論文の概要: Uncertainty-aware Semi-supervised Ensemble Teacher Framework for Multilingual Depression Detection

• arxiv url: http://arxiv.org/abs/2512.24772v1
• Date: Wed, 31 Dec 2025 10:35:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.625369
• Title: Uncertainty-aware Semi-supervised Ensemble Teacher Framework for Multilingual Depression Detection
• Title（参考訳）: 多言語抑うつ検出のための不確かさを意識した半教師型アンサンブル教師フレームワーク
• Authors: Mohammad Zia Ur Rehman, Velpuru Navya, Sanskar, Shuja Uddin Qureshi, Nagendra Kumar,
• Abstract要約: Semi-SMDNetは、強力なセミスーパービジョン多言語抑うつ検出ネットワークである。 教師が教える疑似ラベリング、アンサンブル学習、データの増大を組み合わせている。 アラビア語、バングラ語、英語、スペイン語のデータセットに対するテストでは、一貫して強力なベースラインを破っている。
• 参考スコア（独自算出の注目度）: 3.34864038958352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting depression from social media text is still a challenging task. This is due to different language styles, informal expression, and the lack of annotated data in many languages. To tackle these issues, we propose, Semi-SMDNet, a strong Semi-Supervised Multilingual Depression detection Network. It combines teacher-student pseudo-labelling, ensemble learning, and augmentation of data. Our framework uses a group of teacher models. Their predictions come together through soft voting. An uncertainty-based threshold filters out low-confidence pseudo-labels to reduce noise and improve learning stability. We also use a confidence-weighted training method that focuses on reliable pseudo-labelled samples. This greatly boosts robustness across languages. Tests on Arabic, Bangla, English, and Spanish datasets show that our approach consistently beats strong baselines. It significantly reduces the performance gap between settings that have plenty of resources and those that do not. Detailed experiments and studies confirm that our framework is effective and can be used in various situations. This shows that it is suitable for scalable, cross-language mental health monitoring where labelled resources are limited.
• Abstract（参考訳）: ソーシャルメディアのテキストからうつ病を検出することは、今でも難しい課題だ。 これは、異なる言語スタイル、非公式な表現、多くの言語で注釈付きデータがないためである。 これらの問題に対処するため、我々はSemi-SMDNetという強力なSemi-Supervised Multilingual Depression Detection Networkを提案する。 教師が教える疑似ラベリング、アンサンブル学習、データの増大を組み合わせている。 私たちのフレームワークは教師モデルのグループを使用します。 彼らの予測はソフト投票によってまとめられる。 不確実性に基づく閾値は、低信頼の擬似ラベルをフィルタリングしてノイズを低減し、学習安定性を向上させる。 また、信頼度重み付きトレーニング手法を用いて、信頼度の高い擬似ラベル付きサンプルに焦点を当てる。 これにより言語間の堅牢性が大幅に向上する。 アラビア語、バングラ語、英語、スペイン語のデータセットに関するテストでは、我々のアプローチが強いベースラインを一貫して上回っていることが示されています。 リソースが豊富な設定と、そうでない設定との間のパフォーマンスギャップを著しく減らします。 詳細な実験と研究により、我々のフレームワークは有効であり、様々な状況で使用できることが確認された。 これは、ラベル付きリソースが限られている、スケーラブルで言語横断的なメンタルヘルスモニタリングに適していることを示している。

