学术研究人员敏锐的兴趣社交媒体数据分析几十年。在COVID-19锁定,用户生成的数据和社会关系上的科学研究数量呈指数增加。最近,深度学习的进展和软计算改进心理健康检测和分析社交媒体数据。根据现有的研究中,80%的用户对社交媒体企图自杀披露他们的意图。

目前,浅和深学习用于识别精神疾病在社交媒体上,然而,最近的研究趋势图神经网络联合学习,多任务分类,多语言心理健康分类和概念漂移流数据显示改善e-Health管理。许多伦理问题和数据集的担忧占据上风,因此,有必要装配最新进展和挑战精神卫生检测和分析方法。

这个特殊的问题关注人类——计算机交互分析与社交媒体数据在精神卫生保健。这个特殊的问题旨在提供一个论坛来传播和讨论深度学习和计算智能技术的最近进展对精神卫生保健社会媒体。我们想为研究人员和从业人员提供一个机会来确定新前景的研究和评论文章的方向。

潜在的主题包括但不限于以下:

• 特征提取为精神疾病检测
• 多层次精神疾病的检测和分析
• 多任务心理健康状况检测
• 多通道信息提取进行心理健康分析
• 多渠道心理健康检测
• 浅、深和联合学习精神疾病检测
• 伦理问题对精神疾病的检测和分析社交媒体
• 从社交媒体数据信息融合和特性收获
• 在社交媒体转换模型用于精神疾病检测
• 从流媒体数据概念漂移在精神疾病检测