論文の概要: Protective Factor-Aware Dynamic Influence Learning for Suicide Risk Prediction on Social Media

• arxiv url: http://arxiv.org/abs/2507.10008v1
• Date: Mon, 14 Jul 2025 07:41:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:24.476328
• Title: Protective Factor-Aware Dynamic Influence Learning for Suicide Risk Prediction on Social Media
• Title（参考訳）: ソーシャルメディア上での自殺リスク予測のための保護要因を考慮した動的影響学習
• Authors: Jun Li, Xiangmeng Wang, Haoyang Li, Yifei Yan, Hong Va Leong, Ling Feng, Nancy Xiaonan Yu, Qing Li,
• Abstract要約: 本研究では,リスク要因と保護要因の動的影響を同時に学習し,その後の自殺リスクを予測する新しい枠組みを提案する。 提案したモデルは,3つのデータセットにわたる最先端モデルと大規模言語モデルよりも大幅に優れている。
• 参考スコア（独自算出の注目度）: 18.11310473523054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Suicide is a critical global health issue that requires urgent attention. Even though prior work has revealed valuable insights into detecting current suicide risk on social media, little attention has been paid to developing models that can predict subsequent suicide risk over time, limiting their ability to capture rapid fluctuations in individuals' mental state transitions. In addition, existing work ignores protective factors that play a crucial role in suicide risk prediction, focusing predominantly on risk factors alone. Protective factors such as social support and coping strategies can mitigate suicide risk by moderating the impact of risk factors. Therefore, this study proposes a novel framework for predicting subsequent suicide risk by jointly learning the dynamic influence of both risk factors and protective factors on users' suicide risk transitions. We propose a novel Protective Factor-Aware Dataset, which is built from 12 years of Reddit posts along with comprehensive annotations of suicide risk and both risk and protective factors. We also introduce a Dynamic Factors Influence Learning approach that captures the varying impact of risk and protective factors on suicide risk transitions, recognizing that suicide risk fluctuates over time according to established psychological theories. Our thorough experiments demonstrate that the proposed model significantly outperforms state-of-the-art models and large language models across three datasets. In addition, the proposed Dynamic Factors Influence Learning provides interpretable weights, helping clinicians better understand suicidal patterns and enabling more targeted intervention strategies.
• Abstract（参考訳）: 自殺は、緊急の注意を要する重要な世界的な健康問題である。 ソーシャルメディア上での現在の自殺リスクを検出するための貴重な知見は発表されているが、個人の精神状態遷移の急激な変動を捉える能力を制限するとともに、その後の自殺リスクを予測するモデルの開発にはほとんど注意が払われていない。 さらに、既存の研究は、自殺リスク予測において重要な役割を果たす保護要因を無視しており、主にリスク要因のみに焦点を当てている。 社会的支援や対処戦略などの保護要因は、リスク要因の影響を緩和することで自殺リスクを軽減することができる。 そこで本研究では,リスク要因と保護要因の動的影響を同時に学習し,その後の自殺リスクを予測する新しい枠組みを提案する。 本稿では,12年間のReddit投稿と自殺リスクの包括的なアノテーション,リスクと保護要因の両面から構築した新しい保護因子認識データセットを提案する。 また,自殺リスクが時間とともに変動することを認識し,リスクや保護要因の変動が自殺リスク遷移に与える影響を捉える動的要因の影響学習手法も導入した。 我々の徹底的な実験により、提案モデルは3つのデータセットにわたる最先端モデルと大規模言語モデルよりも大幅に優れていることが示された。 さらに、提案されているDynamic Factors Influence Learningは、解釈可能なウェイトを提供し、臨床医が自殺パターンをよりよく理解し、より標的となる介入戦略を可能にする。