関連論文リスト

• Multi-task Learning with Active Learning for Arabic Offensive Speech Detection [1.534667887016089]
  本稿では,多タスク学習(MTL)とアクティブラーニングを統合し,アラビアメディアテキストにおける攻撃的音声検出を強化する新しいフレームワークを提案する。 本手法は,トレーニング中のタスクの重み付けを動的に調整し,各タスクのコントリビューションのバランスをとり,性能を最適化する。 OSACT2022データセットの実験結果は、提案されたフレームワークが85.42%の最先端のマクロF1スコアを達成したことを示している。
  論文  参考訳（メタデータ） (2025-06-03T11:17:03Z)
• Unlikelihood Tuning on Negative Samples Amazingly Improves Zero-Shot Translation [79.96416609433724]
  Zero-shot Translation (ZST)は、トレーニングデータにおいて、目に見えない言語ペア間の翻訳を目的としている。 推論中にゼロショット言語マッピングをガイドする一般的な方法は、ソースとターゲット言語IDを意図的に挿入することである。 近年の研究では、言語IDが時折ZSTタスクのナビゲートに失敗し、ターゲット外問題に悩まされることが示されている。
  論文  参考訳（メタデータ） (2023-09-28T17:02:36Z)
• NusaWrites: Constructing High-Quality Corpora for Underrepresented and Extremely Low-Resource Languages [54.808217147579036]
  インドネシアの地方言語について事例研究を行う。 データセット構築におけるオンラインスクラップ,人文翻訳,および母語話者による段落作成の有効性を比較した。 本研究は,母語話者による段落作成によって生成されたデータセットが,語彙的多様性と文化的内容の点で優れた品質を示すことを示す。
  論文  参考訳（メタデータ） (2023-09-19T14:42:33Z)
• A Commonsense-Infused Language-Agnostic Learning Framework for Enhancing Prediction of Political Polarity in Multilingual News Headlines [0.0]
  対象言語における推論知識を取得するために,翻訳と検索の手法を用いる。 次に、重要な推論を強調するために注意機構を使用します。 我々は、それぞれの政治的極性に注釈を付けた5つのヨーロッパ言語で62.6K以上の多言語ニュースの見出しを提示する。
  論文  参考訳（メタデータ） (2022-12-01T06:07:01Z)
• A Multi-level Supervised Contrastive Learning Framework for Low-Resource Natural Language Inference [54.678516076366506]
  自然言語推論(NLI)は、自然言語理解において、ますます重要な課題である。 本稿では,低リソースな自然言語推論のためのマルチSCLという,マルチレベルの教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-31T05:54:18Z)
• IGLUE: A Benchmark for Transfer Learning across Modalities, Tasks, and Languages [87.5457337866383]
  画像認識言語理解評価ベンチマークについて紹介する。 IGLUEは、視覚的質問応答、クロスモーダル検索、グラウンドド推論、20言語にわたるグラウンドドエンターテイメントタスクをまとめて提供する。 翻訳-テストの転送はゼロショットの転送よりも優れており、少数ショットの学習は多くのタスクに役立てることが難しい。
  論文  参考訳（メタデータ） (2022-01-27T18:53:22Z)
• Few-Shot Cross-Lingual Stance Detection with Sentiment-Based Pre-Training [32.800766653254634]
  本研究は,現在までの言語間スタンス検出に関する最も包括的な研究である。 6つの言語ファミリーの12言語で15の多様なデータセットを使用します。 実験では,新しいラベルエンコーダの追加を提案し,パターン探索トレーニングを構築した。
  論文  参考訳（メタデータ） (2021-09-13T15:20:06Z)
• Semi-automatic Generation of Multilingual Datasets for Stance Detection in Twitter [9.359018642178917]
  本稿では,Twitterにおける姿勢検出のための多言語データセットを得る手法を提案する。 ユーザベースの情報を利用して、大量のツイートを半自動でラベル付けします。
  論文  参考訳（メタデータ） (2021-01-28T13:05:09Z)
• Leveraging Adversarial Training in Self-Learning for Cross-Lingual Text Classification [52.69730591919885]
  本稿では,ラベル保存型入力摂動の最大損失を最小限に抑える半教師付き対向学習法を提案する。 多様な言語群に対する文書分類と意図分類において,有効性が著しく向上するのを観察する。
  論文  参考訳（メタデータ） (2020-07-29T19:38:35Z)

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。