論文の概要: Decoding Linguistic Nuances in Mental Health Text Classification Using Expressive Narrative Stories

• arxiv url: http://arxiv.org/abs/2412.16302v1
• Date: Fri, 20 Dec 2024 19:29:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 16:00:37.176416
• Title: Decoding Linguistic Nuances in Mental Health Text Classification Using Expressive Narrative Stories
• Title（参考訳）: 表現的ナラティブストーリーを用いたメンタルヘルステキスト分類における言語的ニュアンス
• Authors: Jinwen Tang, Qiming Guo, Yunxin Zhao, Yi Shang,
• Abstract要約: 本研究は,自己宣言型抑うつを伴う人や無関係の人からの表現的物語(ENS)に着目し,そのギャップを埋めるものである。 本研究は,従来の言語モデルに対する高度言語モデルであるBERTとMentalBERTの有用性を評価する。 BERT は ENS における話題単語の欠如に対して最小限の感度を示し,より深い言語的特徴を理解する能力に優れていたことを示唆した。
• 参考スコア（独自算出の注目度）: 5.091061468748012
• License:
• Abstract: Recent advancements in NLP have spurred significant interest in analyzing social media text data for identifying linguistic features indicative of mental health issues. However, the domain of Expressive Narrative Stories (ENS)-deeply personal and emotionally charged narratives that offer rich psychological insights-remains underexplored. This study bridges this gap by utilizing a dataset sourced from Reddit, focusing on ENS from individuals with and without self-declared depression. Our research evaluates the utility of advanced language models, BERT and MentalBERT, against traditional models. We find that traditional models are sensitive to the absence of explicit topic-related words, which could risk their potential to extend applications to ENS that lack clear mental health terminology. Despite MentalBERT is design to better handle psychiatric contexts, it demonstrated a dependency on specific topic words for classification accuracy, raising concerns about its application when explicit mental health terms are sparse (P-value<0.05). In contrast, BERT exhibited minimal sensitivity to the absence of topic words in ENS, suggesting its superior capability to understand deeper linguistic features, making it more effective for real-world applications. Both BERT and MentalBERT excel at recognizing linguistic nuances and maintaining classification accuracy even when narrative order is disrupted. This resilience is statistically significant, with sentence shuffling showing substantial impacts on model performance (P-value<0.05), especially evident in ENS comparisons between individuals with and without mental health declarations. These findings underscore the importance of exploring ENS for deeper insights into mental health-related narratives, advocating for a nuanced approach to mental health text analysis that moves beyond mere keyword detection.
• Abstract（参考訳）: NLPの最近の進歩は、メンタルヘルスの問題を示す言語的特徴を特定するために、ソーシャルメディアのテキストデータを分析することに大きな関心を喚起している。 しかし、表現的物語(en:Expressive Narrative Stories:ENS)の領域は、深く個人的で感情的な物語であり、豊富な心理学的洞察を与える。 この研究は、Redditから得られたデータセットを活用して、自己宣言型うつ病のある人やいない人からのENSに焦点を当てることで、このギャップを埋める。 本研究は,従来の言語モデルに対する高度言語モデルであるBERTとMentalBERTの有用性を評価する。 従来のモデルでは、明確なトピックに関連する単語がないことに敏感であり、明確なメンタルヘルス用語が欠如している ENS に応用を拡大する可能性を危険にさらす可能性がある。 MentalBERTは、精神医学的文脈をよりよく扱うように設計されているが、分類精度のために特定の話題語に依存することを実証し、明示的なメンタルヘルス用語がスパースである場合(P-value<0.05)、その適用に関する懸念を提起した。 対照的にBERTは、ENSにおけるトピックワードの欠如に対して最小限の感度を示し、より深い言語的特徴を理解する能力が優れていることを示唆し、現実世界のアプリケーションにとってより効果的である。 BERTとMentalBERTは、物語の順序が乱れた場合でも、言語ニュアンスを認識し、分類精度を維持することが優れている。 このレジリエンスは統計的に有意であり、特に心的健康宣言と非心的健康宣言とのens比較では、文シャッフルがモデル性能(P-value<0.05)に大きな影響を及ぼす。 これらの知見は、心的健康関連物語の深い洞察のためにENSを探索することの重要性を浮き彫りにし、単なるキーワード検出を超えた、心的健康テキスト分析への微妙なアプローチを提唱している。

関連論文リスト

• 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)
• Context is Important in Depressive Language: A Study of the Interaction Between the Sentiments and Linguistic Markers in Reddit Discussions [2.6571678272335717]
  本研究では,抑うつにおける言語マーカーと感情表現の文脈としての議論トピックの影響について検討した。 我々の感情分析では、抑うつ者の感情の強さは、コントロールよりも否定的感情と肯定的感情の両方が高いことが判明した。
  論文  参考訳（メタデータ） (2024-05-28T11:19:39Z)
• Your Model Is Not Predicting Depression Well And That Is Why: A Case Study of PRIMATE Dataset [0.0]
  ソーシャルメディアのテキストからNLPに基づく抑うつレベル推定に使用されるメンタルヘルスデータセットのアノテーションの品質について検討する。 本研究は,アノテーションの妥当性,特に関心の欠如や快楽症状に対する懸念を明らかにする。 Data Use Agreementの下でリリースされる当社の洗練されたアノテーションは、アンヘドニア検出のための高品質なテストセットを提供します。
  論文  参考訳（メタデータ） (2024-03-01T10:47:02Z)
• PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
  心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。 心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
  論文  参考訳（メタデータ） (2024-02-19T18:00:30Z)
• Reliability Analysis of Psychological Concept Extraction and Classification in User-penned Text [9.26840677406494]
  私たちはLoSTデータセットを使って、Redditユーザーの投稿に低い自尊心があることを示唆するニュアンスのあるテキストキューをキャプチャします。 以上の結果から, PLM の焦点を Trigger と Consequences からより包括的な説明に移行する必要性が示唆された。
  論文  参考訳（メタデータ） (2024-01-12T17:19:14Z)
• Mental Health Diagnosis in the Digital Age: Harnessing Sentiment Analysis on Social Media Platforms upon Ultra-Sparse Feature Content [3.6195994708545016]
  3次元構造を持つ新しい意味的特徴前処理手法を提案する。 強化されたセマンティック機能により、精神障害を予測および分類するために機械学習モデルを訓練する。 提案手法は,7つのベンチマークモデルと比較して,大幅な性能向上を示した。
  論文  参考訳（メタデータ） (2023-11-09T00:15:06Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• A Simple and Flexible Modeling for Mental Disorder Detection by Learning from Clinical Questionnaires [0.2580765958706853]
  そこで本研究では,テキストから直接意味を抽出し,症状に関連する記述と比較する手法を提案する。 詳細な分析により,提案モデルがドメイン知識の活用,他の精神疾患への伝達,解釈可能な検出結果の提供に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-05T15:23:55Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)

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。