniques are blended and used for classification purpose. Extensive experiments are conducted to analyze the sentiments of user comments about Parkinson's disease using word embedding models and deep learning algorithms on English Twitter dataset. The remarkable classification success with 75.12% of accuracy is observed in the experiments through the result of blending Word2Vec as a word embedding model and CNN as a deep learning technique. This study demonstrates the effectiveness of using word embedding models and deep learning algorithms to understand patients' needs, and provides a valuable contribution to the treatment process by analyzing the feelings of Parkinson's patients and their relatives through social media.
Databáze: OpenAIRE
Externí odkaz: