論文の概要: Understanding Social Support Needs in Questions: A Hybrid Approach Integrating Semi-Supervised Learning and LLM-based Data Augmentation

• arxiv url: http://arxiv.org/abs/2503.17421v1
• Date: Fri, 21 Mar 2025 07:25:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:40:08.027274
• Title: Understanding Social Support Needs in Questions: A Hybrid Approach Integrating Semi-Supervised Learning and LLM-based Data Augmentation
• Title（参考訳）: 質問に対する社会的支援の必要性の理解:半教師付き学習とLLMに基づくデータ強化を統合したハイブリッドアプローチ
• Authors: Junwei Kuang, Liang Yang, Shaoze Cui, Weiguo Fan,
• Abstract要約: 社会支援のためのハイブリッド・アプローチ HA-SOS (Hybrid Approach for SOcial Support needs Classification) を新たに開発する。 HA-SOSは、回答強化半教師付き学習アプローチ、信頼性と多様性を考慮したサンプル選択機構を備えた大規模言語モデル(LLM)を活用したテキストデータ拡張技術、質問におけるソーシャルサポートのニーズを自動的にラベル付けするための統一的なトレーニングプロセスを統合する。 実際に、私たちのHA-SOSフレームワークは、オンラインのQ&Aプラットフォームマネージャと回答者に対して、ユーザのソーシャルサポートのニーズをよりよく理解し、タイムリーでパーソナライズされた回答と介入を提供することを可能にします。
• 参考スコア（独自算出の注目度）: 9.535629021196973
• License:
• Abstract: Patients are increasingly turning to online health Q&A communities for social support to improve their well-being. However, when this support received does not align with their specific needs, it may prove ineffective or even detrimental. This necessitates a model capable of identifying the social support needs in questions. However, training such a model is challenging due to the scarcity and class imbalance issues of labeled data. To overcome these challenges, we follow the computational design science paradigm to develop a novel framework, Hybrid Approach for SOcial Support need classification (HA-SOS). HA-SOS integrates an answer-enhanced semi-supervised learning approach, a text data augmentation technique leveraging large language models (LLMs) with reliability- and diversity-aware sample selection mechanism, and a unified training process to automatically label social support needs in questions. Extensive empirical evaluations demonstrate that HA-SOS significantly outperforms existing question classification models and alternative semi-supervised learning approaches. This research contributes to the literature on social support, question classification, semi-supervised learning, and text data augmentation. In practice, our HA-SOS framework facilitates online Q&A platform managers and answerers to better understand users' social support needs, enabling them to provide timely, personalized answers and interventions.
• Abstract（参考訳）: 患者は、健康改善のためのソーシャルサポートのために、オンライン健康Q&Aコミュニティに目を向けている。 しかし、この支援が特定のニーズと一致しない場合、効果がない、あるいは有害な場合もある。 これは、質問における社会的支援のニーズを識別できるモデルを必要とする。 しかし、ラベル付きデータの不足やクラス不均衡の問題により、そのようなモデルのトレーニングは困難である。 これらの課題を克服するために、我々は、新しいフレームワークであるHybrid Approach for SOcial Support needs classification (HA-SOS)を開発するために、計算設計科学パラダイムに従う。 HA-SOSは、回答強化半教師付き学習アプローチ、信頼性と多様性を考慮したサンプル選択機構を備えた大規模言語モデル(LLM)を活用したテキストデータ拡張技術、質問におけるソーシャルサポートのニーズを自動的にラベル付けするための統一的なトレーニングプロセスを統合する。 HA-SOSは既存の質問分類モデルや代替の半教師あり学習手法よりも大幅に優れていた。 本研究は,社会支援,質問分類,半教師付き学習,テキストデータ拡張に関する文献に貢献する。 実際に、私たちのHA-SOSフレームワークは、オンラインのQ&Aプラットフォームマネージャと回答者に対して、ユーザのソーシャルサポートのニーズをよりよく理解し、タイムリーでパーソナライズされた回答と介入を提供することを可能にします。