関連論文リスト

• Competing Risks: Impact on Risk Estimation and Algorithmic Fairness [0.0]
  生存分析(Survival analysis)は、検閲患者として知られる研究期間中に興味のある出来事を経験していない患者のことを指す。 競合するリスクは、しばしば検閲として扱われる。 我々の研究は、競合するリスクを検閲として扱うことが、生存率のかなりのバイアスをもたらし、リスクを体系的に過大評価し、そして批判的に、格差を増幅する理由を示している。
  論文  参考訳（メタデータ） (2025-08-07T14:25:43Z)
• RSD-15K: A Large-Scale User-Level Annotated Dataset for Suicide Risk Detection on Social Media [0.0]
  ソーシャルメディアは、個人が感情を表現し助けを求めるための重要なプラットフォームである。 本稿では,15,000件のユーザレベルの投稿を含む大規模データセットを提案する。 既存のデータセットと比較すると、このデータセットは完全なユーザ投稿時間シーケンス情報を保持する。
  論文  参考訳（メタデータ） (2025-07-14T09:26:26Z)
• Identifying Heart Attack Risk in Vulnerable Population: A Machine Learning Approach [0.0]
  本研究は、13の心臓発作危険因子とその感受性を評価する際に、疫学的データを分析するためのハイブリッド機械学習手法を用いている。 この研究は、調査された13のリスク要因に対して、心臓発作を経験する可能性の強い関連性を明らかにしている。 閉経後患者の増悪リスクは、エストロゲン欠乏による個人的リスク要因を損なうことを示している。
  論文  参考訳（メタデータ） (2025-05-27T12:51:04Z)
• An Exploratory Deep Learning Approach for Predicting Subsequent Suicidal Acts in Chinese Psychological Support Hotlines [13.59130559079134]
  自殺リスク評価のためのスケールベースの予測手法の精度は、オペレーターの専門性によって大きく異なる可能性がある。 本研究は,中国における自殺リスクを予測するために,長期音声データにディープラーニングを適用した最初の事例である。
  論文  参考訳（メタデータ） (2024-08-29T11:51:41Z)
• Estimating Population Burden of Stroke with an Agent-Based Model [1.5373453926913085]
  ストロークは世界中で死と障害の主な原因の1つである。 脳卒中予防の主な目的は、リスクの高い個人をターゲットにすることである。 本研究では,エージェントを前ストロークとストロークで追従するエージェントモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-30T10:49:37Z)
• 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)
• PsySafe: A Comprehensive Framework for Psychological-based Attack, Defense, and Evaluation of Multi-agent System Safety [70.84902425123406]
  大規模言語モデル(LLM)で拡張されたマルチエージェントシステムは、集団知能において重要な能力を示す。 しかし、悪意のある目的のためにこのインテリジェンスを誤用する可能性があり、重大なリスクが生じる。 本研究では,エージェント心理学を基盤とした枠組み(PsySafe)を提案し,エージェントのダークパーソナリティ特性がリスク行動にどう影響するかを明らかにする。 実験の結果,エージェント間の集団的危険行動,エージェントが危険な行動を行う際の自己反射,エージェントの心理的評価と危険な行動との相関など,いくつかの興味深い現象が明らかになった。
  論文  参考訳（メタデータ） (2024-01-22T12:11:55Z)
• Backdoor Attacks Against Incremental Learners: An Empirical Evaluation Study [79.33449311057088]
  本稿では,11人の典型的なインクリメンタル学習者の3つの学習シナリオに対する中毒ベースのバックドア攻撃に対する高い脆弱性を実証的に明らかにする。 アクティベーションクラスタリングに基づく防御機構は,潜在的なセキュリティリスクを軽減するためのトリガーパターンの検出に有効であることがわかった。
  論文  参考訳（メタデータ） (2023-05-28T09:17:48Z)
• Adversarial Visual Robustness by Causal Intervention [56.766342028800445]
  敵の訓練は、敵の例に対する事実上最も有望な防御である。 しかし、その受動性は必然的に未知の攻撃者への免疫を妨げる。 我々は、敵対的脆弱性の因果的視点を提供する: 原因は、学習に普遍的に存在する共同創設者である。
  論文  参考訳（メタデータ） (2021-06-17T14:23:54Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• Survival Modeling of Suicide Risk with Rare and Uncertain Diagnoses [15.732431764583323]
  我々は,自殺未遂により入院し,後に退院した患者に対して,その後の自殺未遂のリスクを調査するために医療クレームデータを用いた。 疑わしい」自殺未遂の約20%は、傷害や毒の外部原因を示す診断コードから特定される。
  論文  参考訳（メタデータ） (2020-09-05T20:47:16Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。