Fugu-MT 論文翻訳(概要): Explainable Depression Detection using Masked Hard Instance Mining

論文の概要: Explainable Depression Detection using Masked Hard Instance Mining

arxiv url: http://arxiv.org/abs/2505.24609v1
Date: Fri, 30 May 2025 14:01:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-02 19:47:52.983551
Title: Explainable Depression Detection using Masked Hard Instance Mining
Title（参考訳）: Masked Hard Instance Mining を用いた説明可能な圧縮検出
Authors: Patawee Prakrankamanant, Shinji Watanabe, Ekapol Chuangsuwanich,
Abstract要約: うつ病検出タスクにおける説明可能性を高めるため,マスケッドハード・インスタンス・マイニング(MHIM)を提案する。 MHIMは、モデル内の注意重みを戦略的に隠蔽し、より広範囲の有能な特徴に注意を分散させる。以上の結果から,MHIMは予測精度と説明可能性の両方の観点から性能を著しく向上することが示された。
参考スコア（独自算出の注目度）: 38.65226446853377
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper addresses the critical need for improved explainability in text-based depression detection. While offering predictive outcomes, current solutions often overlook the understanding of model predictions which can hinder trust in the system. We propose the use of Masked Hard Instance Mining (MHIM) to enhance the explainability in the depression detection task. MHIM strategically masks attention weights within the model, compelling it to distribute attention across a wider range of salient features. We evaluate MHIM on two datasets representing distinct languages: Thai (Thai-Maywe) and English (DAIC-WOZ). Our results demonstrate that MHIM significantly improves performance in terms of both prediction accuracy and explainability metrics.
Abstract（参考訳）: 本稿では,テキストによる抑うつ検出における説明可能性の向上の必要性について論じる。予測結果を提供する一方で、現在のソリューションはしばしば、システムに対する信頼を妨げるモデル予測の理解を見落としている。うつ病検出タスクにおける説明可能性を高めるため,マスケッドハード・インスタンス・マイニング(MHIM)を提案する。 MHIMは、モデル内の注意重みを戦略的に隠蔽し、より広範囲の有能な特徴に注意を分散させる。タイ語 (Thai-Maywe) と英語 (DAIC-WOZ) の2つの異なる言語を表すデータセット上でMHIMを評価する。以上の結果から,MHIMは予測精度と説明可能性の両方の観点から性能を著しく向上することが示された。

