論文の概要: StressRoBERTa: Cross-Condition Transfer Learning from Depression, Anxiety, and PTSD to Stress Detection

• arxiv url: http://arxiv.org/abs/2512.23813v1
• Date: Mon, 29 Dec 2025 19:16:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.182376
• Title: StressRoBERTa: Cross-Condition Transfer Learning from Depression, Anxiety, and PTSD to Stress Detection
• Title（参考訳）: StressRoBERTa: ストレス検出のための抑うつ・不安・PTSDからのクロスコンディション・トランスファー学習
• Authors: Amal Alqahtani, Efsun Kayi, Mona Diab,
• Abstract要約: 本稿では,英語のつぶやきにおける自己報告型慢性ストレスの自動検出のためのクロス条件伝達学習手法であるScressRoBERTaを紹介する。 本研究は, 臨床関連条件(抑うつ, 不安, PTSD)の連続トレーニングがストレス検出を改善するかを検討する。
• 参考スコア（独自算出の注目度）: 4.431531377607482
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The prevalence of chronic stress represents a significant public health concern, with social media platforms like Twitter serving as important venues for individuals to share their experiences. This paper introduces StressRoBERTa, a cross-condition transfer learning approach for automatic detection of self-reported chronic stress in English tweets. The investigation examines whether continual training on clinically related conditions (depression, anxiety, PTSD), disorders with high comorbidity with chronic stress, improves stress detection compared to general language models and broad mental health models. RoBERTa is continually trained on the Stress-SMHD corpus (108M words from users with self-reported diagnoses of depression, anxiety, and PTSD) and fine-tuned on the SMM4H 2022 Task 8 dataset. StressRoBERTa achieves 82% F1-score, outperforming the best shared task system (79% F1) by 3 percentage points. The results demonstrate that focused cross-condition transfer from stress-related disorders (+1% F1 over vanilla RoBERTa) provides stronger representations than general mental health training. Evaluation on Dreaddit (81% F1) further demonstrates transfer from clinical mental health contexts to situational stress discussions.
• Abstract（参考訳）: Twitterのようなソーシャルメディアプラットフォームは、個人が自分の体験を共有するための重要な場所となっている。 本稿では,英語のつぶやきにおける自己報告型慢性ストレスの自動検出のためのクロス条件伝達学習手法であるScressRoBERTaを紹介する。 本研究は, 臨床関連疾患(抑うつ, 不安, PTSD)の連続トレーニング, 慢性ストレスとの相性が高い障害, 一般的な言語モデルや幅広いメンタルヘルスモデルと比較してストレス検出を改善するかを検討する。 RoBERTaは、ストレス-SMHDコーパス(うつ病、不安、PTSDの自己報告されたユーザーから108万語)で継続的に訓練され、SMM4H 2022 Task 8データセットで微調整される。 StressRoBERTaは82%のF1スコアを獲得し、最高の共有タスクシステム(79% F1)を3ポイント上回っている。 その結果、ストレス関連疾患(バニラ・ロベルタよりもF1が1%以上)からの集中的クロスコンディションが、一般的なメンタルヘルストレーニングよりも強力な表現を提供することが示された。 ドレッドディットの評価(81% F1)はさらに、臨床精神保健状況から状況ストレスの議論への転換を示す。

関連論文リスト

• multiMentalRoBERTa: A Fine-tuned Multiclass Classifier for Mental Health Disorder [0.6308539010172308]
  ソーシャルメディアからのメンタルヘルス障害の早期発見は、適切なリソースへのタイムリーなサポート、リスクアセスメント、参照を可能にするために重要である。 この研究は、一般的な精神状態のマルチクラス分類用に設計された微調整RoBERTaモデルであるMultiMentalRoBERTaを紹介する。
  論文  参考訳（メタデータ） (2025-11-01T03:55:48Z)
• 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)
• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• Computational Analysis of Stress, Depression and Engagement in Mental Health: A Survey [62.31381724639944]
  ストレスと抑うつは相互に関連し、共に日々のタスクにおけるエンゲージメントに影響を与える。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• Detection and Analysis of Stress-Related Posts in Reddit Acamedic Communities [0.0]
  本研究は,Reddit学術コミュニティにおけるストレス関連投稿の検出と分析に焦点をあてる。 テキストは、自然言語処理と機械学習分類器を用いて、強調されているか、そうでないかを分類する。 重要な発見は、Redditの教授コミュニティにおける投稿やコメントが最もストレスが強いことを示している。
  論文  参考訳（メタデータ） (2023-12-02T07:34:03Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• Exploring COVID-19 Related Stressors Using Topic Modeling [0.0]
  本研究では、ソーシャルメディアデータに自然言語処理(NLP)を適用し、新型コロナウイルスパンデミック時の精神社会的ストレスを識別することを目的とする。 2月14日から,subreddit rCOVID19_ Supportから9266件のReddit投稿のデータセットを得た。 2020年 - 2021年7月19日。 その結果,ソーシャルメディアプラットフォーム上で議論されているコビッド新型コロナウイルス関連ストレス要因の傾向を可視化するダッシュボードが提示された。
  論文  参考訳（メタデータ） (2022-01-12T20:22:43Z)
• Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
  不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。 スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
  論文  参考訳（メタデータ） (2020-08-09T20:22:52Z)

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。