論文の概要: Suicidal Comment Tree Dataset: Enhancing Risk Assessment and Prediction Through Contextual Analysis

• arxiv url: http://arxiv.org/abs/2510.14395v1
• Date: Thu, 16 Oct 2025 07:47:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.767497
• Title: Suicidal Comment Tree Dataset: Enhancing Risk Assessment and Prediction Through Contextual Analysis
• Title（参考訳）: 適切なコメント木データセット:文脈分析によるリスクアセスメントと予測の強化
• Authors: Jun Li, Qun Zhao,
• Abstract要約: 本研究では,コメントツリー内の情報がユーザの自殺リスクレベルの識別と予測にどのように影響するかを検討する。 Redditをソースとした高品質な注釈付きデータセットを構築し、ユーザの投稿履歴とコメントを組み込んだ。 このデータセットの統計的解析とLarge Language Models (LLMs) 実験の結果から, コメントツリーデータの導入は, ユーザの自殺リスクレベルの識別と予測を著しく向上させることが示された。
• 参考スコア（独自算出の注目度）: 3.381709265589592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Suicide remains a critical global public health issue. While previous studies have provided valuable insights into detecting suicidal expressions in individual social media posts, limited attention has been paid to the analysis of longitudinal, sequential comment trees for predicting a user's evolving suicidal risk. Users, however, often reveal their intentions through historical posts and interactive comments over time. This study addresses this gap by investigating how the information in comment trees affects both the discrimination and prediction of users' suicidal risk levels. We constructed a high-quality annotated dataset, sourced from Reddit, which incorporates users' posting history and comments, using a refined four-label annotation framework based on the Columbia Suicide Severity Rating Scale (C-SSRS). Statistical analysis of the dataset, along with experimental results from Large Language Models (LLMs) experiments, demonstrates that incorporating comment trees data significantly enhances the discrimination and prediction of user suicidal risk levels. This research offers a novel insight to enhancing the detection accuracy of at-risk individuals, thereby providing a valuable foundation for early suicide intervention strategies.
• Abstract（参考訳）: 自殺は依然として世界的な公衆衛生問題である。 過去の研究では、個々のソーシャルメディア投稿における自殺表現の検出に関する貴重な知見が提供されてきたが、ユーザーの自殺リスクを予測するための縦断的かつ逐次的なコメントツリーの分析には、限られた注意が払われている。 しかし、ユーザーは過去の投稿や対話的なコメントを通じて、自分の意図を明らかにすることが多い。 本研究では,コメントツリー内の情報がユーザの自殺リスクレベルの識別と予測の両方にどのように影響するかを検討することで,このギャップを解消する。 我々は,C-SSRS(Columbia Suicide Severity Rating Scale)に基づいて,ユーザの投稿履歴とコメントを取り入れた高品質な注釈付きデータセットを構築した。 このデータセットの統計的解析とLarge Language Models (LLMs) 実験の結果から, コメントツリーデータの導入は, ユーザの自殺リスクレベルの識別と予測を著しく向上させることが示された。 本研究は、リスクの高い個人の検出精度を高めるための新たな洞察を与え、早期自殺介入戦略のための貴重な基盤を提供する。

関連論文リスト

• Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring [50.164756034797136]
  臨床研究ではドロップアウトが一般的で、副作用やその他の理由で患者の半数以上が早期に退院する。 ドロップアウトが有益な場合、治療効果の推定値にもバイアスがかかるため、検閲バイアスが導入される。 検閲バイアスに直面した場合の生存分析における条件平均処理効果推定のロバスト性を評価するための仮定リーンフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-15T10:51:17Z)
• 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)
• Exploring Gender-Specific Speech Patterns in Automatic Suicide Risk Assessment [39.26231968260796]
  本研究は、中性テキストを読む20人の患者の音声記録を含む新しいデータセットに関するものである。 解釈可能な特徴と深い特徴を含む4つの音声表現を抽出する。 性別排他モデルを適用することにより、感情の微調整wav2vec2.0モデルから抽出した特徴を利用して、低自殺リスクから高リスクを81%の精度で識別することができる。
  論文  参考訳（メタデータ） (2024-06-26T12:51:28Z)
• Bored to Death: Artificial Intelligence Research Reveals the Role of Boredom in Suicide Behavior [10.83380478033686]
  この研究は、自殺行為を誘発または悪化させる隠れた危険因子を明らかにするために、AI方法論を活用することを目的としている。 ほぼ完全に自動化されたAI誘導研究パイプラインは、自殺のリスクを予測するFacebookのトピック4つを生み出した。 この研究は、抑うつによらず自殺行為を引き起こす可能性のある、不適応な「不注意」として退屈を示唆している。
  論文  参考訳（メタデータ） (2024-04-22T10:16:02Z)
• 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)
• Contrastive Learning of Temporal Distinctiveness for Survival Analysis in Electronic Health Records [10.192973297290136]
  本稿では,オントロジーを意識したテンポラリティに基づくコントラシブ・サバイバル(OTCSurv)分析フレームワークを提案する。 OTCSurvは、検閲されたデータと観察されたデータの両方から生存期間を使い、時間的特異性を定義する。 急性腎障害(AKI)を発症する危険のある入院患者のリスクを予測するために,大規模なEHRデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-08-24T22:36:22Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)

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。