論文の概要: The Language of Trauma: Modeling Traumatic Event Descriptions Across Domains with Explainable AI

• arxiv url: http://arxiv.org/abs/2408.05977v1
• Date: Mon, 12 Aug 2024 08:05:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-13 13:35:58.278080
• Title: The Language of Trauma: Modeling Traumatic Event Descriptions Across Domains with Explainable AI
• Title（参考訳）: Traumaの言語: 説明可能なAIによるドメイン間のトラウマ的イベント記述のモデル化
• Authors: Miriam Schirmer, Tobias Leemann, Gjergji Kasneci, Jürgen Pfeffer, David Jurgens,
• Abstract要約: 心理的外傷は、様々な悲惨な出来事の後に現れ、様々なオンラインの文脈で捉えられる。 トラウマ関連データセットの複雑さを増す言語モデルを訓練することで、このギャップに対処する。 以上の結果から, 微調整されたRoBERTaモデルは, 領域内における外傷発生の予測に優れることがわかった。
• 参考スコア（独自算出の注目度）: 21.42892904742426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Psychological trauma can manifest following various distressing events and is captured in diverse online contexts. However, studies traditionally focus on a single aspect of trauma, often neglecting the transferability of findings across different scenarios. We address this gap by training language models with progressing complexity on trauma-related datasets, including genocide-related court data, a Reddit dataset on post-traumatic stress disorder (PTSD), counseling conversations, and Incel forum posts. Our results show that the fine-tuned RoBERTa model excels in predicting traumatic events across domains, slightly outperforming large language models like GPT-4. Additionally, SLALOM-feature scores and conceptual explanations effectively differentiate and cluster trauma-related language, highlighting different trauma aspects and identifying sexual abuse and experiences related to death as a common traumatic event across all datasets. This transferability is crucial as it allows for the development of tools to enhance trauma detection and intervention in diverse populations and settings.
• Abstract（参考訳）: 心理的外傷は、様々な悲惨な出来事の後に現れ、様々なオンラインの文脈で捉えられる。 しかしながら、伝統的に研究はトラウマの1つの側面に焦点を当てており、しばしば異なるシナリオにおける発見の伝達可能性を無視している。 我々は、ジェノサイド関連裁判所データ、外傷後ストレス障害(PTSD)に関するRedditデータセット、カウンセリング会話、インセルフォーラムポストなど、外傷関連データセットの複雑さを増す言語モデルをトレーニングすることで、このギャップに対処する。 以上の結果から, 微調整されたRoBERTaモデルは, GPT-4のような大規模言語モデルよりも若干優れており, ドメイン間の外傷事象の予測に優れることがわかった。 さらに、SLALOM-feature scoresと概念的説明は、トラウマに関連する言語を効果的に区別し、クラスタ化し、異なるトラウマの側面を強調し、すべてのデータセットで共通のトラウマイベントとして死に関連する性的虐待や経験を特定する。 この伝達性は、多様な個体群や環境における外傷の検出と介入を強化するツールの開発を可能にするため、重要である。

関連論文リスト

• Enhancing PTSD Outcome Prediction with Ensemble Models in Disaster Contexts [0.9249657468385778]
  外傷後ストレス障害(PTSD)は、外傷性事象に曝される個人に影響を与える重要な精神疾患である。 PTSDの早期発見と効果的な介入は、治療を受けなければ長期の心理的苦痛につながる可能性があるため、極めて重要である。
  論文  参考訳（メタデータ） (2024-11-16T01:44:43Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Mental Disorder Classification via Temporal Representation of Text [33.47304614659701]
  ソーシャルメディア投稿からの精神障害予測は、逐次テキストデータの複雑さのために困難である。 本稿では,時系列に順序付けられたソーシャルメディア投稿を一連の数に圧縮する新しいフレームワークを提案する。 我々は、現在のSOTAを3つの異なる精神条件で上回ることで、フレームワークの一般化能力を実証する。
  論文  参考訳（メタデータ） (2024-06-15T10:53:21Z)
• SA-Attack: Improving Adversarial Transferability of Vision-Language Pre-training Models via Self-Augmentation [56.622250514119294]
  ホワイトボックスの敵攻撃とは対照的に、転送攻撃は現実世界のシナリオをより反映している。 本稿では,SA-Attackと呼ばれる自己拡張型転送攻撃手法を提案する。
  論文  参考訳（メタデータ） (2023-12-08T09:08:50Z)
• Repetition In Repetition Out: Towards Understanding Neural Text Degeneration from the Data Perspective [91.14291142262262]
  この研究は、データの観点から、単純で基本的な説明を提示する。 予備調査では, 退化問題とトレーニングデータにおける反復の有無との間には強い相関関係がみられた。 実験の結果,訓練データにおける繰り返しのペナルティ化は,より大きなモデルサイズや命令のチューニングを考慮しても重要な課題であることがわかった。
  論文  参考訳（メタデータ） (2023-10-16T09:35:42Z)
• Error-related Potential Variability: Exploring the Effects on Classification and Transferability [3.6930948691311016]
  エラー関連電位(ErrPs)は、誤った事象を犯したり観察したりする際に引き起こされる特定の脳信号である。 ErrPは、他の脳信号、生物学的ノイズ、外部ノイズと組み合わせられるため、例によって異なる。 近年の研究では、ErrPの変化に寄与する認識、実施、予測可能性などの認知過程が明らかにされている。
  論文  参考訳（メタデータ） (2023-01-16T18:39:18Z)
• CausalDialogue: Modeling Utterance-level Causality in Conversations [83.03604651485327]
  クラウドソーシングを通じて、CausalDialogueという新しいデータセットをコンパイルし、拡張しました。 このデータセットは、有向非巡回グラフ(DAG)構造内に複数の因果効果対を含む。 ニューラル会話モデルの訓練における発話レベルにおける因果性の影響を高めるために,Exponential Average Treatment Effect (ExMATE) と呼ばれる因果性強化手法を提案する。
  論文  参考訳（メタデータ） (2022-12-20T18:31:50Z)
• PTSD in the Wild: A Video Database for Studying Post-Traumatic Stress Disorder Recognition in Unconstrained Environments [9.272889136803212]
  PTSDは慢性的な精神状態であり、破滅的な生命現象に反応して発達する。 本稿では,PTSD自動診断のための新しいビデオデータベースを公開し,注釈付けし,公開するために準備した。 野生データセットにおけるPTSDに基づくコンピュータビジョンと機械学習に基づくアプローチを評価するためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2022-09-28T13:30:26Z)
• Federated learning for violence incident prediction in a simulated cross-institutional psychiatric setting [3.6939898792640213]
  暴力的になる可能性のある人物を知ることは、スタッフのレベルと重大さに影響を与える可能性がある。 機械学習モデルは、臨床ノートに基づいて患者が暴力的になる可能性を評価することができる。 フェデレートラーニングは、訓練モデルによるデータ制限の問題を分散的に克服することができる。
  論文  参考訳（メタデータ） (2022-05-17T07:37:12Z)
• External Attention Assisted Multi-Phase Splenic Vascular Injury Segmentation with Limited Data [72.99534552950138]
  脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。 脾臓血管損傷の 正確な分節化は 以下の理由から 困難です
  論文  参考訳（メタデータ） (2022-01-04T02:35:56Z)
• Harnessing Perceptual Adversarial Patches for Crowd Counting [92.79051296850405]
  群衆のカウントは、物理的な世界の敵の例に弱い。 本稿では,モデル間での知覚的特徴の共有を学習するためのPAP(Perceptual Adrial Patch)生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-16T13:51:39Z)

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。