論文の概要: Am I No Good? Towards Detecting Perceived Burdensomeness and Thwarted Belongingness from Suicide Notes

• arxiv url: http://arxiv.org/abs/2206.06141v1
• Date: Fri, 20 May 2022 06:31:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-19 23:29:03.467304
• Title: Am I No Good? Towards Detecting Perceived Burdensomeness and Thwarted Belongingness from Suicide Notes
• Title（参考訳）: ダメなの? 自殺ノートから知覚されたバーデンサム性および抑止性の検出に向けて
• Authors: Soumitra Ghosh, Asif Ekbal and Pushpak Bhattacharyya
• Abstract要約: 本稿では,自殺ノートから知覚的バーデンサムネス(PB)とThwarted Belongingness(TB)を検出する新しい課題に対処するエンドツーエンドマルチタスクシステムを提案する。 また、ベンチマークCEASE-v2.0データセットに基づいて、手動で翻訳したコード混合自殺メモコーパス、CoMCEASE-v2.0を導入する。 自殺ノートの時間方向と感情情報を利用して全体のパフォーマンスを向上する。
• 参考スコア（独自算出の注目度）: 51.378225388679425
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The World Health Organization (WHO) has emphasized the importance of significantly accelerating suicide prevention efforts to fulfill the United Nations' Sustainable Development Goal (SDG) objective of 2030. In this paper, we present an end-to-end multitask system to address a novel task of detection of two interpersonal risk factors of suicide, Perceived Burdensomeness (PB) and Thwarted Belongingness (TB) from suicide notes. We also introduce a manually translated code-mixed suicide notes corpus, CoMCEASE-v2.0, based on the benchmark CEASE-v2.0 dataset, annotated with temporal orientation, PB and TB labels. We exploit the temporal orientation and emotion information in the suicide notes to boost overall performance. For comprehensive evaluation of our proposed method, we compare it to several state-of-the-art approaches on the existing CEASE-v2.0 dataset and the newly announced CoMCEASE-v2.0 dataset. Empirical evaluation suggests that temporal and emotional information can substantially improve the detection of PB and TB.
• Abstract（参考訳）: 世界保健機関(who)は、2030年の国連持続可能な開発目標(sdg)を達成するための自殺防止努力を著しく加速することの重要性を強調している。 本稿では,自殺の危険因子であるPB(Perceived Burdensomeness)とTB(Thwarted Belongingness)を,自殺ノートから検出するためのエンドツーエンドマルチタスクシステムを提案する。 また, CEASE-v2.0データセットに基づいて, 時間方向, PB, TBラベルをアノテートしたコード混入自殺メモコーパス, CoMCEASE-v2.0を導入する。 自殺ノートの時間方向と感情情報を活用し,全体的なパフォーマンスを向上させる。 提案手法の包括的評価のために,既存のstop-v2.0データセットと新たに発表されたcomcease-v2.0データセットの最先端手法と比較する。 経験的評価は、時間的および感情的な情報がpbとtbの検出を大幅に改善できることを示唆している。

関連論文リスト

• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
  自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。 我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。 我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
  論文  参考訳（メタデータ） (2024-04-18T12:33:57Z)
• Uncovering Misattributed Suicide Causes through Annotation Inconsistency Detection in Death Investigation Notes [21.374488755816092]
  NVDRS(National Violent Death Reporting System)のデータは、死のパターンや原因を発見するために広く利用されている。 最近の研究では、NVDRS内のアノテーションの不整合と誤った自殺原因の帰属に対する潜在的影響が示唆されている。 本稿では,アノテーションの不整合を検知し,問題のあるインスタンスを識別するクロスバリデーションのようなパラダイムを採用する,経験的自然言語処理(NLP)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-28T14:03:12Z)
• Depression Detection on Social Media with Large Language Models [23.075317886505193]
  抑うつ検出は、ソーシャルメディア上の投稿履歴を分析して、個人が抑うつに苦しむかどうかを判断することを目的としている。 本稿では,医学的知識と大規模言語モデルの最近の進歩を融合した,DORISと呼ばれる新規なうつ病検出システムを提案する。
  論文  参考訳（メタデータ） (2024-03-16T01:01:16Z)
• Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
  平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。 オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。 我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
  論文  参考訳（メタデータ） (2022-11-22T11:35:14Z)
• Multi-modal Depression Estimation based on Sub-attentional Fusion [29.74171323437029]
  うつ病の診断に失敗すると、世界中で2億8000万人以上がこの精神疾患に苦しんでいる。 マルチモーダルデータからうつ病を自動的に識別するタスクに取り組む。 異種情報をリンクするためのサブアテンション機構を導入する。
  論文  参考訳（メタデータ） (2022-07-13T13:19:32Z)
• Journaling Data for Daily PHQ-2 Depression Prediction and Forecasting [47.93070579578704]
  我々は,新たに収集した時系列データセット上で,アクティブに収集されたデータを用いて,毎日のPHQ-2スコアを予測し,予測する可能性を探る。 PHQ-2 スコアの日次予測には 1.417 の MAE が最適である。 これは、うつ病モニタリングアプリケーションにアクティブに収集されたデータを組み込むことで得られる付加価値を示す。
  論文  参考訳（メタデータ） (2022-05-06T17:47:05Z)
• Characterization of Time-variant and Time-invariant Assessment of Suicidality on Reddit using C-SSRS [9.424631103856596]
  Redditデータから,重症度と時間性の観点から自殺リスクを評価するディープラーニングアルゴリズムを開発した。 本研究では, 時間変動アプローチが自殺関連思考と支持行動の評価において時間不変手法を上回っていることを示唆した。 提案手法は臨床診断面接と統合して自殺リスク評価を改善することができる。
  論文  参考訳（メタデータ） (2021-04-09T01:39:41Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。