関連論文リスト

• How Good is ChatGPT in Giving Adaptive Guidance Using Knowledge Graphs in E-Learning Environments? [0.8999666725996978]
  本研究では,動的知識グラフを大規模言語モデル (LLM) と統合し,学習者を支援する手法を提案する。 この手法の中心は、学生がトピックの前提条件を理解する上での知識グラフの役割である。 予備的な知見から, 学生はこの連携支援の恩恵を受け, 理解の向上と課題成果の向上が期待できる。
  論文  参考訳（メタデータ） (2024-12-05T04:05:43Z)
• Understanding Student Sentiment on Mental Health Support in Colleges Using Large Language Models [5.3204794327005205]
  本稿では,学生音声調査データを用いて,大規模言語モデル(LLM)を用いたメンタルヘルス支援に対する学生の感情分析を行う。 従来の機械学習手法と最先端のLCMの両方の調査は、この新しいデータセット上でのGPT-3.5とBERTの最高のパフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-11-18T02:53:15Z)
• An Adaptive Framework for Generating Systematic Explanatory Answer in Online Q&A Platforms [62.878616839799776]
  質問応答(QA)性能を向上させるために設計された,革新的なフレームワークであるSynthRAGを提案する。 SynthRAGは動的コンテンツの構造化に適応的なアウトラインを用いることで従来のモデルを改善する。 Zhihuプラットフォーム上のオンラインデプロイメントでは、SynthRAGの回答が注目すべきユーザエンゲージメントを実現していることが明らかになった。
  論文  参考訳（メタデータ） (2024-10-23T09:14:57Z)
• SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.146311285410631]
  メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。 この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-17T22:04:32Z)
• SouLLMate: An Adaptive LLM-Driven System for Advanced Mental Health Support and Assessment, Based on a Systematic Application Survey [9.146311285410631]
  メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。 この研究は、最先端のAI技術を通じて、アクセス可能で、スティグマフリーで、パーソナライズされ、リアルタイムなメンタルヘルスサポートを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-06T17:11:29Z)
• Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems [62.252355444948904]
  本稿では,エッジインテリジェンス(EI)と社会学習(SL)の統合に関する文献レビューの結果について述べる。 SLは、エージェントの協調能力と集団知性を増幅することを目的とした、社会的原則と行動に基づく学習パラダイムである。 ソーシャル化アーキテクチャ、ソーシャル化トレーニング、ソーシャル化推論の3つの統合コンポーネントについて詳しく検討し、その強みと弱点を分析した。
  論文  参考訳（メタデータ） (2024-04-20T11:07:29Z)
• DeSIQ: Towards an Unbiased, Challenging Benchmark for Social Intelligence Understanding [60.84356161106069]
  複雑な社会的相互作用のビデオ上での複数選択質問のデータセットであるSocial-IQの健全性について検討する。 分析の結果,Social-IQにはある程度のバイアスがあり,適度に強い言語モデルによって活用できることがわかった。 ソーシャルIQに単純な摂動を適用して構築した,新たな挑戦的データセットであるDeSIQを紹介する。
  論文  参考訳（メタデータ） (2023-10-24T06:21:34Z)
• Survey of Social Bias in Vision-Language Models [65.44579542312489]
  調査の目的は、NLP、CV、VLをまたいだ事前学習モデルにおける社会バイアス研究の類似点と相違点について、研究者に高いレベルの洞察を提供することである。 ここで提示された発見とレコメンデーションはMLコミュニティの利益となり、公平でバイアスのないAIモデルの開発を促進する。
  論文  参考訳（メタデータ） (2023-09-24T15:34:56Z)
• Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
  我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。 また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。 次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
  論文  参考訳（メタデータ） (2023-08-17T10:49:18Z)
• SurveyLM: A platform to explore emerging value perspectives in augmented language models' behaviors [0.4724825031148411]
  本稿では,拡張言語モデル(ALM)の創発的アライメント行動を分析するプラットフォームであるSurveyLMについて述べる。 従来社会行動研究に用いられてきた調査・実験手法を応用し,ALMを体系的に評価する。 我々は,ALMの創発的行動に影響を与える要因に光を当てること,人間の意図や期待との整合性を促進すること,高度社会AIシステムの開発と展開に寄与することを目的としている。
  論文  参考訳（メタデータ） (2023-08-01T12:59:36Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)

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。