Fugu-MT 論文翻訳(概要): KUCST@LT-EDI-ACL2022: Detecting Signs of Depression from Social Media Text

論文の概要: KUCST@LT-EDI-ACL2022: Detecting Signs of Depression from Social Media Text

arxiv url: http://arxiv.org/abs/2204.04481v1
Date: Sat, 9 Apr 2022 14:27:13 GMT
ステータス: 処理完了
システム内更新日: 2022-04-15 02:45:51.291880
Title: KUCST@LT-EDI-ACL2022: Detecting Signs of Depression from Social Media Text
Title（参考訳）: KUCST@LT-EDI-ACL2022:ソーシャルメディアテキストからの抑うつの兆候の検出
Authors: Manex Agirrezabal, Janek Amann
Abstract要約: 我々のモデルは,単語ユニグラム,音声タグ,可読性尺度,第1,第2,第3者の使用,単語数に依存している。ベストモデルは31チーム中25位にランクインした0.439のマクロF1スコアを得た。
参考スコア（独自算出の注目度）: 0.30458514384586394
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In this paper we present our approach for detecting signs of depression from social media text. Our model relies on word unigrams, part-of-speech tags, readabilitiy measures and the use of first, second or third person and the number of words. Our best model obtained a macro F1-score of 0.439 and ranked 25th, out of 31 teams. We further take advantage of the interpretability of the Logistic Regression model and we make an attempt to interpret the model coefficients with the hope that these will be useful for further research on the topic.
Abstract（参考訳）: 本稿では,ソーシャルメディアのテキストからうつ病の兆候を検出する手法を提案する。我々のモデルは,単語ユニグラム,部分音声タグ,可読性尺度,第1,第2,第3者の使用,単語数に依存している。ベストモデルは31チーム中25位にランクインした0.439のマクロF1スコアを得た。さらに,ロジスティック回帰モデルの解釈可能性を活用し,モデル係数の解釈を試みた。

関連論文リスト

A Bayesian Approach to Harnessing the Power of LLMs in Authorship Attribution [57.309390098903]
著者の属性は、文書の起源または著者を特定することを目的としている。大きな言語モデル(LLM)とその深い推論能力と長距離テキストアソシエーションを維持する能力は、有望な代替手段を提供する。 IMDbおよびブログデータセットを用いた結果, 著者10名を対象に, 著者1名に対して, 85%の精度が得られた。
論文参考訳（メタデータ） (2024-10-29T04:14:23Z)
MetaKP: On-Demand Keyphrase Generation [52.48698290354449]
オンデマンドのキーフレーズ生成は,特定のハイレベルな目標や意図に従うキーフレーズを必要とする新しいパラダイムである。そこで我々は,4つのデータセット,7500のドキュメント,3760の目標からなる大規模ベンチマークであるMetaKPを紹介した。ソーシャルメディアからの流行事象検出に応用して,一般のNLP基盤として機能する可能性を示す。
論文参考訳（メタデータ） (2024-06-28T19:02:59Z)
Cobra Effect in Reference-Free Image Captioning Metrics [58.438648377314436]
視覚言語事前学習モデル(VLM)を活用した参照フリー手法の普及が出現している。本稿では,基準自由度に欠陥があるかどうかを考察する。 GPT-4Vは生成した文を評価するための評価ツールであり,提案手法がSOTA(State-of-the-art)の性能を達成することを示す。
論文参考訳（メタデータ） (2024-02-18T12:36:23Z)
A Framework for Identifying Depression on Social Media: MentalRiskES@IberLEF 2023 [0.979963710164115]
本稿では,IberLEF 2023におけるMentalRiskESタスクへの参加について述べる。この課題は、ソーシャルメディアの活動に基づいてうつ病を経験する個人の可能性を予測することであった。データセットは175人のTelegramユーザーによる会話で構成されており、それぞれが障害に苦しむ証拠に基づいてラベル付けされている。
論文参考訳（メタデータ） (2023-06-28T11:53:07Z)
TMR: Text-to-Motion Retrieval Using Contrastive 3D Human Motion Synthesis [59.465092047829835]
我々は、テキストから3次元の人間の動きを抽出する簡単な方法であるTMRを提案する。提案手法は,最先端のテキスト-モーション合成モデルTEMOSを拡張した。運動生成損失の維持は、対照的な訓練とともに、優れた性能を得るためには不可欠であることを示す。
論文参考訳（メタデータ） (2023-05-02T17:52:41Z)
Depression detection in social media posts using affective and social norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文参考訳（メタデータ） (2023-03-24T21:26:27Z)
Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文参考訳（メタデータ） (2022-11-14T18:47:26Z)
DECK: Behavioral Tests to Improve Interpretability and Generalizability of BERT Models Detecting Depression from Text [4.269268432906194]
テキストからうつ病を正確に検出するモデルは、パンデミック後の精神疾患に対処するための重要なツールである。 BERTベースの分類器の有望な性能と市販の可用性は、このタスクの優れた候補となる。 DeCK(Depression ChecKlist)は、抑うつ特異的なモデル行動テストで、より優れた解釈性を実現する。
論文参考訳（メタデータ） (2022-09-12T14:39:46Z)
Improving Health Mentioning Classification of Tweets using Contrastive Adversarial Training [6.586675643422952]
周辺単語による単語表現を学習し,テキスト中の絵文字を用いて分類結果の改善を支援する。モデルの埋め込みを摂動することで逆例を生成し、クリーンで逆例のペアでモデルを訓練する。実験では、BERT-Largeベースラインが1.0%、RoBERTa-Largeベースラインが0.6%、F1スコアが5.8%となっている。
論文参考訳（メタデータ） (2022-03-03T18:20:51Z)
Generative Pretraining for Paraphrase Evaluation [7.025418443146435]
テキスト生成のためのパラグラフ表現学習モデルと評価指標であるParaBLEUを紹介する。従来のアプローチとは異なり、ParaBLEUは生成条件を事前学習の目的として用い、パラフレシスを理解することを学ぶ。我々のモデルはデータ不足に対して堅牢であり、利用可能なトレーニングデータの50ドルしか使用せずに、過去の最先端のパフォーマンスを上回ります。
論文参考訳（メタデータ） (2021-07-17T14:48:48Z)
A Multi-cascaded Model with Data Augmentation for Enhanced Paraphrase Detection in Short Texts [1.6758573326215689]
短文のパラフレーズ検出を改善するために,データ拡張戦略とマルチカスケードモデルを提案する。私たちのモデルは広くて深く、クリーンでノイズの多い短いテキストにまたがってより堅牢性を提供します。
論文参考訳（メタデータ） (2019-12-27T12:10:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。