論文の概要: A Picture May Be Worth a Thousand Lives: An Interpretable Artificial
Intelligence Strategy for Predictions of Suicide Risk from Social Media
Images
- arxiv url: http://arxiv.org/abs/2302.09488v1
- Date: Sun, 19 Feb 2023 06:18:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 18:08:39.626888
- Title: A Picture May Be Worth a Thousand Lives: An Interpretable Artificial
Intelligence Strategy for Predictions of Suicide Risk from Social Media
Images
- Title（参考訳）: ソーシャルメディア画像から自殺リスクを予測するための、解釈可能な人工知能戦略
- Authors: Yael Badian, Yaakov Ophir, Refael Tikochinski, Nitay Calderon, Anat
Brunstein Klomek, Roi Reichart
- Abstract要約: 本研究は、画像から有効な自殺リスクのハイブリッド予測モデルを構築するための理論駆動戦略とボトムアップ戦略を組み合わせる。
データセットには、ゴールドスタンダードの自殺スケールを完了した841人のFacebookユーザーによる177,220枚の画像が含まれている。
- 参考スコア（独自算出の注目度）: 14.219362075515573
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The promising research on Artificial Intelligence usages in suicide
prevention has principal gaps, including black box methodologies, inadequate
outcome measures, and scarce research on non-verbal inputs, such as social
media images (despite their popularity today, in our digital era). This study
addresses these gaps and combines theory-driven and bottom-up strategies to
construct a hybrid and interpretable prediction model of valid suicide risk
from images. The lead hypothesis was that images contain valuable information
about emotions and interpersonal relationships, two central concepts in
suicide-related treatments and theories. The dataset included 177,220 images by
841 Facebook users who completed a gold-standard suicide scale. The images were
represented with CLIP, a state-of-the-art algorithm, which was utilized,
unconventionally, to extract predefined features that served as inputs to a
simple logistic-regression prediction model (in contrast to complex neural
networks). The features addressed basic and theory-driven visual elements using
everyday language (e.g., bright photo, photo of sad people). The results of the
hybrid model (that integrated theory-driven and bottom-up methods) indicated
high prediction performance that surpassed common bottom-up algorithms, thus
providing a first proof that images (alone) can be leveraged to predict
validated suicide risk. Corresponding with the lead hypothesis, at-risk users
had images with increased negative emotions and decreased belonginess. The
results are discussed in the context of non-verbal warning signs of suicide.
Notably, the study illustrates the advantages of hybrid models in such
complicated tasks and provides simple and flexible prediction strategies that
could be utilized to develop real-life monitoring tools of suicide.
- Abstract（参考訳）: 自殺予防における人工知能の使用に関する有望な研究は、ブラックボックスの方法論、不十分な結果対策、ソーシャルメディア画像などの非言語的入力に関する研究(今日のデジタル時代における彼らの人気にもかかわらず)など、主要なギャップがある。
本研究ではこれらのギャップに対処し、画像から有効な自殺リスクのハイブリッドかつ解釈可能な予測モデルを構築するための理論駆動戦略とボトムアップ戦略を組み合わせる。
先導的な仮説は、イメージには感情と対人関係、自殺関連の治療と理論の2つの中心的な概念に関する貴重な情報が含まれるというものだった。
データセットには、ゴールドスタンダードの自殺スケールを完了した841人のFacebookユーザーによる177,220の画像が含まれている。
画像は最先端のアルゴリズムであるCLIPで表現され、このアルゴリズムは、(複雑なニューラルネットワークとは対照的に)単純なロジスティック回帰予測モデルの入力として機能する事前定義された特徴を抽出した。
これらの特徴は、日常言語(例えば、明るい写真、悲しい人々の写真)を用いた基本的な、理論駆動の視覚要素に対処した。
