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
- Contrastive Learning of Temporal Distinctiveness for Survival Analysis
in Electronic Health Records [10.192973297290136]
本稿では,オントロジーを意識したテンポラリティに基づくコントラシブ・サバイバル(OTCSurv)分析フレームワークを提案する。
OTCSurvは、検閲されたデータと観察されたデータの両方から生存期間を使い、時間的特異性を定義する。
急性腎障害(AKI)を発症する危険のある入院患者のリスクを予測するために,大規模なEHRデータセットを用いて実験を行った。
論文 参考訳(メタデータ) (2023-08-24T22:36:22Z) - Towards Suicide Prevention from Bipolar Disorder with Temporal
Symptom-Aware Multitask Learning [2.568321557055118]
本研究は,BD患者の症状を共同学習し,将来の自殺を予測できるマルチタスク学習モデルを提案する。
精神科医が臨床的に検証した新しいBDデータセットを構築し、818人のBD患者によって書かれた双極性関連下垂体に関する14年間の投稿を含む。
本実験は,BD症状の同定および今後の自殺予測タスクにおいて,提案モデルが最先端モデルより優れていることを示す。
論文 参考訳(メタデータ) (2023-07-03T13:18:55Z) - 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) - Understanding and Mitigating the Uncertainty in Zero-Shot Translation [66.49354195238789]
ゼロショット翻訳の不確実性の観点から、オフターゲット問題を理解し、緩和することを目的としている。
翻訳出力とモデル信頼度を慎重に調べることで、ターゲット外問題の原因となる2つの不確実性を特定する。
そこで本研究では,モデルトレーニングのためのトレーニングデータを認知するための2つの軽量かつ補完的なアプローチを提案し,推論におけるオフターゲット言語の語彙を隠蔽する。
論文 参考訳(メタデータ) (2022-05-20T10:29:46Z) - 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) - Dual-Consistency Semi-Supervised Learning with Uncertainty
Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。
提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
論文 参考訳(メタデータ) (2021-04-07T16:23:35Z) - BoXHED: Boosted eXact Hazard Estimator with Dynamic covariates [13.330256356398243]
本稿では,非パラメトリックな危険関数推定のためのソフトウェアパッケージBoXHEDを紹介する。
BoXHEDはIshwaranのLee Chenのために公開された最初のソフトウェア実装である。
論文 参考訳(メタデータ) (2020-06-25T07:32:14Z) - 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。