論文の概要: Assess and Prompt: A Generative RL Framework for Improving Engagement in Online Mental Health Communities
- arxiv url: http://arxiv.org/abs/2508.16788v1
- Date: Fri, 22 Aug 2025 20:40:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.179
- Title: Assess and Prompt: A Generative RL Framework for Improving Engagement in Online Mental Health Communities
- Title（参考訳）: Assess and Prompt:オンラインメンタルヘルスコミュニティにおけるエンゲージメント向上のための生成的RLフレームワーク
- Authors: Bhagesh Gaur, Karan Gupta, Aseem Srivastava, Manish Gupta, Md Shad Akhtar,
- Abstract要約: ギャップを識別し、ユーザーが投稿を充実させ、エンゲージメントを向上させる新しいフレームワークを提案する。
本モデルでは,サポート属性の存在/存在のポストを動的に評価し,不足情報を抽出する目的のプロンプトを生成する。
4つの特筆すべき言語モデルにまたがる実証的な結果は、属性誘発とユーザエンゲージメントの大幅な改善を示している。
- 参考スコア（独自算出の注目度）: 18.36818914416437
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Online Mental Health Communities (OMHCs) provide crucial peer and expert support, yet many posts remain unanswered due to missing support attributes that signal the need for help. We present a novel framework that identifies these gaps and prompts users to enrich their posts, thereby improving engagement. To support this, we introduce REDDME, a new dataset of 4,760 posts from mental health subreddits annotated for the span and intensity of three key support attributes: event what happened?, effect what did the user experience?, and requirement what support they need?. Next, we devise a hierarchical taxonomy, CueTaxo, of support attributes for controlled question generation. Further, we propose MH-COPILOT, a reinforcement learning-based system that integrates (a) contextual attribute-span identification, (b) support attribute intensity classification, (c) controlled question generation via a hierarchical taxonomy, and (d) a verifier for reward modeling. Our model dynamically assesses posts for the presence/absence of support attributes, and generates targeted prompts to elicit missing information. Empirical results across four notable language models demonstrate significant improvements in attribute elicitation and user engagement. A human evaluation further validates the model's effectiveness in real-world OMHC settings.
- Abstract（参考訳）: オンラインメンタルヘルスコミュニティ(OMHC)は、重要なピアと専門家の支持を提供するが、助けの必要性を示すサポート属性が欠如しているため、多くの投稿は未回答のままである。
本稿では、これらのギャップを識別し、ユーザーが投稿を充実させ、エンゲージメントを向上させる新しいフレームワークを提案する。
これをサポートするために,メンタルヘルスのサブレディットから4,760件の新しいデータセットであるREDDMEを紹介した。
ユーザエクスペリエンスは何でしたか?
必要なサポートは?
と。
次に,階層型分類であるCueTaxoを,制御された質問生成のためのサポート属性として考案する。
さらに,強化学習システムであるMH-COPILOTを提案する。
(a)文脈属性スパン識別
(b)属性強度分類の支援
(c)階層分類による質問生成を制御し、
(d)報酬モデリングの検証者
本モデルでは,サポート属性の存在/存在のポストを動的に評価し,不足情報を抽出する目的のプロンプトを生成する。
4つの特筆すべき言語モデルにまたがる実証的な結果は、属性誘発とユーザエンゲージメントの大幅な改善を示している。
人間の評価は、実世界のOMHC設定におけるモデルの有効性をさらに検証する。
関連論文リスト
- Understanding Social Support Needs in Questions: A Hybrid Approach Integrating Semi-Supervised Learning and LLM-based Data Augmentation [9.535629021196973]
社会支援のためのハイブリッド・アプローチ HA-SOS (Hybrid Approach for SOcial Support needs Classification) を新たに開発する。
HA-SOSは、回答強化半教師付き学習アプローチ、信頼性と多様性を考慮したサンプル選択機構を備えた大規模言語モデル(LLM)を活用したテキストデータ拡張技術、質問におけるソーシャルサポートのニーズを自動的にラベル付けするための統一的なトレーニングプロセスを統合する。
実際に、私たちのHA-SOSフレームワークは、オンラインのQ&Aプラットフォームマネージャと回答者に対して、ユーザのソーシャルサポートのニーズをよりよく理解し、タイムリーでパーソナライズされた回答と介入を提供することを可能にします。
論文 参考訳（メタデータ） (2025-03-21T07:25:16Z) - A Quantitative Evaluation of the Expressivity of BMI, Pose and Gender in Body Embeddings for Recognition and Identification [56.10719736365069]
我々は,学習した特徴と特定の属性の相互情報として定義された表現性の概念を拡張し,属性のエンコード方法の定量化を行う。
その結果,BMIは最終層において高い表現性を示し,認識におけるその支配的な役割を示していることがわかった。
これらの結果は,ReIDにおける身体属性の中心的役割を示し,属性駆動相関を明らかにするための原則的アプローチを確立した。
論文 参考訳（メタデータ） (2025-03-09T05:15:54Z) - SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.146311285410631]
メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。
この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
論文 参考訳（メタデータ） (2024-10-17T22:04:32Z) - Multi-Prompts Learning with Cross-Modal Alignment for Attribute-based
Person Re-Identification [18.01407937934588]
本稿では,素早い学習と言語モデルに基づくMP-ReID(Multi-Prompts ReID)という新しいフレームワークを提案する。
MP-ReIDは、クエリイメージを記述するために、多様で情報的、即応的な文を幻覚させることを学ぶ。
明示的なプロンプトは、ChatGPTやVQAモデルといった世代モデルをアンサンブルすることで得られる。
論文 参考訳（メタデータ） (2023-12-28T03:00:19Z) - Towards Verifiable Generation: A Benchmark for Knowledge-aware Language Model Attribution [48.86322922826514]
本稿では,知識認識型言語モデル属性(KaLMA)の新たな課題について述べる。
まず、属性のソースを構造化されていないテキストから知識グラフ(KG)に拡張し、そのリッチな構造は属性のパフォーマンスと作業シナリオの両方に役立ちます。
第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。
第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
論文 参考訳（メタデータ） (2023-10-09T11:45:59Z) - PAL: Persona-Augmented Emotional Support Conversation Generation [54.069321178816686]
メンタルヘルス支援のための人的資源が不足しているため、サポートのために会話エージェントを採用する必要性が高まっている。
近年の研究では、感情支援のための対話モデルの有効性が実証されている。
本研究では,探索者のペルソナを動的に推論・モデル化する枠組みを提案する。
論文 参考訳（メタデータ） (2022-12-19T04:12:54Z)
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。