論文の概要: CALLM: Context-Aware Emotion Analysis in Cancer Survivors Using LLMs and Retrieval-Augmented Mobile Diaries

• arxiv url: http://arxiv.org/abs/2503.10707v1
• Date: Wed, 12 Mar 2025 18:36:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 13:08:58.022425
• Title: CALLM: Context-Aware Emotion Analysis in Cancer Survivors Using LLMs and Retrieval-Augmented Mobile Diaries
• Title（参考訳）: CALLM:LLMと検索型モバイル日記を用いたがん生存者の文脈認識感情分析
• Authors: Zhiyuan Wang, Katharine E. Daniel, Laura E. Barnes, Philip I. Chow,
• Abstract要約: CALLMは文脈対応の感情分析フレームワークで、がんの生き残りからモバイル日記のエントリを分析し、感情状態を予測する。 がん生存者の移動的時間的評価(EMA)の大規模データセットを収集した。 結果はCALLMの強いパフォーマンスを示し、バランスの取れたアキュラシーは72.96%、ネガティブな影響は73.29%、個人の感情を規制したいという欲求は73.72%に達した。
• 参考スコア（独自算出の注目度）: 11.00553400353042
• License:
• Abstract: Cancer survivors face unique emotional challenges that impact their quality of life. Mobile diary entries-short text entries recording through their phone about their emotional experiences-provide a promising method for tracking these experiences in real time. Although emotion analysis tools show potential for recognizing emotions from text, current methods lack the contextual understanding necessary to accurately interpret the brief, personal narratives in mobile diaries. We propose CALLM, a context-aware emotion analysis framework that leverages Large Language Models (LLMs) with Retrieval-Augmented Generation (RAG), to analyze mobile diary entries from cancer survivors to predict their emotional states. The framework enhances prediction accuracy beyond existing methods by (1) integrating retrieved peer experiences as contextual examples and (2) incorporating individuals' temporal emotional trajectories from their mobile diary entries. We collected a large-scale dataset (N=407) of cancer survivors' mobile ecological momentary assessments (EMAs), which assessed positive and negative affect, desire to regulate emotions, social interaction quality, and availability for interventions, alongside daily mobile diary entries in an open response format regarding what was driving their current emotional experience. Results demonstrate strong performance of CALLM, with balanced accuracies reaching 72.96% for positive and 73.29% for negative affect, and 73.72% for predicting individual's desire to regulate emotions. Post-hoc analysis reveals that leveraging model confidence, encouraging longer diary entries, and incorporating personal ground truth, further enhance predictive outcomes. Our findings support the feasibility of deploying LLM-powered emotion analysis in chronic health populations and suggest promising directions for personalized interventions for cancer survivors.
• Abstract（参考訳）: がんの生き残りは、自身の生活の質に影響を与えるユニークな感情的な課題に直面します。 モバイル・ダイアリー・エントリ・ショートテキスト・エントリは、感情的な体験をスマートフォンを通して記録し、これらの体験をリアルタイムで追跡する有望な方法を提供する。 感情分析ツールは、感情をテキストから認識する可能性を示しているが、現在の方法では、モバイル日記の短い個人的な物語を正確に解釈するために必要な文脈的理解が欠如している。 本研究では,Large Language Models (LLM) とRetrieval-Augmented Generation (RAG) を併用した文脈対応感情分析フレームワークであるCALLMを提案する。 本フレームワークは,(1)検索したピア体験を文脈的事例として統合し,(2)個人の時間的感情的軌跡を移動日記から取り入れることで,既存の手法を超えて予測精度を高める。 本研究は, がん生存者の情動的瞬間評価(EMA)の大規模データセット(N=407)を収集し, 感情の肯定的・否定的影響, 情動の調節, 社会的相互作用の質, 介入の可利用性について検討した。 結果はCALLMの強いパフォーマンスを示し、バランスの取れたアキュラシーは72.96%、ネガティブな影響は73.29%、個人の感情を規制したいという欲求は73.72%に達した。 ポストホック分析では、モデルの信頼性を活用し、より長い日記エントリを奨励し、個人的根拠の真実を取り入れ、予測結果をさらに強化することを明らかにする。 本研究は,LLMによる感情分析を慢性健常者に適用し,がん患者に対するパーソナライズされた介入の道筋を示唆するものである。

関連論文リスト

• Consistency of Responses and Continuations Generated by Large Language Models on Social Media [9.809922019554461]
  大規模言語モデル(LLM)は、テキスト生成において顕著な能力を示すが、ソーシャルメディアの文脈における感情的一貫性とセマンティック・コヒーレンス(セマンティック・コヒーレンス)は十分に理解されていない。 本研究では,2つのオープンソースモデル,Gemma と Llama を用いて,LLM が情緒的内容をどのように処理し,セマンティックな関係を維持するかを検討する。
  論文  参考訳（メタデータ） (2025-01-14T13:19:47Z)
• My Words Imply Your Opinion: Reader Agent-Based Propagation Enhancement for Personalized Implicit Emotion Analysis [11.628440499885238]
  本稿では,Personalized IEA(PIEA)とRAPPIEモデルについて紹介する。 我々は、読者のフィードバックをシミュレートするために、大きな言語モデルに基づくリーダーエージェントを作成する。 我々は、英語と中国語のソーシャルメディアをカバーする2つの新しいPIEAデータセットを構築した。
  論文  参考訳（メタデータ） (2024-12-10T10:06:46Z)
• Smile upon the Face but Sadness in the Eyes: Emotion Recognition based on Facial Expressions and Eye Behaviors [63.194053817609024]
  視覚行動は、視覚行動支援型マルチモーダル感情認識データセットを作成するための重要な感情的手がかりとなる。 EMERデータセットに感情認識(ER)と表情認識(FER)の両方のアノテーションを初めて提供する。 具体的には、ERとFERの両方のパフォーマンスを同時に向上する新しいEMERTアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2024-11-08T04:53:55Z)
• Predicting Affective States from Screen Text Sentiment [11.375704805270171]
  スマートフォンで見るテキストコンテンツを分析して感情状態を予測する可能性については、まだ解明されていない。 画面テキストと感情状態の関係を解析するために,線形回帰,ゼロショット,マルチショットを用いた。 以上の結果から,マルチショットプロンプトは線形回帰とゼロショットプロンプトの両方で著しく優れていた。
  論文  参考訳（メタデータ） (2024-08-23T05:25:11Z)
• Machine Learning-based NLP for Emotion Classification on a Cholera X Dataset [0.0]
  本研究の目的は,コレラに関するソーシャルメディア投稿で表現される感情を調べることである。 Python Nat-ural Language Toolkit (NLTK) の感情分析ライブラリを適用し、各テキストの感情的重要性を抑える。 その結果,LSTMの精度は75%であった。
  論文  参考訳（メタデータ） (2024-05-08T09:05:02Z)
• Enhancing Emotional Generation Capability of Large Language Models via Emotional Chain-of-Thought [50.13429055093534]
  大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。 本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
  論文  参考訳（メタデータ） (2024-01-12T16:42:10Z)
• Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
  人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
  論文  参考訳（メタデータ） (2023-11-16T06:20:13Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Artificial Intelligence for Emotion-Semantic Trending and People Emotion Detection During COVID-19 Social Isolation [16.318840178860142]
  本論文では,Twitter上で隔離された人の感情検出のための効果的なフレームワークを提案する。 本稿では,フレームワークの評価とパイロットシステムについて述べる。 新型コロナツイートのトピック傾向と感情検出のための提案フレームワークの有効性を確認した結果。
  論文  参考訳（メタデータ） (2021-01-16T17:20:33Z)

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。