論文の概要: Psychological Health Knowledge-Enhanced LLM-based Social Network Crisis Intervention Text Transfer Recognition Method

• arxiv url: http://arxiv.org/abs/2504.07983v2
• Date: Mon, 14 Apr 2025 01:47:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:47:23.191266
• Title: Psychological Health Knowledge-Enhanced LLM-based Social Network Crisis Intervention Text Transfer Recognition Method
• Title（参考訳）: 心理保健知識を活用したLLMを用いたソーシャル・ネットワーク危機介入テキスト・トランスファー認識法
• Authors: Shurui Wu, Xinyi Huang, Dingxin Lu,
• Abstract要約: 本研究では,大規模言語モデル(LLM)を用いたソーシャル・ネットワーク危機介入のためのテキスト・トランスファー認識手法を提案する。 本稿では、BERTを用いた転帰学習を取り入れた多段階フレームワークを提案し、メンタルヘルス知識、感情分析、行動予測技術を統合する。
• 参考スコア（独自算出の注目度）: 5.906696389239875
• License:
• Abstract: As the prevalence of mental health crises increases on social media platforms, identifying and preventing potential harm has become an urgent challenge. This study introduces a large language model (LLM)-based text transfer recognition method for social network crisis intervention, enhanced with domain-specific mental health knowledge. We propose a multi-level framework that incorporates transfer learning using BERT, and integrates mental health knowledge, sentiment analysis, and behavior prediction techniques. The framework includes a crisis annotation tool trained on social media datasets from real-world events, enabling the model to detect nuanced emotional cues and identify psychological crises. Experimental results show that the proposed method outperforms traditional models in crisis detection accuracy and exhibits greater sensitivity to subtle emotional and contextual variations.
• Abstract（参考訳）: ソーシャルメディアプラットフォーム上でメンタルヘルスの危機が高まるにつれ、潜在的な危害の特定と予防が緊急の課題となっている。 本研究では,大規模言語モデル(LLM)を用いたソーシャル・ネットワーク危機介入のためのテキスト・トランスファー認識手法を提案する。 本稿では、BERTを用いた転帰学習を取り入れた多段階フレームワークを提案し、メンタルヘルス知識、感情分析、行動予測技術を統合する。 このフレームワークには、現実世界のイベントからソーシャルメディアデータセットに基づいてトレーニングされた危機アノテーションツールが含まれており、モデルが微妙な感情的な手がかりを検出し、心理的危機を特定することができる。 実験の結果,提案手法は危機検出精度において従来のモデルよりも優れており,微妙な感情的・文脈的変動に対して高い感度を示すことがわかった。

関連論文リスト

• Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
  精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。 近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。 データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
  論文  参考訳（メタデータ） (2025-02-01T15:10:02Z)
• CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
  本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。 本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。 この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
  論文  参考訳（メタデータ） (2024-06-16T23:01:10Z)
• EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
  この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。 言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
  論文  参考訳（メタデータ） (2024-03-28T10:31:09Z)
• Detecting mental disorder on social media: a ChatGPT-augmented explainable approach [1.6777183511743472]
  デジタル時代には、ソーシャルメディア上で表現されるうつ病症状の流行が深刻な懸念を抱いている。 本稿では,Large Language Models(LLM)とeXplainable Artificial Intelligence(XAI)とChatGPTのような対話エージェントを効果的に組み合わせた新しい手法を提案する。 説明は、Twitter固有のBERTの変種であるBERTweetを、新しい自己説明モデル、BERT-XDDに統合することで達成される。 ChatGPTを使用して解釈可能性をさらに強化し、技術的説明を人間可読な注釈に変換する。
  論文  参考訳（メタデータ） (2024-01-30T22:22:55Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• An Annotated Dataset for Explainable Interpersonal Risk Factors of Mental Disturbance in Social Media Posts [0.0]
  ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。 我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
  論文  参考訳（メタデータ） (2023-05-30T04:08:40Z)
• Causal Categorization of Mental Health Posts using Transformers [0.0]
  既存のメンタルヘルス分析研究は、ソーシャルメディアに対するユーザの意図を分類するために、横断的な研究を中心に展開されている。 詳細な分析では,因果分類の問題を解くために既存の分類器について検討する。 本研究では, トランスフォーマーモデルを用いて, トレーニング済みのトランスファー学習の有効性を「CAMS」データセット上で実証する。
  論文  参考訳（メタデータ） (2023-01-06T16:37:48Z)
• Towards Knowledge-based Mining of Mental Disorder Patterns from Textual Data [0.0]
  メンタルヘルス障害は、すべての国の経済と健康に深刻な影響をもたらす可能性がある。 精神疾患の早期徴候の特定は不可欠である。 例えば、うつ病は個人の自殺リスクを高める可能性がある。
  論文  参考訳（メタデータ） (2022-07-07T10:04:43Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation [75.3147962600095]
  通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。 心理学者との連携により,精神症状予測の枠組みを拡張した。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
  論文  参考訳（メタデータ） (2020-10-30T18:45:16Z)

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。