Fugu-MT 論文翻訳(概要): Just a Scratch: Enhancing LLM Capabilities for Self-harm Detection through Intent Differentiation and Emoji Interpretation

論文の概要: Just a Scratch: Enhancing LLM Capabilities for Self-harm Detection through Intent Differentiation and Emoji Interpretation

arxiv url: http://arxiv.org/abs/2506.05073v1
Date: Thu, 05 Jun 2025 14:19:48 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-06 21:53:49.752926
Title: Just a Scratch: Enhancing LLM Capabilities for Self-harm Detection through Intent Differentiation and Emoji Interpretation
Title（参考訳）: Just a Scratch: Intent Differentiation と Emoji Interpretation による自己損傷検出のためのLCM機能強化
Authors: Soumitra Ghosh, Gopendra Vikram Singh, Shambhavi, Sabarna Choudhury, Asif Ekbal,
Abstract要約: ソーシャルメディア上でのセルフハーム検出は、早期介入とメンタルヘルス支援に不可欠である。現在の大きな言語モデル(LLM)は、カジュアルな言語や絵文字で暗黙の手がかりを解釈するのに苦労している。本研究は, 言語-絵文字間相互作用による意図の識別により, LLMの自己修復に対する理解を深める。
参考スコア（独自算出の注目度）: 19.15171179715556
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Self-harm detection on social media is critical for early intervention and mental health support, yet remains challenging due to the subtle, context-dependent nature of such expressions. Identifying self-harm intent aids suicide prevention by enabling timely responses, but current large language models (LLMs) struggle to interpret implicit cues in casual language and emojis. This work enhances LLMs' comprehension of self-harm by distinguishing intent through nuanced language-emoji interplay. We present the Centennial Emoji Sensitivity Matrix (CESM-100), a curated set of 100 emojis with contextual self-harm interpretations and the Self-Harm Identification aNd intent Extraction with Supportive emoji sensitivity (SHINES) dataset, offering detailed annotations for self-harm labels, casual mentions (CMs), and serious intents (SIs). Our unified framework: a) enriches inputs using CESM-100; b) fine-tunes LLMs for multi-task learning: self-harm detection (primary) and CM/SI span detection (auxiliary); c) generates explainable rationales for self-harm predictions. We evaluate the framework on three state-of-the-art LLMs-Llama 3, Mental-Alpaca, and MentalLlama, across zero-shot, few-shot, and fine-tuned scenarios. By coupling intent differentiation with contextual cues, our approach commendably enhances LLM performance in both detection and explanation tasks, effectively addressing the inherent ambiguity in self-harm signals. The SHINES dataset, CESM-100 and codebase are publicly available at: https://www.iitp.ac.in/~ai-nlp-ml/resources.html#SHINES .
Abstract（参考訳）: ソーシャルメディア上でのセルフハーム検出は、早期介入やメンタルヘルス支援において重要であるが、そのような表現の微妙で文脈に依存した性質のため、依然として困難である。自傷意図の同定は、タイムリーな応答を可能にすることで自殺予防に役立つが、現在の大きな言語モデル(LLM)は、カジュアルな言語や絵文字の暗黙の手がかりを解釈するのに苦労している。本研究は, 言語-絵文字間相互作用による意図の識別により, LLMの自己修復に対する理解を深める。 Centennial Emoji Sensitivity Matrix (CESM-100) は、文脈的自己調和解釈を備えた100の絵文字と、自己調和識別aNdインテント抽出(SHINES)データセットを用いて、自己調和ラベル、カジュアルな言及(CM)、真剣な意図(SI)の詳細なアノテーションを提供する。統一されたフレームワーク。 a) CESM-100を用いて入力を豊かにする。 b) マルチタスク学習のための微調整LDM: 自己損傷検出(一次)及びCM/SIスパン検出(補助) c) 自己害予測のための説明可能な合理性を生成する。我々は、ゼロショット、少数ショット、微調整のシナリオで、最先端のLLMs-Llama 3、Mental-Alpaca、MentalLlamaの3つのフレームワークを評価した。文脈的手がかりと意図の区別を結合することにより,本手法は検出タスクと説明タスクの両方においてLLM性能を向上し,自己調和信号の固有曖昧性に効果的に対処する。 ShiNESデータセット、CESM-100、コードベースは、https://www.iitp.ac.in/~ai-nlp-ml/resources.html#SHINESで公開されている。

