論文の概要: Towards Expectation Detection in Language: A Case Study on Treatment Expectations in Reddit

• arxiv url: http://arxiv.org/abs/2602.15504v1
• Date: Tue, 17 Feb 2026 11:21:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.043765
• Title: Towards Expectation Detection in Language: A Case Study on Treatment Expectations in Reddit
• Title（参考訳）: 言語における期待検出に向けて:Redditにおける治療期待のケーススタディ
• Authors: Aswathy Velutharambath, Amelie Wührl,
• Abstract要約: 我々は、Reddit投稿(4.5K投稿)のコーパスであるRedHOTExpectを、この文脈での期待を調査するために貢献します。 我々は、大きな言語モデル(LLM)を使用して、データを銀のラベル付けし、その品質(ラベル精度78%)を手作業で検証します。 精神疾患や治療関連疾患に関する投稿では、精神保健状況と比較して楽観主義や積極的フレーミングが顕著であることがわかった。
• 参考スコア（独自算出の注目度）: 3.7885834570803847
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Patients' expectations towards their treatment have a substantial effect on the treatments' success. While primarily studied in clinical settings, online patient platforms like medical subreddits may hold complementary insights: treatment expectations that patients feel unnecessary or uncomfortable to share elsewhere. Despite this, no studies examine what type of expectations users discuss online and how they express them. Presumably this is because expectations have not been studied in natural language processing (NLP) before. Therefore, we introduce the task of Expectation Detection, arguing that expectations are relevant for many applications, including opinion mining and product design. Subsequently, we present a case study for the medical domain, where expectations are particularly crucial to extract. We contribute RedHOTExpect, a corpus of Reddit posts (4.5K posts) to study expectations in this context. We use a large language model (LLM) to silver-label the data and validate its quality manually (label accuracy ~78%). Based on this, we analyze which linguistic patterns characterize expectations and explore what patients expect and why. We find that optimism and proactive framing are more pronounced in posts about physical or treatment-related illnesses compared to mental-health contexts, and that in our dataset, patients mostly discuss benefits rather than negative outcomes. The RedHOTExpect corpus can be obtained from https://www.ims.uni-stuttgart.de/data/RedHOTExpect
• Abstract（参考訳）: 治療に対する患者の期待は治療の成功に大きく影響する。 主に臨床環境で研究されているが、医療のサブレディットのようなオンライン患者プラットフォームには補完的な洞察がある。 それにもかかわらず、オンライン上でどのような期待が議論されるのか、どのように表現されるのかは研究されていない。 おそらくこれは、自然言語処理(NLP)において期待が研究されていないためだろう。 そこで我々は,意見マイニングや製品設計など,多くのアプリケーションに期待が関係しているとして,期待検出の課題を紹介した。 次に,特に期待を抽出することが重要である医学領域のケーススタディを提案する。 我々は、Reddit投稿(4.5K投稿)のコーパスであるRedHOTExpectを、この文脈での期待を調査するために貢献します。 大規模言語モデル(LLM)を使用して、データの銀色付けを行い、その品質(ラベル精度~78%)を手作業で検証します。 これに基づいて,どの言語パターンが期待を特徴づけるかを分析し,患者の期待や理由を探索する。 楽観主義と積極的フレーミングは、精神疾患や治療関連疾患に関する投稿において、メンタルヘルスの文脈よりも顕著であり、我々のデータセットでは、患者は否定的な結果よりも利益を論じることが多い。 RedHOTExpectコーパスはhttps://www.ims.uni-stuttgart.de/data/RedHOTExpectから取得できる。

関連論文リスト

• A machine learning framework for interpretable predictions in patient pathways: The case of predicting ICU admission for patients with symptoms of sepsis [3.5280004326441365]
  PatWay-Netは、敗血症患者の集中治療室への入院の予測を解釈するために設計されたMLフレームワークである。 本稿では,新しいタイプのリカレントニューラルネットワークを提案し,それを多層パーセプトロンと組み合わせて患者経路を処理する。 我々は、患者の健康状態、予測結果、関連するリスクを視覚化する包括的ダッシュボードを通じて、その実用性を実証する。
  論文  参考訳（メタデータ） (2024-05-21T20:31:42Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• An Interpretable Deep-Learning Framework for Predicting Hospital Readmissions From Electronic Health Records [1.9185059111021852]
  本研究では,未計画の病院入退院を予測するための新しい,解釈可能な深層学習フレームワークを提案する。 実際のデータを用いて,30日と180日以内に病院入退院の2つの予測課題に関する枠組みを検証した。 我々のソリューションは、予測精度で従来の機械学習モデルより優れ、同時により解釈可能な結果を提供する。
  論文  参考訳（メタデータ） (2023-10-16T08:48:52Z)
• Privacy-preserving machine learning for healthcare: open challenges and future perspectives [72.43506759789861]
  医療におけるプライバシー保護機械学習(PPML)に関する最近の文献を概観する。 プライバシ保護トレーニングと推論・アズ・ア・サービスに重点を置いています。 このレビューの目的は、医療におけるプライベートかつ効率的なMLモデルの開発をガイドすることである。
  論文  参考訳（メタデータ） (2023-03-27T19:20:51Z)
• PolyHope: Two-Level Hope Speech Detection from Tweets [68.8204255655161]
  その重要性にもかかわらず、希望はソーシャルメディア分析タスクとして研究されることはめったにない。 本稿では、まず各ツイートを「ホップ」と「ノーホープ」に分類するホープ音声データセットを提案する。 2022年前半の英語のつぶやきは、このデータセットを構築するために集められた。
  論文  参考訳（メタデータ） (2022-10-25T16:34:03Z)
• A Machine Learning Model for Predicting, Diagnosing, and Mitigating Health Disparities in Hospital Readmission [0.0]
  本稿では,データ中のバイアスの検出と緩和とモデル予測が可能な機械学習パイプラインを提案する。 提案手法の有効性を,精度と公正度の測定値を用いて評価した。
  論文  参考訳（メタデータ） (2022-06-13T16:07:25Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Evaluation of machine learning algorithms for Health and Wellness applications: a tutorial [0.456877715768796]
  このチュートリアルは、これらのDoの背後にあるより良い理解を構築しようと試み、最も関連するパフォーマンス評価基準とそれらを計算する方法の両方を示しない。
  論文  参考訳（メタデータ） (2020-08-31T15:50:51Z)

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。