論文の概要: Detecting Suicide Risk in Online Counseling Services: A Study in a
Low-Resource Language
- arxiv url: http://arxiv.org/abs/2209.04830v1
- Date: Sun, 11 Sep 2022 10:06:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 12:55:16.873683
- Title: Detecting Suicide Risk in Online Counseling Services: A Study in a
Low-Resource Language
- Title(参考訳): オンラインカウンセリングサービスにおける自殺リスクの検出:低リソース言語による検討
- Authors: Amir Bialer and Daniel Izmaylov and Avi Segal and Oren Tsur and Yossi
Levi-Belz and Kobi Gal
- Abstract要約: 本稿では,PLM(Pre-trained Language Model)と手作業による自殺的手がかりの固定セットを組み合わせたモデルを提案する。
我々のモデルは0.91ROC-AUCと0.55のF2スコアを達成し、会話の早い段階でも強いベースラインをはるかに上回っている。
- 参考スコア(独自算出の注目度): 5.2636083103718505
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the increased awareness of situations of mental crisis and their
societal impact, online services providing emergency support are becoming
commonplace in many countries. Computational models, trained on discussions
between help-seekers and providers, can support suicide prevention by
identifying at-risk individuals. However, the lack of domain-specific models,
especially in low-resource languages, poses a significant challenge for the
automatic detection of suicide risk. We propose a model that combines
pre-trained language models (PLM) with a fixed set of manually crafted (and
clinically approved) set of suicidal cues, followed by a two-stage fine-tuning
process. Our model achieves 0.91 ROC-AUC and an F2-score of 0.55, significantly
outperforming an array of strong baselines even early on in the conversation,
which is critical for real-time detection in the field. Moreover, the model
performs well across genders and age groups.
- Abstract(参考訳): 精神危機の状況と社会的影響に対する認識が高まり、多くの国で緊急支援を提供するオンラインサービスが一般的になっている。
支援者と提供者の間の議論に基づいて訓練された計算モデルは、リスクの高い個人を特定することで自殺予防を支援することができる。
しかし、特に低リソース言語におけるドメイン固有モデルの欠如は、自殺リスクを自動的に検出する上で大きな課題となる。
本稿では,PLM(Pre-trained Language Model)と手作業による自殺手順の定式化(および臨床承認)とを組み合わせ,次いで2段階の微調整プロセスを提案する。
我々のモデルは0.91ROC-AUCと0.55のF2スコアを達成し、会話の早い段階でも強いベースラインの配列を著しく上回り、フィールドでのリアルタイム検出に欠かせない。
さらに、このモデルは性別と年齢グループでうまく機能する。
関連論文リスト
- DPP-Based Adversarial Prompt Searching for Lanugage Models [56.73828162194457]
Auto-Regressive Selective Replacement Ascent (ASRA)は、決定点プロセス(DPP)と品質と類似性の両方に基づいてプロンプトを選択する離散最適化アルゴリズムである。
6種類の事前学習言語モデルに対する実験結果から,ASRAによる有害成分の抽出の有効性が示された。
論文 参考訳(メタデータ) (2024-03-01T05:28:06Z) - Locally Differentially Private Document Generation Using Zero Shot
Prompting [61.20953109732442]
本稿では,DP-Prompt と呼ばれる局所的に異なるプライベートなメカニズムを提案し,作者の匿名化攻撃に対処する。
DP-PromptをChatGPT(gpt-3.5)のような強力な言語モデルで使用すると、匿名化攻撃の成功率の顕著な低下が観察される。
論文 参考訳(メタデータ) (2023-10-24T18:25:13Z) - Supervised Learning and Large Language Model Benchmarks on Mental Health
Datasets: Cognitive Distortions and Suicidal Risks in Chinese Social Media [24.130206803192635]
中国のソーシャルメディアから新たに2つの注釈付きデータセットを導入し,認知的歪みと自殺リスク分類に着目した。
大きな言語モデルの能力を評価するために、ゼロショット、少数ショット、微調整という3つの戦略を採用しました。
GPT-4は一貫して強い結果を示したが, GPT-3.5は微調整後, 自殺リスク分類が著しく改善した。
論文 参考訳(メタデータ) (2023-09-07T08:50:46Z) - A Quantitative and Qualitative Analysis of Suicide Ideation Detection
using Deep Learning [5.192118773220605]
本稿では,競合するソーシャルメディアによる自殺検知・予測モデルを再現した。
複数のデータセットと異なる最先端ディープラーニングモデルを用いて自殺思考の検出の可能性を検討した。
論文 参考訳(メタデータ) (2022-06-17T10:23:37Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳(メタデータ) (2022-04-10T21:46:52Z) - LaMDA: Language Models for Dialog Applications [75.75051929981933]
LaMDAは、ダイアログに特化したトランスフォーマーベースのニューラルネットワークモデルのファミリーである。
注釈付きデータで微調整し、モデルが外部の知識ソースを参照できるようにすると、大幅な改善がもたらされる。
論文 参考訳(メタデータ) (2022-01-20T15:44:37Z) - An ensemble deep learning technique for detecting suicidal ideation from
posts in social media platforms [0.0]
本稿ではLSTM-Attention-CNN複合モデルを提案する。
提案されたモデルは90.3%の精度、F1スコア92.6%の精度を示した。
論文 参考訳(メタデータ) (2021-12-17T15:34:03Z) - Towards Adversarial Patch Analysis and Certified Defense against Crowd
Counting [61.99564267735242]
安全クリティカルな監視システムの重要性から、群衆のカウントは多くの注目を集めています。
近年の研究では、ディープニューラルネットワーク(DNN)の手法が敵の攻撃に弱いことが示されている。
群衆カウントモデルのロバスト性を評価するために,Momentumを用いた攻撃戦略としてAdversarial Patch Attackを提案する。
論文 参考訳(メタデータ) (2021-04-22T05:10:55Z) - 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) - Joint Contextual Modeling for ASR Correction and Language Understanding [60.230013453699975]
言語理解(LU)と協調してASR出力の文脈的言語補正を行うマルチタスクニューラルアプローチを提案する。
そこで本研究では,市販のASRおよびLUシステムの誤差率を,少量のドメイン内データを用いてトレーニングしたジョイントモデルと比較して14%削減できることを示した。
論文 参考訳(メタデータ) (2020-01-28T22:09:25Z)
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。