論文の概要: Leveraging Large Language Models for Spontaneous Speech-Based Suicide Risk Detection

• arxiv url: http://arxiv.org/abs/2507.00693v1
• Date: Tue, 01 Jul 2025 11:45:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.612662
• Title: Leveraging Large Language Models for Spontaneous Speech-Based Suicide Risk Detection
• Title（参考訳）: 音声認識に基づく自殺リスク検出のための大規模言語モデルの導入
• Authors: Yifan Gao, Jiao Fu, Long Guo, Hong Liu,
• Abstract要約: 第1回SpeechWellness Challenge(SW1)における研究成果について紹介する。 提案手法は,従来の音響的特徴や意味的特徴と並行して,特徴抽出のための主要なツールとして大規模言語モデル(LLM)を利用する。 提案手法は,テストセット上で74%の精度を達成し,SW1チャレンジで第1位となった。
• 参考スコア（独自算出の注目度）: 9.318519005619583
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Early identification of suicide risk is crucial for preventing suicidal behaviors. As a result, the identification and study of patterns and markers related to suicide risk have become a key focus of current research. In this paper, we present the results of our work in the 1st SpeechWellness Challenge (SW1), which aims to explore speech as a non-invasive and easily accessible mental health indicator for identifying adolescents at risk of suicide.Our approach leverages large language model (LLM) as the primary tool for feature extraction, alongside conventional acoustic and semantic features. The proposed method achieves an accuracy of 74\% on the test set, ranking first in the SW1 challenge. These findings demonstrate the potential of LLM-based methods for analyzing speech in the context of suicide risk assessment.
• Abstract（参考訳）: 自殺リスクの早期発見は自殺行為の予防に不可欠である。 その結果、自殺リスクに関連するパターンやマーカーの同定と研究が、現在研究の中心となっている。 本稿では,自殺リスクのある青年を識別するための,非侵襲的でアクセスしやすい精神保健指標としての音声の探索を目的とした第1回音声ウェルネスチャレンジ(SW1)において,我々の研究成果を報告する。 提案手法は,テストセット上で74\%の精度を達成し,SW1チャレンジで第1位となった。 これらの結果から, 自殺リスク評価の文脈におけるLLMに基づく音声分析手法の可能性が示唆された。

関連論文リスト

• Naturalistic Language-related Movie-Watching fMRI Task for Detecting Neurocognitive Decline and Disorder [60.84344168388442]
  言語関連機能的磁気共鳴画像(fMRI)は,認知機能低下と早期NCDの検出に有望なアプローチである。 香港在住の高齢者97名を対象に,この課題の有効性について検討した。 本研究は、加齢に伴う認知低下とNCDの早期発見のための自然言語関連fMRIタスクの可能性を示した。
  論文  参考訳（メタデータ） (2025-06-10T16:58:47Z)
• Language-Agnostic Suicidal Risk Detection Using Large Language Models [9.90722058486037]
  本研究では,大規模言語モデル(LLM)を用いた自殺リスク評価のための新しい言語非依存フレームワークを提案する。 ASRモデルを用いて音声から中国語の書き起こしを生成し、その後、これらの書き起こしから自殺リスクに関連する特徴を抽出するために、プロンプトベースのクエリを用いたLLMを用いる。 実験結果から,ASRによる直接微調整や,中国の自殺リスク関連機能のみを訓練したモデルに比較して,本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2025-05-26T15:12:10Z)
• Evidence-Driven Marker Extraction for Social Media Suicide Risk Detection [0.0]
  本稿では,臨床マーカー抽出と自殺リスク分類の新しいアプローチであるEvidence-Driven LLM (ED-LLM)を紹介する。 ED-LLMはマルチタスク学習フレームワークを採用し、Mistral-7Bベースのモデルを共同でトレーニングし、臨床マーカーの範囲を特定し、自殺リスクレベルを分類する。
  論文  参考訳（メタデータ） (2025-02-26T04:58:03Z)
• Spontaneous Speech-Based Suicide Risk Detection Using Whisper and Large Language Models [5.820498448651539]
  本稿では,青年期における自発音声による自殺リスクの自動検出について検討する。 提案システムでは,被験者119名を対象に,検出精度0.807とF1スコア0.846を実現する。
  論文  参考訳（メタデータ） (2024-06-06T09:21:13Z)
• SOS-1K: A Fine-grained Suicide Risk Classification Dataset for Chinese Social Media Analysis [22.709733830774788]
  本研究では,自殺リスクの詳細な分類を目的とした,中国のソーシャルメディアデータセットを提案する。 事前訓練した7つのモデルについて, 自殺リスクが高い, 自殺リスクが少ない, 自殺リスクの細かい分類が0～10の2つのタスクで評価された。 ディープラーニングモデルは高い自殺リスクと低い自殺リスクを区別する上で優れた性能を示し、最良のモデルはF1スコア88.39%である。
  論文  参考訳（メタデータ） (2024-04-19T06:58:51Z)
• Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
  自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。 我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。 我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
  論文  参考訳（メタデータ） (2024-04-18T12:33:57Z)
• DPP-Based Adversarial Prompt Searching for Lanugage Models [56.73828162194457]
  Auto-Regressive Selective Replacement Ascent (ASRA)は、決定点プロセス(DPP)と品質と類似性の両方に基づいてプロンプトを選択する離散最適化アルゴリズムである。 6種類の事前学習言語モデルに対する実験結果から,ASRAによる有害成分の抽出の有効性が示された。
  論文  参考訳（メタデータ） (2024-03-01T05:28:06Z)
• Am I No Good? Towards Detecting Perceived Burdensomeness and Thwarted Belongingness from Suicide Notes [51.378225388679425]
  本稿では,自殺ノートから知覚的バーデンサムネス(PB)とThwarted Belongingness(TB)を検出する新しい課題に対処するエンドツーエンドマルチタスクシステムを提案する。 また、ベンチマークCEASE-v2.0データセットに基づいて、手動で翻訳したコード混合自殺メモコーパス、CoMCEASE-v2.0を導入する。 自殺ノートの時間方向と感情情報を利用して全体のパフォーマンスを向上する。
  論文  参考訳（メタデータ） (2022-05-20T06:31:08Z)

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。