論文の概要: Tackling a Challenging Corpus for Early Detection of Gambling Disorder: UNSL at MentalRiskES 2025

• arxiv url: http://arxiv.org/abs/2511.23325v1
• Date: Fri, 28 Nov 2025 16:26:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.981143
• Title: Tackling a Challenging Corpus for Early Detection of Gambling Disorder: UNSL at MentalRiskES 2025
• Title（参考訳）: 座位障害早期発見のための座位コーパスの取組み:2025年メンタルリスクにおけるUNSL
• Authors: Horacio Thompson, Marcelo Errecalde,
• Abstract要約: ギャンブル障害は複雑な行動依存症であり、理解と対処が難しい。 Web上の早期リスク検出(ERD)は、ソーシャルメディアの活動に基づくメンタルヘルス行動の早期の兆候を特定するための重要なタスクとなっている。 本研究は,賭博関連疾患の発症リスクが高いか低いかでユーザを分類することを目的としたMentalRiskES 2025チャレンジへの参加を示す。
• 参考スコア（独自算出の注目度）: 0.11458853556386794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gambling disorder is a complex behavioral addiction that is challenging to understand and address, with severe physical, psychological, and social consequences. Early Risk Detection (ERD) on the Web has become a key task in the scientific community for identifying early signs of mental health behaviors based on social media activity. This work presents our participation in the MentalRiskES 2025 challenge, specifically in Task 1, aimed at classifying users at high or low risk of developing a gambling-related disorder. We proposed three methods based on a CPI+DMC approach, addressing predictive effectiveness and decision-making speed as independent objectives. The components were implemented using the SS3, BERT with extended vocabulary, and SBERT models, followed by decision policies based on historical user analysis. Although it was a challenging corpus, two of our proposals achieved the top two positions in the official results, performing notably in decision metrics. Further analysis revealed some difficulty in distinguishing between users at high and low risk, reinforcing the need to explore strategies to improve data interpretation and quality, and to promote more transparent and reliable ERD systems for mental disorders.
• Abstract（参考訳）: ギャンブリング障害(英: Gambling disorder)は、複雑な行動依存症であり、身体的、心理的、社会的結果を理解し、対処することが困難である。 Web上の早期リスク検出(ERD)は、ソーシャルメディアの活動に基づくメンタルヘルス行動の早期の兆候を識別する科学コミュニティにおいて重要な課題となっている。 本研究は,特に第1タスクにおいて,賭博関連障害を発症するリスクが高いか低いかでユーザを分類することを目的としたメンタルリスク2025チャレンジへの参加を示す。 我々は,CPI+DMCアプローチに基づく3つの手法を提案し,予測効率と意思決定速度を独立目的として検討した。 コンポーネントは拡張語彙付きSS3、BERT、SBERTモデルを使用して実装され、続いて歴史的ユーザ分析に基づく決定ポリシーが採用された。 それは挑戦的なコーパスでしたが、私たちの提案のうち2つは公式な結果で上位2位を獲得し、特に意思決定の指標として機能しました。 さらに分析した結果,高リスクと低リスクでユーザを区別することが困難であること,データ解釈と品質を改善するための戦略を探究すること,精神疾患に対するより透明性と信頼性の高いEDDシステムを促進することの必要性が明らかになった。

関連論文リスト

• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Psychological Health Knowledge-Enhanced LLM-based Social Network Crisis Intervention Text Transfer Recognition Method [5.906696389239875]
  本研究では,大規模言語モデル(LLM)を用いたソーシャル・ネットワーク危機介入のためのテキスト・トランスファー認識手法を提案する。 本稿では、BERTを用いた転帰学習を取り入れた多段階フレームワークを提案し、メンタルヘルス知識、感情分析、行動予測技術を統合する。
  論文  参考訳（メタデータ） (2025-04-05T22:57:22Z)
• Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [58.61680631581921]
  メンタルヘルス障害は、深い個人的・社会的負担を生じさせるが、従来の診断はリソース集約的でアクセシビリティが制限される。 本稿では、これらの課題を考察し、匿名化、合成データ、プライバシー保護トレーニングを含む解決策を提案する。 臨床的な意思決定をサポートし、メンタルヘルスの結果を改善する、信頼できるプライバシを意識したAIツールを進化させることを目標としている。
  論文  参考訳（メタデータ） (2025-02-01T15:10:02Z)
• Depression Detection on Social Media with Large Language Models [12.666554631713417]
  ソーシャルメディアプラットフォームは、早期うつ病の診断に有用なデータソースを提供する。 大規模言語モデル(LLM)を利用したフレームワークであるDORISを提案する。 医療知識を統合するため、DORISはLSMを使用して、確立された診断基準に対してユーザテキストに注釈を付ける。
  論文  参考訳（メタデータ） (2024-03-16T01:01:16Z)
• Explaining by Imitating: Understanding Decisions by Interpretable Policy Learning [72.80902932543474]
  観察されたデータから人間の行動を理解することは、意思決定における透明性と説明責任にとって重要である。 意思決定者の方針をモデル化することが困難である医療などの現実的な設定を考えてみましょう。 本稿では, 設計による透明性の向上, 部分観測可能性の確保, 完全にオフラインで動作可能なデータ駆動型意思決定行動の表現を提案する。
  論文  参考訳（メタデータ） (2023-10-28T13:06:14Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• An Annotated Dataset for Explainable Interpersonal Risk Factors of Mental Disturbance in Social Media Posts [0.0]
  ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。 我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
  論文  参考訳（メタデータ） (2023-05-30T04:08:40Z)
• Adapting Deep Learning Methods for Mental Health Prediction on Social Media [10.102073937554488]
  メンタルヘルスは、個人の幸福のために重要な課題となる。 深層学習モデルを用いてソーシャルメディア利用者の精神状態を検出するという課題に取り組む。 ユーザが9つの異なる障害のうちの1つに苦しむかどうかを予測するバイナリ分類タスクでは、階層的な注意ネットワークが以前設定された4つの障害のベンチマークを上回っている。
  論文  参考訳（メタデータ） (2020-03-17T10:49:03Z)

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。