Fugu-MT 論文翻訳(概要): Read, Diagnose and Chat: Towards Explainable and Interactive LLMs-Augmented Depression Detection in Social Media

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

Enhancing Depression Detection with Chain-of-Thought Prompting: From Emotion to Reasoning Using Large Language Models [9.43184936918456]
うつ病は世界中で障害の主な原因の1つである。大規模言語モデルの最近の進歩は、精神的な健康問題に対処する上で有望であることを示している。そこで本研究では,抑うつ検出の性能と解釈性を両立するChain-of-Thought Prompting手法を提案する。
論文参考訳（メタデータ） (2025-02-09T12:30:57Z)
Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations [74.83732294523402]
実世界の診断シナリオをシミュレートし,USMLE標準に適合するノイズと難易度を統合する新しいベンチマークを導入する。また、対話に基づく微調整についても検討し、静的データセットを会話形式に変換し、反復的推論プロセスをよりよく捉える。実験の結果、対話調整されたモデルは従来の手法よりも優れており、マルチラウンド推論のシナリオでは9.64%、ノイズの多い環境では6.18%の精度で改善されている。
論文参考訳（メタデータ） (2025-01-29T18:58:48Z)
Detecting anxiety and depression in dialogues: a multi-label and explainable approach [5.635300481123079]
不安と抑うつは世界中で最も一般的なメンタルヘルスの問題であり、人口の非無視的な部分に影響を及ぼす。本研究では、不安と抑うつの多ラベル分類のための全く新しいシステムを提案する。
論文参考訳（メタデータ） (2024-12-23T15:29:46Z)
Depression Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory [35.41386783586689]
本稿では,患者と精神科医の対話を模擬してうつ病診断を促進する自己改善型会話エージェントシステムであるエージェント・メンタル・クリニック(AMC)を紹介する。本稿では,3次記憶構造,対話制御,およびメモリサンプリングモジュールから構成される精神科医エージェントを設計し,精神科医エージェントが反映するスキルを十分に活用し,抑うつリスクと自殺リスク診断の会話による高精度化を実現する。
論文参考訳（メタデータ） (2024-09-20T14:25:08Z)
Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
論文参考訳（メタデータ） (2024-09-09T06:55:37Z)
RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。実験の結果,提案手法の有効性が示された。
論文参考訳（メタデータ） (2024-08-22T17:44:40Z)
LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文参考訳（メタデータ） (2024-06-09T09:03:11Z)
Towards Reliable and Empathetic Depression-Diagnosis-Oriented Chats [15.36217265716081]
本稿では,うつ病診断対話に適した,革新的な定義・生成フレームワークを提案する。このフレームワークは、タスク指向の会話の信頼性と共感に関連したチャットの魅力を組み合わせる。被曝実験の結果,うつ病診断におけるタスク完了と情緒的サポート生成に有意な改善が認められた。
論文参考訳（メタデータ） (2024-04-07T16:35:53Z)
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)
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。