関連論文リスト

Interpreting and Steering LLMs with Mutual Information-based Explanations on Sparse Autoencoders [29.356200147371275]
大きな言語モデル(LLM)は人間のクエリを扱うのに優れていますが、時に欠陥や予期せぬ応答を生成することができます。特徴解釈と相互情報に基づく目的設計のための固定語彙集合を提案する。そこで本研究では,学習した機能アクティベーションを,対応する説明に基づいて調整する2つの実行時ステアリング戦略を提案する。
論文参考訳（メタデータ） (2025-02-21T16:36:42Z)
Figurative-cum-Commonsense Knowledge Infusion for Multimodal Mental Health Meme Classification [12.953830867972885]
我々は,ミームを6つのきめ細かい不安症状に分類する新しいデータセットAxiOMを紹介した。次に、図形言語と常識知識を解釈する能力を高めるために、コモンセンスとドメイン富化フレームワークM3Hを提案する。総合的な目標は、まず最初に理解し、それからミームで表されるメンタルヘルスの症状を分類することである。
論文参考訳（メタデータ） (2025-01-25T20:36:21Z)
WhiSPA: Semantically and Psychologically Aligned Whisper with Self-Supervised Contrastive and Student-Teacher Learning [6.287362888070063]
本研究は,後続のテキスト-LMが不要となるような音声モデルにおけるLMの改善手法を提案する。本稿では,教師としての言語モデル埋め込みによる対照的な損失という,新たな学習目標を生かしたWhiSPAを紹介する。
論文参考訳（メタデータ） (2025-01-15T06:30:17Z)
Knowing Where to Focus: Attention-Guided Alignment for Text-based Person Search [64.15205542003056]
本稿では,AGM(Atention-Guided Mask)モデリングとTEM(Text Enrichment Module)という,2つの革新的なコンポーネントを備えたAGA(Atention-Guided Alignment)フレームワークを紹介する。 AGA は CUHK-PEDES と ICFG-PEDES と RSTP でそれぞれ78.36%、67.31%、67.4% に達した。
論文参考訳（メタデータ） (2024-12-19T17:51:49Z)
Mitigating Hallucinations of Large Language Models in Medical Information Extraction via Contrastive Decoding [92.32881381717594]
医療情報抽出タスクにおける幻覚の問題を解決するために,ALCD(ALternate Contrastive Decoding)を導入する。 ALCDは, 従来の復号法に比べて幻覚の解消に有意な改善が見られた。
論文参考訳（メタデータ） (2024-10-21T07:19:19Z)
SelfIE: Self-Interpretation of Large Language Model Embeddings [36.801959204164504]
SelfIEは、大きな言語モデルが自身の組み込みを自然言語で解釈できるフレームワークである。 SelfIEは倫理的判断、インジェクションの内在化、有害な知識のリコールなどのケースにおける内部的推論を明らかにする。そこで我々は,個々のレイヤの勾配だけを必要としながら,オープンな概念を編集できるSupervised Controlを提案する。
論文参考訳（メタデータ） (2024-03-16T15:30:34Z)
Tuning-Free Accountable Intervention for LLM Deployment -- A Metacognitive Approach [55.613461060997004]
大規模言語モデル(LLM)は、自然言語処理タスクの幅広い領域にわたる変換的進歩を触媒している。我々は,自己認識型誤り識別と訂正機能を備えたLLMを実現するために,textbfCLEARと呼ばれる革新的なテキストメタ認知手法を提案する。
論文参考訳（メタデータ） (2024-03-08T19:18:53Z)
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)
WatME: Towards Lossless Watermarking Through Lexical Redundancy [58.61972059246715]
本研究では,認知科学レンズを用いた大規模言語モデル(LLM)の異なる機能に対する透かしの効果を評価する。透かしをシームレスに統合するための相互排他型透かし(WatME)を導入する。
論文参考訳（メタデータ） (2023-11-16T11:58:31Z)
Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
論文参考訳（メタデータ） (2023-05-30T22:05:11Z)
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。