論文の概要: AttentionDep: Domain-Aware Attention for Explainable Depression Severity Assessment

• arxiv url: http://arxiv.org/abs/2510.00706v1
• Date: Wed, 01 Oct 2025 09:20:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.496808
• Title: AttentionDep: Domain-Aware Attention for Explainable Depression Severity Assessment
• Title（参考訳）: AttentionDep: 説明可能なうつ病重症度評価のためのドメイン・アウェア・アテンション
• Authors: Yusif Ibrahimov, Tarique Anwar, Tommy Yuan, Turan Mutallimov, Elgun Hasanov,
• Abstract要約: 本稿では,説明可能な抑うつ度推定を駆動するドメイン認識型アテンションモデルであるAttentionDepを提案する。 ポストは、ユニグラムとビッグラムを使用して階層的にエンコードされ、臨床的に関連するトークンをハイライトする注意機構を持つ。 実験によると、AttentionDepは、データセット全体のグレードされたF1スコアにおいて、最先端のベースラインを5%以上上回っている。
• 参考スコア（独自算出の注目度）: 0.16777183511743465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In today's interconnected society, social media platforms provide a window into individuals' thoughts, emotions, and mental states. This paper explores the use of platforms like Facebook, X (formerly Twitter), and Reddit for depression severity detection. We propose AttentionDep, a domain-aware attention model that drives explainable depression severity estimation by fusing contextual and domain knowledge. Posts are encoded hierarchically using unigrams and bigrams, with attention mechanisms highlighting clinically relevant tokens. Domain knowledge from a curated mental health knowledge graph is incorporated through a cross-attention mechanism, enriching the contextual features. Finally, depression severity is predicted using an ordinal regression framework that respects the clinical-relevance and natural ordering of severity levels. Our experiments demonstrate that AttentionDep outperforms state-of-the-art baselines by over 5% in graded F1 score across datasets, while providing interpretable insights into its predictions. This work advances the development of trustworthy and transparent AI systems for mental health assessment from social media.
• Abstract（参考訳）: 今日の相互接続社会では、ソーシャルメディアプラットフォームは個人の思考、感情、精神状態の窓口を提供する。 本稿では、Facebook、X(元Twitter)、Redditといったプラットフォームをうつ病の重症度検出に利用することを検討する。 本研究では、文脈知識とドメイン知識を融合させることにより、説明可能な抑うつ度推定を駆動するドメイン認識型注意モデルであるAttentionDepを提案する。 ポストは、ユニグラムとビッグラムを使用して階層的にエンコードされ、臨床的に関連するトークンをハイライトする注意機構を持つ。 キュレートされたメンタルヘルス知識グラフからのドメイン知識は、コンテキスト的特徴を豊かにするクロスアテンションメカニズムを通じて組み込まれます。 最後に、重度の臨床的関連性と自然順応を尊重する順序回帰フレームワークを用いて、うつ病重症度を予測する。 我々の実験では、AttentionDepはデータセットのグレードF1スコアにおいて、最先端のベースラインを5%以上上回り、予測に対する解釈可能な洞察を提供する。 この研究は、ソーシャルメディアからのメンタルヘルスアセスメントのための信頼できる透明なAIシステムの開発を促進する。

関連論文リスト

• ReDepress: A Cognitive Framework for Detecting Depression Relapse from Social Media [48.56586765769052]
  ReDepressは、リラプスに焦点を当てた最初の臨床的に検証されたソーシャルメディアデータセットである。 我々の枠組みはうつ病の認知理論に基づいており、注意バイアス、解釈バイアス、記憶バイアス、反省などの構造を取り入れている。 本研究は, 実世界のテキストデータにおける心理学的理論を検証し, 早期再発検出のための認知インフォームド・コンピューティング手法の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-09-22T16:33:59Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• DepressionX: Knowledge Infused Residual Attention for Explainable Depression Severity Assessment [0.7689629183085726]
  本稿は、Facebook、$mathbbX$(元Twitter)、Redditなどのプラットフォームをメンタルヘルスアセスメントに利用することを検討する。 本稿では,抑うつ重大度検出のためのドメイン知識注入型残留注意モデルDepressionXを提案する。
  論文  参考訳（メタデータ） (2025-01-24T23:42:23Z)
• Depression detection from Social Media Bangla Text Using Recurrent Neural Networks [1.1874952582465599]
  ソーシャルメディア投稿の感情を分析し、社会に対する肯定的、否定的、感情的な行動を検出することができる。 感情分析における重要な課題の1つは、精神疾患の根本原因であるソーシャルメディアのテキストから落ち込んだテキストを特定することである。 本稿では,抑うつに着目した感情分析を行うために,Facebookのテキストに自然言語処理手法を適用した。
  論文  参考訳（メタデータ） (2024-12-08T08:53:51Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• 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)
• Hierarchical Attention Network for Explainable Depression Detection on Twitter Aided by Metaphor Concept Mappings [15.19024278125422]
  本稿では,Twitter上での抑うつ検出のための新しい説明可能なモデルを提案する。 階層的な注意機構とフィードフォワードニューラルネットワークを組み合わせた,新しいエンコーダを備える。 抑うつされた個人を検知するだけでなく、そのようなユーザーのつぶやきの特徴と関連するメタファの概念マッピングを識別する。
  論文  参考訳（メタデータ） (2022-09-15T17:36:18Z)
• SERCNN: Stacked Embedding Recurrent Convolutional Neural Network in Detecting Depression on Twitter [2.535271349350579]
  異なるドメインから事前学習した2つの埋め込みを積み重ねることでユーザ表現を改善するSERCNNを提案する。 われわれのSERCNNは最新技術や他のベースラインよりも優れた性能を示し、5倍のクロスバリデーション設定で93.7%の精度を実現している。 SERCNNは1ユーザにつき10投稿まで最小限で、BERTモデルに匹敵する87%の精度で、非常によく機能した。
  論文  参考訳（メタデータ） (2022-07-29T08:08:15Z)

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。