論文の概要: Leveraging Prompt-Based Large Language Models: Predicting Pandemic Health Decisions and Outcomes Through Social Media Language

• arxiv url: http://arxiv.org/abs/2403.00994v1
• Date: Fri, 1 Mar 2024 21:29:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 15:35:47.896436
• Title: Leveraging Prompt-Based Large Language Models: Predicting Pandemic Health Decisions and Outcomes Through Social Media Language
• Title（参考訳）: プロンプト型大規模言語モデルの活用:ソーシャルメディア言語によるパンデミックの健康判断と成果の予測
• Authors: Xiaohan Ding, Buse Carik, Uma Sushmitha Gunturi, Valerie Reyna, and Eugenia H. Rho
• Abstract要約: 我々は、ソーシャルメディアの言語パターンと国民健康結果の傾向との関連性を検討するために、プロンプトベースのLCMを用いている。 私たちの研究は、ソーシャルメディアの言語パターンと現実の公衆衛生トレンドを実証的に結びつける最初のものです。
• 参考スコア（独自算出の注目度）: 6.3576870613251675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a multi-step reasoning framework using prompt-based LLMs to examine the relationship between social media language patterns and trends in national health outcomes. Grounded in fuzzy-trace theory, which emphasizes the importance of gists of causal coherence in effective health communication, we introduce Role-Based Incremental Coaching (RBIC), a prompt-based LLM framework, to identify gists at-scale. Using RBIC, we systematically extract gists from subreddit discussions opposing COVID-19 health measures (Study 1). We then track how these gists evolve across key events (Study 2) and assess their influence on online engagement (Study 3). Finally, we investigate how the volume of gists is associated with national health trends like vaccine uptake and hospitalizations (Study 4). Our work is the first to empirically link social media linguistic patterns to real-world public health trends, highlighting the potential of prompt-based LLMs in identifying critical online discussion patterns that can form the basis of public health communication strategies.
• Abstract（参考訳）: 我々は,ソーシャルメディア言語パターンと全国保健結果の傾向との関連性を検討するために,プロンプトベースのLCMを用いた多段階推論フレームワークを提案する。 効果的な健康コミュニケーションにおける因果的コヒーレンスの重要性を強調するファジィ・トラス理論を基礎として,プロンプトベースのLCMフレームワークであるRole-Based Incremental Coaching(RBIC)を導入する。 RBICを用いて、新型コロナウイルスの健康対策に反対するサブレディット議論からジストを系統的に抽出する(研究1)。 そして、これらのgistが重要なイベントをまたいでどのように進化するかを追跡し(study 2)、オンラインエンゲージメントに与える影響を評価します(study3)。 最後に,ジストの量とワクチン接種,入院などの国民健康の動向との関連について検討した(第4報)。 我々の研究は、ソーシャルメディアの言語パターンと実世界の公衆衛生トレンドを実証的に結びつける最初のものであり、公衆衛生コミュニケーション戦略の基礎となる重要なオンラインディスカッションパターンを特定する上で、プロンプトベースのLCMの可能性を強調している。

関連論文リスト

• Graph-Augmented LLMs for Personalized Health Insights: A Case Study in Sleep Analysis [2.303486126296845]
  大規模言語モデル(LLM)は、インタラクティブなヘルスアドバイスを提供する上で、有望であることを示している。 Retrieval-Augmented Generation (RAG) やファインチューニングのような従来の手法は、複雑で多次元で時間的に関係のあるデータを完全に活用できないことが多い。 本稿では,健康意識のパーソナライズと明確性を高めるために,グラフ拡張LDMフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-24T01:22:54Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Zero-shot Causal Graph Extrapolation from Text via LLMs [50.596179963913045]
  我々は,自然言語から因果関係を推定する大規模言語モデル (LLM) の能力を評価する。 LLMは、(特別な)トレーニングサンプルを必要とせずにペア関係のベンチマークで競合性能を示す。 我々は、反復的なペアワイズクエリを通して因果グラフを外挿するアプローチを拡張した。
  論文  参考訳（メタデータ） (2023-12-22T13:14:38Z)
• Characterizing Information Seeking Events in Health-Related Social Discourse [1.681228846077191]
  イベント駆動分析は、個別および集団レベルで、医療のさまざまな側面に関する洞察を提供することができる。 Treat-ISEは、イベントベースのフレームワークでオンライン談話を分析するための、新しいマルチラベル処理情報検索イベントデータセットである。
  論文  参考訳（メタデータ） (2023-08-17T19:08:42Z)
• KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
  症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。 対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。 次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
  論文  参考訳（メタデータ） (2023-05-26T11:23:26Z)
• Cross-Modal Causal Intervention for Medical Report Generation [109.83549148448469]
  医療報告生成(MRG)は、コンピュータ支援診断と治療指導に不可欠である。 視覚的および言語的バイアスによって引き起こされる画像テキストデータ内の素早い相関のため、病変領域を確実に記述した正確なレポートを生成することは困難である。 本稿では,視覚分解モジュール (VDM) と言語分解モジュール (LDM) からなるMRGのための新しい視覚言語因果干渉 (VLCI) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-16T07:23:55Z)
• NLP as a Lens for Causal Analysis and Perception Mining to Infer Mental Health on Social Media [10.342474142256842]
  我々は、臨床心理学の実践とパーソナライズされた精神医療に最適な影響を与えるために、より簡潔で説明可能な研究が必要であると論じる。 自然言語処理(NLP)の範囲内では,因果解析と知覚マイニングに関連する重要な調査領域を探索する。 我々は、言語レンズを通して計算心理学の問題をモデル化するための、より説明可能なアプローチを提唱する。
  論文  参考訳（メタデータ） (2023-01-26T09:26:01Z)
• Adversarial Learning-based Stance Classifier for COVID-19-related Health Policies [14.558584240713154]
  本研究では、新型コロナウイルス関連健康政策に対する公衆の態度を自動的に識別する対人学習に基づくスタンス分類器を提案する。 モデルをより深く理解するために、モデルに外部知識としてポリシー記述を組み込む。 新型コロナウイルス関連健康政策のスタンス検出タスクにおいて,幅広い基準線の性能を評価する。
  論文  参考訳（メタデータ） (2022-09-10T10:27:21Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)
• Characterizing Sociolinguistic Variation in the Competing Vaccination Communities [9.72602429875255]
  メッセージの“フレーミング”と“個人化”は、説得力のあるメッセージング戦略を考案する上で重要な機能のひとつです。 健康関連誤報の文脈では、予防接種が不協和の最も一般的な話題である。 われわれはTwitter上で、競合する2つの予防接種コミュニティの社会言語学的分析を行う。
  論文  参考訳（メタデータ） (2020-06-08T03:05:28Z)

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。