論文の概要: Deep Learning and Large Language Models for Audio and Text Analysis in Predicting Suicidal Acts in Chinese Psychological Support Hotlines
- arxiv url: http://arxiv.org/abs/2409.06164v1
- Date: Tue, 10 Sep 2024 02:22:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 19:20:45.965470
- Title: Deep Learning and Large Language Models for Audio and Text Analysis in Predicting Suicidal Acts in Chinese Psychological Support Hotlines
- Title（参考訳）: 中国の心理支援ホットラインにおける適切な行為予測における深層学習と音声・テキスト分析のための大規模言語モデル
- Authors: Yining Chen, Jianqiang Li, Changwei Song, Qing Zhao, Yongsheng Tong, Guanghui Fu,
- Abstract要約: 中国では毎年200万人が自殺を企てており、多くの人が複数の試みをしている。
深層学習モデルと大規模言語モデル(LLM)がメンタルヘルスの分野に導入されている。
本研究は、1284名の被験者を対象とし、ディープラーニングモデルとLLMが、ホットラインからの音声および転写テキストを用いて、自殺リスクを効果的に予測できるかどうかを検証するように設計された。
- 参考スコア（独自算出の注目度）: 13.59130559079134
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Suicide is a pressing global issue, demanding urgent and effective preventive interventions. Among the various strategies in place, psychological support hotlines had proved as a potent intervention method. Approximately two million people in China attempt suicide annually, with many individuals making multiple attempts. Prompt identification and intervention for high-risk individuals are crucial to preventing tragedies. With the rapid advancement of artificial intelligence (AI), especially the development of large-scale language models (LLMs), new technological tools have been introduced to the field of mental health. This study included 1284 subjects, and was designed to validate whether deep learning models and LLMs, using audio and transcribed text from support hotlines, can effectively predict suicide risk. We proposed a simple LLM-based pipeline that first summarizes transcribed text from approximately one hour of speech to extract key features, and then predict suicidial bahaviours in the future. We compared our LLM-based method with the traditional manual scale approach in a clinical setting and with five advanced deep learning models. Surprisingly, the proposed simple LLM pipeline achieved strong performance on a test set of 46 subjects, with an F1 score of 76\% when combined with manual scale rating. This is 7\% higher than the best speech-based deep learning models and represents a 27.82\% point improvement in F1 score compared to using the manual scale apporach alone. Our study explores new applications of LLMs and demonstrates their potential for future use in suicide prevention efforts.
- Abstract（参考訳）: 自殺は世界的な問題であり、緊急かつ効果的な予防介入を要求している。
様々な戦略の中で、心理的支援ホットラインは強力な介入方法として証明されていた。
中国では毎年200万人が自殺を企てており、多くの人が複数の試みをしている。
リスクの高い個人に対する迅速な識別と介入は、悲劇を防ぐために不可欠である。
人工知能(AI)の急速な進歩、特に大規模言語モデル(LLM)の開発により、メンタルヘルス分野に新しい技術が導入された。
本研究は、1284名の被験者を対象とし、ディープラーニングモデルとLLMが、ホットラインからの音声および転写テキストを用いて、自殺リスクを効果的に予測できるかどうかを検証するように設計された。
そこで我々は,まず約1時間の音声から書き起こされたテキストを要約し,重要な特徴を抽出し,将来的な自殺行動を予測する,シンプルなLCMベースのパイプラインを提案する。
従来の手作業による手作業によるアプローチと,5つの高度なディープラーニングモデルとの比較を行った。
