論文の概要: Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted Outcomes to Analyze Longitudinal Social Media Data

• arxiv url: http://arxiv.org/abs/2312.08299v2
• Date: Sat, 30 Dec 2023 16:45:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 00:50:36.051253
• Title: Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted Outcomes to Analyze Longitudinal Social Media Data
• Title（参考訳）: 自殺行動の概念化:予測結果の説明を活用した縦断的ソーシャルメディア分析
• Authors: Van Minh Nguyen, Nasheen Nur, William Stern, Thomas Mercer, Chiradeep Sen, Siddhartha Bhattacharyya, Victor Tumbiolo, Seng Jhing Goh
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.76101452577748
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic has escalated mental health crises worldwide, with social isolation and economic instability contributing to a rise in suicidal behavior. Suicide can result from social factors such as shame, abuse, abandonment, and mental health conditions like depression, Post-Traumatic Stress Disorder (PTSD), Attention-Deficit/Hyperactivity Disorder (ADHD), anxiety disorders, and bipolar disorders. As these conditions develop, signs of suicidal ideation may manifest in social media interactions. Analyzing social media data using artificial intelligence (AI) techniques can help identify patterns of suicidal behavior, providing invaluable insights for suicide prevention agencies, professionals, and broader community awareness initiatives. Machine learning algorithms for this purpose require large volumes of accurately labeled data. Previous research has not fully explored the potential of incorporating explanations in analyzing and labeling longitudinal social media data. In this study, we employed a model explanation method, Layer Integrated Gradients, on top of a fine-tuned state-of-the-art language model, to assign each token from Reddit users' posts an attribution score for predicting suicidal ideation. By extracting and analyzing attributions of tokens from the data, we propose a methodology for preliminary screening of social media posts for suicidal ideation without using large language models during inference.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは世界中のメンタルヘルスの危機をエスカレートし、社会的孤立と経済的不安定が自殺行動の増大に寄与している。 自殺は、恥、虐待、放棄、うつ病、外傷後ストレス障害(PTSD)、注意欠陥/多動性障害(ADHD)、不安障害、双極性障害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。 人工知能(AI)技術を用いてソーシャルメディアデータを分析することは自殺行為のパターンを識別し、自殺予防機関、専門家、およびより広いコミュニティ意識のイニシアチブに貴重な洞察を与えるのに役立つ。 この目的の機械学習アルゴリズムは、大量の正確なラベル付きデータを必要とする。 これまでの研究では、縦断的なソーシャルメディアデータの解析とラベル付けに説明を取り込む可能性を十分に検討していない。 本研究は,redditユーザの投稿から各トークンを分類し,自殺イデオロギーを予測するための帰属スコアを付与する手法として,最先端言語モデルの上に,モデル記述法である層統合勾配を用いた。 データからトークンの属性を抽出し分析することにより、推論中に大きな言語モデルを用いることなく、自殺思考のためのソーシャルメディア投稿の事前スクリーニングを行う手法を提案する。

関連論文リスト

• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
  自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。 我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。 我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
  論文  参考訳（メタデータ） (2024-04-18T12:33:57Z)
• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• Suicidal Ideation Detection on Social Media: A Review of Machine Learning Methods [0.34265828682659694]
  ソーシャルメディアにおける自殺観念と行動を特定するために多くの研究がなされている。 本稿では,ソーシャルメディア上での機械学習アルゴリズムを用いた自殺思考の検出に関する最近の研究成果について概説する。
  論文  参考訳（メタデータ） (2022-01-25T18:23:47Z)
• 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)
• Quantifying the Suicidal Tendency on Social Media: A Survey [0.0]
  自殺は早産だが予防可能な死因の1つである。 近年の研究では、ソーシャルメディアデータのマイニングが、利用者の自殺傾向の定量化に役立っていることが示されている。 本書は、精神医療の分類を解明し、ソーシャルメディアデータにおける自殺傾向の定量化の可能性を検討するための最近の試みを強調している。
  論文  参考訳（メタデータ） (2021-10-04T12:26:14Z)
• Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media [4.769234388745917]
  ソーシャルメディア上での自殺思考検出のための深層ニューラルネットワークを用いた,自殺指向の知識グラフの構築と統合を行う。 ソーシャルメディアに基づく自殺思考検出は93%以上の精度を達成できることを示す。 これらのカテゴリでは、投稿されたテキスト、ストレスレベル、ストレス持続時間、投稿された画像、反響的な思考が自殺的思考の検出に寄与する。
  論文  参考訳（メタデータ） (2020-12-16T18:09:32Z)
• Suicidal Ideation and Mental Disorder Detection with Attentive Relation Networks [43.2802002858859]
  本稿では,語彙に基づく感情スコアと潜在トピックを用いたテキスト表現を強化する。 本研究は,自殺思考と精神障害を関連するリスク指標を用いて検出する関係ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-16T11:18:55Z)

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。