論文の概要: Read, Diagnose and Chat: Towards Explainable and Interactive
LLMs-Augmented Depression Detection in Social Media
- arxiv url: http://arxiv.org/abs/2305.05138v1
- Date: Tue, 9 May 2023 02:49:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 14:04:28.101273
- Title: Read, Diagnose and Chat: Towards Explainable and Interactive
LLMs-Augmented Depression Detection in Social Media
- Title(参考訳): 読解・診断・チャット:ソーシャルメディアにおけるllms-augmented depression detectionに向けて
- Authors: Wei Qin, Zetong Chen, Lei Wang, Yunshi Lan, Weijieying Ren and Richang
Hong
- Abstract要約: 本稿では,解釈可能かつインタラクティブなLLMに基づく新しい抑うつ検出システムを提案する。
診断だけでなく、ユーザとの自然言語対話に基づく診断証拠やパーソナライズされたレコメンデーションを提供する。
- 参考スコア(独自算出の注目度): 37.473604649521945
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a new depression detection system based on LLMs that is
both interpretable and interactive. It not only provides a diagnosis, but also
diagnostic evidence and personalized recommendations based on natural language
dialogue with the user. We address challenges such as the processing of large
amounts of text and integrate professional diagnostic criteria. Our system
outperforms traditional methods across various settings and is demonstrated
through case studies.
- Abstract(参考訳): 本稿では,解釈可能かつインタラクティブなLLMに基づく新しい抑うつ検出システムを提案する。
診断だけでなく、ユーザとの自然言語対話に基づく診断証拠やパーソナライズされたレコメンデーションを提供する。
大量のテキストの処理や専門的な診断基準の統合といった課題に対処する。
本システムは,従来の手法を様々な場面で上回り,ケーススタディによって実証する。
関連論文リスト
- When LLMs Meets Acoustic Landmarks: An Efficient Approach to Integrate
Speech into Large Language Models for Depression Detection [17.871640564898293]
抑うつは世界的メンタルヘルスにおいて重要な関心事であり、AIに基づく検出方法の広範な研究を促している。
大規模言語モデル(LLM)は、メンタルヘルスケアアプリケーションにおいて、その汎用性において際立っている。
マルチモーダル抑うつ検出のためのLLMフレームワークに音声情報を統合するための革新的なアプローチを提案する。
論文 参考訳(メタデータ) (2024-02-17T09:39:46Z) - AI Hospital: Interactive Evaluation and Collaboration of LLMs as Intern
Doctors for Clinical Diagnosis [72.50974375416239]
リアルタイムのインタラクティブな診断環境を構築するために設計されたフレームワークであるAI Hospitalを紹介する。
様々な大規模言語モデル(LLM)は、対話的診断のためのインターン医師として機能する。
我々は,医療部長の監督の下で,反復的な議論と紛争解決プロセスを含む協調的なメカニズムを導入する。
論文 参考訳(メタデータ) (2024-02-15T06:46:48Z) - Illuminate: A novel approach for depression detection with explainable
analysis and proactive therapy using prompt engineering [0.0]
本稿では,GPT-4(Generative Pre-trained Transformer 4),Llama 2 chat,およびGeminiを用いた抑うつ検出・治療のための新しいパラダイムを提案する。
LLMは、うつ病の診断、説明、治療介入を提案する特別なプロンプトで微調整されている。
論文 参考訳(メタデータ) (2024-02-05T06:08:06Z) - Detecting mental disorder on social media: a ChatGPT-augmented
explainable approach [1.7999333451993955]
デジタル時代には、ソーシャルメディア上で表現されるうつ病症状の流行が深刻な懸念を抱いている。
本稿では,Large Language Models(LLM)とeXplainable Artificial Intelligence(XAI)とChatGPTのような対話エージェントを効果的に組み合わせた新しい手法を提案する。
説明は、Twitter固有のBERTの変種であるBERTweetを、新しい自己説明モデル、BERT-XDDに統合することで達成される。
ChatGPTを使用して解釈可能性をさらに強化し、技術的説明を人間可読な注釈に変換する。
論文 参考訳(メタデータ) (2024-01-30T22:22:55Z) - Medical Dialogue Generation via Intuitive-then-Analytical Differential
Diagnosis [14.17497921394565]
Intuitive-then-Analytic Differential Diagnosis (IADDx) を用いた医用対話生成フレームワークを提案する。
本手法は,検索に基づく直感的アソシエーション(直感的アソシエーション)によるディファレンス診断から始まり,その後,グラフ強化解析手法により精査する。
提案手法の有効性を2つのデータセットで検証した。
論文 参考訳(メタデータ) (2024-01-12T12:35:19Z) - MDDial: A Multi-turn Differential Diagnosis Dialogue Dataset with
Reliability Evaluation [46.82607230465541]
エンドツーエンドのADD対話システムを構築するには、対話トレーニングデータセットが必要である。
ADDの対話データセットは英語では公開されていない。
MDDialは、英語で最初の差分診断対話データセットである。
論文 参考訳(メタデータ) (2023-08-16T04:56:55Z) - Prompting and Evaluating Large Language Models for Proactive Dialogues:
Clarification, Target-guided, and Non-collaboration [72.04629217161656]
本研究は, 明瞭化, 目標誘導, 非協調対話の3つの側面に焦点をあてる。
LLMの能動性を高めるために,プロアクティブ・チェーン・オブ・ソート・プロンプト方式を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:49:35Z) - D4: a Chinese Dialogue Dataset for Depression-Diagnosis-Oriented Chat [25.852922703368133]
うつ病と診断された臨床セッションでは、医師は患者に症状を露呈させるための十分な感情的支援と会話を開始する。
精神疾患に関連する社会的便秘が原因でうつ病の相談や診断に関連する対話データが開示されることは稀である。
うつ病診断における医師と患者との対話をシミュレートした,うつ病診断指向チャットのための中国語対話データセットを構築した。
論文 参考訳(メタデータ) (2022-05-24T03:54:22Z) - A Benchmark for Automatic Medical Consultation System: Frameworks, Tasks
and Datasets [70.32630628211803]
本稿では,医師と患者との対話理解とタスク指向インタラクションという,医療相談の自動化を支援する2つの枠組みを提案する。
マルチレベルな微粒なアノテーションを付加した新しい大規模医療対話データセットが導入された。
本稿では,各タスクに対するベンチマーク結果のセットを報告し,データセットのユーザビリティを示し,今後の研究のベースラインを設定する。
論文 参考訳(メタデータ) (2022-04-19T16:43:21Z) - Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
論文 参考訳(メタデータ) (2020-04-29T15:02:41Z)
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。