ハイブリッドモデル(理論駆動法とボトムアップ法を統合した)の結果は、一般的なボトムアップアルゴリズムを超える高い予測性能を示し、画像(すべて)を有効活用して自殺リスクを予測する最初の証拠となった。
リード仮説に対応して、リスクの高いユーザーはネガティブな感情が高まり、親近感が低下する画像を持っていた。
この結果は,非言語的自殺警告の文脈で議論されている。
特に、この研究は複雑なタスクにおけるハイブリッドモデルの利点を示し、自殺のリアルタイム監視ツールの開発に使用できるシンプルで柔軟な予測戦略を提供する。
関連論文リスト
- MoLE: Enhancing Human-centric Text-to-image Diffusion via Mixture of Low-rank Experts [61.274246025372044]
顔と手の文脈における人間中心のテキスト・ツー・イメージ生成について検討する。
そこで我々は,手近画像と顔画像で訓練した低ランクモジュールをそれぞれ専門家として考慮し,Mixture of Low-rank Experts (MoLE) という手法を提案する。
この概念は、カスタマイズされたクローズアップデータセットによって訓練された低ランクモジュールが、適切なスケールで適用された場合、対応する画像部分を強化する可能性があるという、低ランクリファインメント(low-rank refinement)の観察から着想を得たものである。
論文 参考訳（メタデータ） (2024-10-30T17:59:57Z) - Bored to Death: Artificial Intelligence Research Reveals the Role of Boredom in Suicide Behavior [10.83380478033686]
この研究は、自殺行為を誘発または悪化させる隠れた危険因子を明らかにするために、AI方法論を活用することを目的としている。
ほぼ完全に自動化されたAI誘導研究パイプラインは、自殺のリスクを予測するFacebookのトピック4つを生み出した。
この研究は、抑うつによらず自殺行為を引き起こす可能性のある、不適応な「不注意」として退屈を示唆している。
論文 参考訳（メタデータ） (2024-04-22T10:16:02Z) - Concept Arithmetics for Circumventing Concept Inhibition in Diffusion Models [58.065255696601604]
拡散モデルの合成特性を使い、単一の画像生成において複数のプロンプトを利用することができる。
本論では, 画像生成の可能なすべてのアプローチを, 相手が適用可能な拡散モデルで検討することが重要であると論じる。
論文 参考訳（メタデータ） (2024-04-21T16:35:16Z) - SOS-1K: A Fine-grained Suicide Risk Classification Dataset for Chinese Social Media Analysis [22.709733830774788]
本研究では,自殺リスクの詳細な分類を目的とした,中国のソーシャルメディアデータセットを提案する。
事前訓練した7つのモデルについて, 自殺リスクが高い, 自殺リスクが少ない, 自殺リスクの細かい分類が0～10の2つのタスクで評価された。
ディープラーニングモデルは高い自殺リスクと低い自殺リスクを区別する上で優れた性能を示し、最良のモデルはF1スコア88.39%である。
論文 参考訳（メタデータ） (2024-04-19T06:58:51Z) - Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted
Outcomes to Analyze Longitudinal Social Media Data [2.76101452577748]
新型コロナウイルスのパンデミックは世界中でメンタルヘルスの危機をエスカレートしている。
自殺は、恥、虐待、放棄、うつ病のような精神状態などの社会的要因によって引き起こされる。
これらの状況が発展するにつれて、自殺的思考の兆候がソーシャルメディアの相互作用に現れる可能性がある。
論文 参考訳（メタデータ） (2023-12-13T17:15:12Z) - On the Proactive Generation of Unsafe Images From Text-To-Image Models Using Benign Prompts [38.63253101205306]
従来の研究は、操作されたプロンプトがテキスト・ツー・イメージ・モデルを用いて安全でない画像を生成することを実証してきた。
基本攻撃と実用性維持攻撃の2つの毒素攻撃を提案する。
本研究は,実世界のシナリオにおけるテキスト・ツー・イメージ・モデル導入の潜在的なリスクを明らかにするものである。
論文 参考訳（メタデータ） (2023-10-25T13:10:44Z) - Order-Disorder: Imitation Adversarial Attacks for Black-box Neural
Ranking Models [48.93128542994217]
ブラックボックスニューラルパスランキングモデルに対する模倣逆攻撃を提案する。
重要クエリ/候補を列挙することで,対象経路ランキングモデルを透明化し,模倣することができることを示す。
また,一対の目的関数によって強化された革新的な勾配に基づく攻撃手法を提案し,敵の引き金を発生させる。
論文 参考訳（メタデータ） (2022-09-14T09:10:07Z) - 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) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z) - Proactive Pseudo-Intervention: Causally Informed Contrastive Learning
For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。
PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。
また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文 参考訳（メタデータ） (2020-12-06T20:30:26Z) - Geometry-Inspired Top-k Adversarial Perturbations [68.32598950136504]
単純な多目的最適化としてのTop-k逆例。
Top-k Universal Adversarial Perturbationsは、画像に依存しない小さな摂動であり、ほとんどの自然画像のTop-k予測の中で真のクラスが欠落する原因となっている。
論文 参考訳（メタデータ） (2020-06-28T18:05:57Z)
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。