関連論文リスト

Hallucination Detection in LLMs with Topological Divergence on Attention Graphs [64.74977204942199]
幻覚(Halucination)、すなわち、事実的に誤ったコンテンツを生成することは、大きな言語モデルにとって重要な課題である。本稿では,TOHA (Topology-based HAllucination detector) をRAG設定に導入する。
論文参考訳（メタデータ） (2025-04-14T10:06:27Z)
Rethinking Vision-Language Model in Face Forensics: Multi-Modal Interpretable Forged Face Detector [21.19305310480085]
ディープフェイク検出(Deepfake detection)は、悪意のある誤報の拡散を緩和するための、長年にわたって確立されてきた研究テーマである。同時に両方を生成できる新しい方法を提案する。提案手法は,事前学習したCLIPのマルチモーダル学習能力と,大規模言語モデルの前例のない解釈可能性を利用する。
論文参考訳（メタデータ） (2025-03-26T03:28:46Z)
Generating Medically-Informed Explanations for Depression Detection using LLMs [1.325953054381901]
ソーシャルメディアデータからうつ病を早期に検出することは、タイムリーな介入の貴重な機会となる。本稿では,LLM-MTD(Large Language Model for Multi-Task Depression Detection)を提案する。
論文参考訳（メタデータ） (2025-03-18T19:23:22Z)
Your Language Model May Think Too Rigidly: Achieving Reasoning Consistency with Symmetry-Enhanced Training [66.48331530995786]
我々は、文脈から有用な情報を抽出する能力を向上させるデータ中心のアプローチであるsyMmetry-ENhanceD (MEND) Data Augmentationを提案する。推論連鎖の増大を強調する既存の手法とは異なり,本手法は知識抽出段階におけるモデルロバスト性を向上させる。論理的および算術的推論タスクの実験は、MENDが様々なクエリのバリエーションで推論性能を向上させることを示している。
論文参考訳（メタデータ） (2025-02-25T03:03:35Z)
Mask-Enhanced Autoregressive Prediction: Pay Less Attention to Learn More [26.226145789963443]
Mask-Enhanced Autoregressive Prediction (MEAP)は、MLM(Masked Language Modeling)をNTP(Next-Token Prediction)にシームレスに統合する訓練パラダイムである。集中的な実験では、MEAPはキー情報検索と長文推論タスクにおいてNTPを大幅に上回っている。分析の結果,MEAPの有効性は,非マスキングトークンの少ないセットに集中することにより,より目立たしい注意点の獲得に寄与することが示唆された。
論文参考訳（メタデータ） (2025-02-11T11:49:03Z)
Enhancing and Exploring Mild Cognitive Impairment Detection with W2V-BERT-2.0 [1.3988930016464454]
本研究では、TAUKADIALクロスランガルデータセットを用いて、軽度認知障害(MCI)を検出するための多言語音声自己教師学習モデルについて検討する。これらの課題に対処するために,W2V-BERT-2.0を用いた発話から直接特徴を利用する。この実験は競争力のある結果を示し、提案した推論ロジックはベースラインの改善に大きく貢献する。
論文参考訳（メタデータ） (2025-01-27T16:55:38Z)
Chain-of-Thought Prompting for Demographic Inference with Large Multimodal Models [58.58594658683919]
大規模マルチモーダルモデル (LMM) は、様々な研究課題において変換可能性を示している。以上の結果から,LMMはゼロショット学習,解釈可能性,未修正入力の処理に長所があることが示唆された。本稿では,目標外予測問題を効果的に緩和するChain-of-Thought拡張プロンプト手法を提案する。
論文参考訳（メタデータ） (2024-05-24T16:26:56Z)
Hard Patches Mining for Masked Image Modeling [52.46714618641274]
マスク付き画像モデリング(MIM)は、スケーラブルな視覚表現を学習する有望な可能性から、多くの研究の注目を集めている。我々はMIM事前学習のための新しいフレームワークであるHPM(Hard Patches Mining)を提案する。
論文参考訳（メタデータ） (2023-04-12T15:38:23Z)
Improving the Adversarial Robustness of NLP Models by Information Bottleneck [112.44039792098579]
非破壊機能は敵によって容易に操作でき、NLPモデルを騙すことができる。本研究では,情報ボトルネック理論を用いて,タスク固有のロバストな特徴を捕捉し,非ロバストな特徴を除去する可能性を検討する。情報ボトルネックに基づく手法を用いてトレーニングしたモデルでは,ロバストな精度で大幅な改善が達成できることを示す。
論文参考訳（メタデータ） (2022-06-11T12:12:20Z)
Dual Decomposition of Convex Optimization Layers for Consistent Attention in Medical Images [12.844658658362325]
医学における機械学習モデルの統合における主要な関心事は、推論を解釈する能力である。共起層間の一貫した解釈を行う多層アテンション機構を提案する。提案手法は,弱い注釈付き医用画像データを活用し,モデルの予測に対する完全かつ忠実な説明を提供する。
論文参考訳（メタデータ） (2022-06-06T17:38:00Z)
Understanding and Mitigating the Uncertainty in Zero-Shot Translation [92.25357943169601]
ゼロショット翻訳の不確実性の観点から、オフターゲット問題を理解し、緩和することを目的としている。そこで本研究では,モデルトレーニングのためのトレーニングデータを認知するための,軽量かつ補完的な2つのアプローチを提案する。提案手法は,強いMNMTベースライン上でのゼロショット翻訳の性能を著しく向上させる。
論文参考訳（メタデータ） (2022-05-20T10:29:46Z)
Multilingual Multi-Aspect Explainability Analyses on Machine Reading Comprehension Models [76.48370548802464]
本稿では,マルチヘッド自己注意と最終MRCシステム性能の関係を検討するために,一連の解析実験を実施することに焦点を当てる。問合せ及び問合せ理解の注意が問合せプロセスにおいて最も重要なものであることが判明した。包括的可視化とケーススタディを通じて、注意マップに関するいくつかの一般的な知見も観察し、これらのモデルがどのように問題を解くかを理解するのに役立ちます。
論文参考訳（メタデータ） (2021-08-26T04:23:57Z)

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。