論文の概要: Reading Between the Signs: Predicting Future Suicidal Ideation from Adolescent Social Media Texts

• arxiv url: http://arxiv.org/abs/2509.03530v1
• Date: Mon, 25 Aug 2025 13:32:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-07 09:10:15.296409
• Title: Reading Between the Signs: Predicting Future Suicidal Ideation from Adolescent Social Media Texts
• Title（参考訳）: サインの間を読む: 青少年のソーシャルメディアテキストから将来の適切な考えを予測する
• Authors: Paul Blum, Enrico Liscio, Ruixuan Zhang, Caroline Figueroa, Pradeep K. Murukannaiah,
• Abstract要約: 本稿では、フォーラム投稿から自殺的思考と行動(SIB)を予測する新しい課題と方法を提案する。 Early-SIBは、ユーザが書いた投稿を逐次処理し、SIB投稿を書くかどうかを予測するトランスフォーマーベースのモデルである。 オランダの青少年フォーラムで将来のSIBを予測するためのバランスの取れた精度0.73を達成し、そのようなツールが従来の手法に有意義に付加できることを実証した。
• 参考スコア（独自算出の注目度）: 2.9013321312155202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Suicide is a leading cause of death among adolescents (12-18), yet predicting it remains a significant challenge. Many cases go undetected due to a lack of contact with mental health services. Social media, however, offers a unique opportunity, as young people often share their thoughts and struggles online in real time. In this work, we propose a novel task and method to approach it: predicting suicidal ideation and behavior (SIB) from forum posts before an adolescent explicitly expresses suicidal ideation on an online forum. This predictive framing, where no self-disclosure is used as input at any stage, remains largely unexplored in the suicide prediction literature. To this end, we introduce Early-SIB, a transformer-based model that sequentially processes the posts a user writes and engages with to predict whether they will write a SIB post. Our model achieves a balanced accuracy of 0.73 for predicting future SIB on a Dutch youth forum, demonstrating that such tools can offer a meaningful addition to traditional methods.
• Abstract（参考訳）: 自殺は青少年(12歳から18歳)の主要な死因だが、依然として重大な課題である。 多くのケースは、メンタルヘルスサービスとの接触が不足しているため、検出されない。 しかしソーシャルメディアは、若者が自分の考えや苦労をリアルタイムで共有するので、ユニークな機会を提供する。 本研究では, 若者がオンラインフォーラム上で自殺思考を明示的に表現する前に, 自殺思考と行動(SIB)をフォーラム投稿から予測する, 新たな課題と方法を提案する。 この予測フレーミングは、いかなる段階でも自己開示を入力として使用しないが、自殺予測文学では明らかにされていない。 そこで本研究では,ユーザが書き込んだ投稿を逐次処理し,SIB投稿を書けるかどうかを予測するトランスフォーマーベースのモデルであるEarly-SIBを紹介する。 オランダの青少年フォーラムで将来のSIBを予測するためのバランスの取れた精度0.73を達成し、そのようなツールが従来の手法に有意義に付加できることを実証した。

関連論文リスト

• Navigating the OverKill in Large Language Models [84.62340510027042]
  モデルがどのように処理し,クエリの安全性を判断するかを検討することで,過剰スキルの要因について検討する。 以上の結果から,モデル内にショートカットが存在することが明らかとなり,"キル"のような有害な単語が過剰に認識され,安全性が強調され,過度なスキルが増すことが示唆された。 我々は、この現象を緩和するために、トレーニングフリーでモデルに依存しないセルフコントラストデコーディング(Self-Contrastive Decoding、CD)を導入する。
  論文  参考訳（メタデータ） (2024-01-31T07:26:47Z)
• CautionSuicide: A Deep Learning Based Approach for Detecting Suicidal Ideation in Real Time Chatbot Conversation [0.0]
  自殺の早期発見は自殺の予防に役立つ。 本稿では,デジタルコンテンツにおける自殺的思考を検出するための,新しいシンプルな深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-02T04:14:16Z)
• Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted Outcomes to Analyze Longitudinal Social Media Data [2.76101452577748]
  新型コロナウイルスのパンデミックは世界中でメンタルヘルスの危機をエスカレートしている。 自殺は、恥、虐待、放棄、うつ病のような精神状態などの社会的要因によって引き起こされる。 これらの状況が発展するにつれて、自殺的思考の兆候がソーシャルメディアの相互作用に現れる可能性がある。
  論文  参考訳（メタデータ） (2023-12-13T17:15:12Z)
• Understanding writing style in social media with a supervised contrastively pre-trained transformer [57.48690310135374]
  オンラインソーシャルネットワークは、ヘイトスピーチから偽情報の拡散まで、有害な行動の場として機能している。 本稿では, 4.5 x 106テキストの公開資料から得られた大規模コーパスに基づいて学習したStyle Transformer for Authorship Representations (STAR)を紹介する。 512個のトークンからなる8つのドキュメントからなるサポートベースを使用して、著者を最大1616人の著者のセットから、少なくとも80%の精度で識別することができる。
  論文  参考訳（メタデータ） (2023-10-17T09:01:17Z)
• An Automated Tool to Detect Suicidal Susceptibility from Social Media Posts [0.0]
  本研究は、ソーシャルメディアからの情報を用いて、誰かが自傷行為を考えているかどうかを判断する自動モデルを開発する。 ソーシャルメディア投稿のデータセットを収集し、それらを処理し、モデルをトレーニングし、修正しました。 このモデルは93%の精度で、F1スコアは0.93である。
  論文  参考訳（メタデータ） (2023-10-09T18:06:12Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Robin: A Novel Online Suicidal Text Corpus of Substantial Breadth and Scale [11.945854832533234]
  これまでに1100万以上のオンラインフォーラム投稿からなる、最大規模の非キーワード生成自殺コーパスであるRobinを紹介します。 ロビンは、自殺の遺書やフリップパント参照など、自殺のテキストの様々なカテゴリを含むように特別に構築されている。 Robinデータセットを機械学習リソースとして公開し、次世代の自殺感情研究を推進する可能性を秘めています。
  論文  参考訳（メタデータ） (2022-09-13T03:32:47Z)
• 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)
• Are socially-aware trajectory prediction models really socially-aware? [75.36961426916639]
  我々は,予測モデルの社会的理解を評価するために,社会的に意図された攻撃を導入する。 攻撃は、予測器を失敗させるため、小さなが慎重に構成された摂動である。 我々の攻撃は、最先端モデルの社会的理解を高めるために有効であることを示す。
  論文  参考訳（メタデータ） (2021-08-24T17:59:09Z)
• EPARS: Early Prediction of At-risk Students with Online and Offline Learning Behaviors [55.33024245762306]
  リスク・アット・リスク(STAR)の早期予測は、ドロップアウトや自殺にタイムリーに介入するための有効かつ重要な手段である。 既存の作業は主に、学習プロセス全体を捉えるのに十分な包括的でないオンラインまたはオフラインの学習行動に依存する。 オンラインおよびオフライン学習行動のモデル化により,STARを1学期で早期に予測できる新しいアルゴリズム(EPARS)を提案する。
  論文  参考訳（メタデータ） (2020-06-06T12:56:26Z)

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。