意外なことに、提案された単純なLCMパイプラインは、46人の被験者によるテストセットにおいて、手動のスケール評価と組み合わせてF1スコアが76\%の強い性能を達成した。
これは、最高の音声ベースのディープラーニングモデルよりも7倍高く、手動のスケールアポラッハのみを使用する場合と比較して、F1スコアの27.82倍のポイント改善を示している。
本研究は, LLMの新たな応用を探求し, 今後の自殺予防対策の可能性を示すものである。
関連論文リスト
- An Exploratory Deep Learning Approach for Predicting Subsequent Suicidal Acts in Chinese Psychological Support Hotlines [13.59130559079134]
自殺リスク評価のためのスケールベースの予測手法の精度は、オペレーターの専門性によって大きく異なる可能性がある。
本研究は,中国における自殺リスクを予測するために,長期音声データにディープラーニングを適用した最初の事例である。
論文 参考訳（メタデータ） (2024-08-29T11:51:41Z) - 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) - Adapting Mental Health Prediction Tasks for Cross-lingual Learning via Meta-Training and In-context Learning with Large Language Model [3.3590922002216193]
モデルに依存しないメタラーニングと,このギャップに対処するために大規模言語モデル(LLM)を活用する。
まず,自己超越型メタラーニングモデルを適用し,迅速な適応と言語間移動のためのモデル初期化を改良する。
並行して、LLMのインコンテキスト学習機能を用いて、スワヒリのメンタルヘルス予測タスクにおけるパフォーマンスの精度を評価する。
論文 参考訳（メタデータ） (2024-04-13T17:11:35Z) - Locally Differentially Private Document Generation Using Zero Shot
Prompting [61.20953109732442]
本稿では,DP-Prompt と呼ばれる局所的に異なるプライベートなメカニズムを提案し,作者の匿名化攻撃に対処する。
DP-PromptをChatGPT(gpt-3.5)のような強力な言語モデルで使用すると、匿名化攻撃の成功率の顕著な低下が観察される。
論文 参考訳（メタデータ） (2023-10-24T18:25:13Z) - Automatically measuring speech fluency in people with aphasia: first
achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文 参考訳（メタデータ） (2023-08-09T07:51:40Z) - Principle-Driven Self-Alignment of Language Models from Scratch with
Minimal Human Supervision [84.31474052176343]
ChatGPTのような最近のAIアシスタントエージェントは、人間のアノテーションと人間のフィードバックからの強化学習を教師付き微調整(SFT)に頼り、アウトプットを人間の意図に合わせる。
この依存は、人間の監督を得るために高いコストがかかるため、AIアシスタントエージェントの真の可能性を大幅に制限することができる。
本稿では,AIエージェントの自己調整と人間監督の最小化のために,原則駆動推論とLLMの生成能力を組み合わせたSELF-ALIGNという新しいアプローチを提案する。
論文 参考訳（メタデータ） (2023-05-04T17:59:28Z) - Detecting Suicide Risk in Online Counseling Services: A Study in a
Low-Resource Language [5.2636083103718505]
本稿では,PLM(Pre-trained Language Model)と手作業による自殺的手がかりの固定セットを組み合わせたモデルを提案する。
我々のモデルは0.91ROC-AUCと0.55のF2スコアを達成し、会話の早い段階でも強いベースラインをはるかに上回っている。
論文 参考訳（メタデータ） (2022-09-11T10:06:14Z) - Neuro-Symbolic Causal Language Planning with Commonsense Prompting [67.06667162430118]
言語プランニングは、より単純な低レベルステップに分解することで、複雑な高レベルな目標を実装することを目的としている。
以前の手法では、大規模な言語モデルからそのような能力を得るために、手動の例えか注釈付きプログラムが必要である。
本稿では,LLMからの手続き的知識をコモンセンス・インフュージョン・プロンプトにより引き起こすニューロシンボリック因果言語プランナー(CLAP)を提案する。
論文 参考訳（メタデータ） (2022-06-06T22:09:52Z) - 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) - Membership Inference Attacks Against Self-supervised Speech Models [62.73937175625953]
連続音声における自己教師付き学習(SSL)が注目されている。
ブラックボックスアクセス下でのMIA(Commanship Inference Attacks)を用いたSSL音声モデルに対する最初のプライバシ分析を行う。
論文 参考訳（メタデータ） (2021-11-09T13:00:24Z) - A Machine Learning Approach to Detect Suicidal Ideation in US Veterans
Based on Acoustic and Linguistic Features of Speech [1.402448064801195]
機械学習パイプラインにおける音声分析は、獣医の自殺を検知するための有望なアプローチである。
本研究では,機械学習パイプラインにおける音声分析が,獣医の自殺を検知するための有望なアプローチであることを示す。
論文 参考訳（メタデータ） (2020-09-14T00:01:45Z)
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。