論文の概要: mind_call: A Dataset for Mental Health Function Calling with Large Language Models
- arxiv url: http://arxiv.org/abs/2601.06937v1
- Date: Sun, 11 Jan 2026 14:52:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:01.075184
- Title: mind_call: A Dataset for Mental Health Function Calling with Large Language Models
- Title（参考訳）: mind_call: 大規模言語モデルによるメンタルヘルス機能のデータセット
- Authors: Fozle Rabbi Shafi, M. Anwar Hossain, Salimur Choudhury,
- Abstract要約: 本稿では、ウェアラブルヘルス信号に基づくメンタルヘルス支援のための合成機能呼び出しデータセットを提案する。
このデータセットは、さまざまな自然言語クエリを、広く採用されている健康データスキーマから派生した標準化されたAPIコールにマッピングする。
このリソースは、メンタルヘルスエージェントにおける意図的根拠、時間的推論、信頼性の高い機能呼び出しの研究を支援する。
- 参考スコア（独自算出の注目度）: 2.1155908599769764
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Model (LLM)-based systems increasingly rely on function calling to enable structured and controllable interaction with external data sources, yet existing datasets do not address mental health-oriented access to wearable sensor data. This paper presents a synthetic function-calling dataset designed for mental health assistance grounded in wearable health signals such as sleep, physical activity, cardiovascular measures, stress indicators, and metabolic data. The dataset maps diverse natural language queries to standardized API calls derived from a widely adopted health data schema. Each sample includes a user query, a query category, an explicit reasoning step, a normalized temporal parameter, and a target function. The dataset covers explicit, implicit, behavioral, symptom-based, and metaphorical expressions, which reflect realistic mental health-related user interactions. This resource supports research on intent grounding, temporal reasoning, and reliable function invocation in LLM-based mental health agents and is publicly released to promote reproducibility and future work.
- Abstract（参考訳）: 大きな言語モデル(LLM)ベースのシステムは、外部データソースとの構造化された制御可能なインタラクションを可能にする関数呼び出しにますます依存していますが、既存のデータセットは、ウェアラブルセンサーデータに対するメンタルヘルス指向のアクセスには対処していません。
本稿では、睡眠、身体活動、心血管測定、ストレス指標、代謝データなどのウェアラブル健康信号に基づいて、精神保健支援のための合成機能呼び出しデータセットを提案する。
このデータセットは、さまざまな自然言語クエリを、広く採用されている健康データスキーマから派生した標準化されたAPIコールにマッピングする。
各サンプルは、ユーザクエリ、クエリカテゴリ、明示的な推論ステップ、正規化された時間パラメータ、ターゲット関数を含む。
このデータセットは、現実的なメンタルヘルス関連のユーザーインタラクションを反映した、明示的、暗黙的、行動的、症状に基づく、比喩的な表現をカバーしている。
このリソースは、LLMベースのメンタルヘルスエージェントにおける意図的根拠づけ、時間的推論、信頼性の高い機能呼び出しの研究をサポートし、再現性と今後の作業を促進するために公開されている。
関連論文リスト
- A Comparative Study of Traditional Machine Learning, Deep Learning, and Large Language Models for Mental Health Forecasting using Smartphone Sensing Data [19.545389949176503]
従来の機械学習(ML)、ディープラーニング(DL)、およびメンタルヘルス予測のための大規模言語モデル(LLM)のアプローチを比較した。
以上の結果から, DLモデル, 特に Transformer (Macro-F1 = 0.58) は, 全体的な性能が最高であることがわかった。
この研究は、次世代で適応的で人間中心のメンタルヘルス技術の基礎となる。
論文 参考訳（メタデータ） (2026-01-07T05:33:00Z) - A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。
本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
論文 参考訳（メタデータ） (2025-08-13T13:42:35Z) - Early Detection of Mental Health Issues Using Social Media Posts [0.0]
Redditのようなソーシャルメディアプラットフォームは、ユーザー生成コンテンツの豊富なソースを表している。
メンタルヘルス危機の早期発見に言語的特徴と時間的特徴を統合したマルチモーダルディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-06T23:08:08Z) - Detecting anxiety and depression in dialogues: a multi-label and explainable approach [5.635300481123079]
不安と抑うつは世界中で最も一般的なメンタルヘルスの問題であり、人口の非無視的な部分に影響を及ぼす。
本研究では、不安と抑うつの多ラベル分類のための全く新しいシステムを提案する。
論文 参考訳（メタデータ） (2024-12-23T15:29:46Z) - 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) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-03-23T11:10:04Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - Pose-based Body Language Recognition for Emotion and Psychiatric Symptom
Interpretation [75.3147962600095]
通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。
心理学者との連携により,精神症状予測の枠組みを拡張した。
提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
論文 参考訳（メタデータ） (2020-10-30T18:45:16Z) - Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being [42.67003631848889]
本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
論文 参考訳（メタデータ） (2020-06-10T14:30:29Z)
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。