論文の概要: Explainable Detection of Depression Status Shifts from User Digital Traces

• arxiv url: http://arxiv.org/abs/2605.14995v1
• Date: Thu, 14 May 2026 15:56:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.929162
• Title: Explainable Detection of Depression Status Shifts from User Digital Traces
• Title（参考訳）: ユーザ・デジタル・トレースからの圧縮状態変化の説明可能な検出
• Authors: Loris Belcastro, Francesco Gervino, Fabrizio Marozzo, Domenico Talia, Paolo Trunfio,
• Abstract要約: 利用者のデジタルトレースにおけるうつ関連状態変化を検出し解析するための説明可能なフレームワークを提案する。 このフレームワークを2つのソーシャルメディアデータセット上で評価する。
• 参考スコア（独自算出の注目度）: 1.3266402517619371
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Every day, users generate digital traces (e.g., social media posts, chats, and online interactions) that are inherently timestamped and may reflect aspects of their mental state. These traces can be organized into temporal trajectories that capture how a user's mental health signals evolve, including phases of improvement, deterioration, or stability. In this work, we propose an explainable framework for detecting and analyzing depression-related status shifts in user digital traces. The approach combines multiple BERT-based models to extract complementary signals across different dimensions (e.g., sentiment, emotion, and depression severity). Such signals are then aggregated over time to construct user-level trajectories that are analyzed to identify meaningful change points. To enhance interpretability, the framework integrates a large language model to generate concise and human-readable reports that describe the evolution of mental-health signals and highlight key transitions. We evaluate the framework on two social media datasets. Results show that the approach produces more coherent and informative summaries than direct LLM-based reporting, achieving higher coverage of user history, stronger temporal coherence, and improved sensitivity to change points. An ablation study confirms the contribution of each component, particularly temporal modeling and segmentation. Overall, the method provides an interpretable view of mental health signals over time, supporting research and decision making without aiming at clinical diagnosis.
• Abstract（参考訳）: 毎日、ユーザーはデジタルトレース(ソーシャルメディアの投稿、チャット、オンラインのやりとりなど)を生成します。 これらのトレースは、改善、劣化、安定性のフェーズを含むユーザーのメンタルヘルス信号の進化をキャプチャする時間的軌跡にまとめることができる。 本研究では,利用者のデジタルトレースにおけるうつ関連状態変化を検出し解析するための説明可能なフレームワークを提案する。 このアプローチは、複数のBERTベースのモデルを組み合わせて、異なる次元(例えば、感情、感情、うつ病の重症度)で補完的な信号を抽出する。 このような信号は時間とともに集約され、意味のある変化点を特定するために分析されるユーザレベルの軌跡を構築する。 解釈可能性を高めるため、このフレームワークは大きな言語モデルを統合し、メンタルヘルス信号の進化を記述し、重要な遷移をハイライトする簡潔で可読なレポートを生成する。 このフレームワークを2つのソーシャルメディアデータセット上で評価する。 その結果,本手法は,LCMに基づく直接報告よりも一貫性と情報的要約が得られ,ユーザ履歴のカバレッジが向上し,時間的コヒーレンスが向上し,変化点に対する感度が向上した。 アブレーション研究は、各コンポーネント、特に時間的モデリングとセグメンテーションの寄与を確認する。 全体として、この方法は、臨床診断を目的とせず、研究と意思決定を支援する、時間とともにメンタルヘルス信号の解釈可能なビューを提供する。

関連論文リスト

• Psychologically-Grounded Graph Modeling for Interpretable Depression Detection [36.72827968050813]
  対話型セッションを動的時間グラフとしてモデル化するフレームワークであるPsyGATを提案する。 Causal-PsyGATも紹介した。 実験では、因果指標を特定するためのMRRが20%改善されている。
  論文  参考訳（メタデータ） (2026-04-27T07:27:45Z)
• Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
  青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。 従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。 本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。 我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
  論文  参考訳（メタデータ） (2025-10-02T19:38:46Z)
• 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)
• MVICAD2: Multi-View Independent Component Analysis with Delays and Dilations [61.59658203704757]
  本稿では,時間的遅延と拡張の両面において,被験者間でソースを異にするMVICAD(Multi-View Independent Component Analysis with Delays and Dilations)を提案する。 本稿では, 正則化と最適化手法を用いて, 性能向上を図るため, 正則化と最適化手法を用いて, その可能性の近似を導出する。
  論文  参考訳（メタデータ） (2025-01-13T15:47:02Z)
• How are Prompts Different in Terms of Sensitivity? [50.67313477651395]
  本稿では,関数の感度に基づく包括的即時解析を提案する。 出力に対する入力トークンの関連性に異なるプロンプトがどう影響するかを実証的に示すために、勾配に基づく唾液度スコアを使用する。 本稿では, 感度推定をペナルティ項として組み込んだ感度認識復号法を標準グリーディ復号法で導入する。
  論文  参考訳（メタデータ） (2023-11-13T10:52:01Z)
• Explainable Depression Symptom Detection in Social Media [2.677715367737641]
  本稿では, トランスフォーマーアーキテクチャを用いて, ユーザの文章中の抑うつ症状マーカーの出現を検知し, 説明する。 我々の自然言語による説明により、臨床医はバリデーションされた症状に基づいてモデルの判断を解釈できる。
  論文  参考訳（メタデータ） (2023-10-20T17:05:27Z)
• Graph-Aware Contrasting for Multivariate Time-Series Classification [50.84488941336865]
  既存のコントラスト学習手法は主に、時間的拡張とコントラスト技術による時間的一貫性を達成することに焦点を当てている。 MTSデータ間の空間的整合性を考慮したグラフ認識コントラストを提案する。 提案手法は,様々なMSS分類タスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-09-11T02:35:22Z)
• Dynamic Graph Representation Learning for Depression Screening with Transformer [13.551342607089184]
  ソーシャルメディアプラットフォームは、メンタルヘルスを調査し、精神疾患の事例を検出する研究機会を提供する。 既存の抑うつ検出手法は,特徴工学への依存と時間的要因の考慮の欠如により制約される。 提案するContrastEgoは,各ユーザを動的時間進化型属性グラフ(ego-network)として扱う。 ContrastEgoは、様々な実験環境におけるすべての有効性指標において、最先端の手法を著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2023-05-10T20:34:40Z)

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。