論文の概要: DreamerNLplus: Interpretable Modeling of Mental Health Dynamics from Social Media Timelines using Hybrid Rule-Based and RAG Methods

• arxiv url: http://arxiv.org/abs/2605.23052v1
• Date: Thu, 21 May 2026 21:35:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.106445
• Title: DreamerNLplus: Interpretable Modeling of Mental Health Dynamics from Social Media Timelines using Hybrid Rule-Based and RAG Methods
• Title（参考訳）: DreamerNLplus:ハイブリッドルールベースとRAG法を用いたソーシャルメディアタイムラインからのメンタルヘルスダイナミクスの解釈モデリング
• Abstract要約: ソーシャルメディアのタイムラインからメンタルヘルスのダイナミクスをモデリングするためのハイブリッドフレームワークであるDreamerNLplusを紹介する。 本システムは,心理的状態モデリング,時間変化検出,シーケンスレベルの要約という3つの課題に対処する。
• 参考スコア（独自算出の注目度）: 4.208177496878216
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present DreamerNLplus, a hybrid framework for modeling mental health dynamics from social media timelines in the CLPsych 2026 shared task. Our system addresses three tasks: psychological state modeling, temporal change detection, and sequence-level summarization. For Task 1, we combine LLM-based data augmentation, DeBERTa classification, and Random Forest regression for structured state prediction. For Task 2, we use few-shot prompting with a locally deployed Llama 3.1 model to detect Switch and Escalation events using short-term temporal context. For Task 3.1, we explore both a deterministic rule-based summarization pipeline and a few-shot LLM-based approach, ranking \textbf{2nd} officially. Our RAG-based method achieves strong performance in Task 3.2, ranking \textbf{1st} for Improvement and \textbf{3rd} for Deterioration, demonstrating its ability to capture recurrent psychological change patterns across timelines. Our analysis reveals key challenges, including the mismatch between classification and regression performance, the difficulty of modeling temporal transitions, and the disagreement between semantic and similarity-based evaluation metrics. These findings highlight the complexity of modeling mental health dynamics and motivate future work on unified evaluation frameworks. We share our code and prompts at https://github.com/4dpicture/CLPsych2026
• Abstract（参考訳）: CLPsych 2026共有タスクにおけるソーシャルメディアタイムラインからメンタルヘルスダイナミクスをモデル化するためのハイブリッドフレームワークであるDreamerNLplusを紹介する。 本システムは,心理的状態モデリング,時間変化検出,シーケンスレベルの要約という3つの課題に対処する。 タスク1では、構造化状態予測のためのLCMベースのデータ拡張、DeBERTa分類、ランダムフォレスト回帰を組み合わせた。 Task 2では、ローカルにデプロイされたLlama 3.1モデルを使って、短時間の時間的コンテキストを使用して、Switchおよびエスカレーションイベントを検出する。 タスク3.1では、決定論的ルールベースの要約パイプラインと、数ショットのLCMベースのアプローチの両方について検討する。 RAG ベースの手法は,改善のための textbf{1st} と劣化のための textbf{3rd} をランク付けしたタスク3.2 において高い性能を達成する。 分析の結果,分類と回帰性能のミスマッチ,時間遷移のモデル化の難しさ,意味と類似性に基づく評価指標の相違など,重要な課題が明らかになった。 これらの知見は、メンタルヘルスのダイナミクスをモデル化することの複雑さを強調し、統合された評価フレームワークに関する将来の研究を動機付けている。 コードとプロンプトはhttps://github.com/4dpicture/CLPsych2026で公開しています。

関連論文リスト

• CUNY at CLPsych 2026: A Pipeline Approach to Classification and Summarization of Mental Health Changes [4.3748379918040845]
  我々は,ソーシャルメディアのタイムラインのダイナミックスを通じて,メンタルヘルスの変化を捉え,特徴付けるための共有タスクをCLPsych2026に提出した。 ポストにおける支配的な自己状態を予測するために,多数決による3つのオープンウェイトな大言語モデルのコンテキスト内学習をまとめる。 タイムライン内でのムードダイナミクスのパターンと時間経過を要約するために,上流システムによって予測されるコンテキスト内サンプルラベルを拡大する。
  論文  参考訳（メタデータ） (2026-05-22T19:35:30Z)
• UKP_Psycontrol at SemEval-2026 Task 2: Modeling Valence and Arousal Dynamics from Text [41.99844472131922]
  本稿では,SemEval-2026タスク2のために開発したシステムについて述べる。 このタスクは、時系列に順序付けられたユーザ生成テキストにおける現在の影響と短期的な感情の変化の両方をモデル化する必要がある。 我々のシステムは、公式評価基準に基づいて、Subtask 1とSubtask 2Aの両方の参加チームの中で、第1位にランク付けしました。
  論文  参考訳（メタデータ） (2026-04-23T10:55:27Z)
• Training-inference input alignment outweighs framework choice in longitudinal retinal image prediction [3.0602131532925436]
  近年の手法は, 生成複雑性の増大に向かっているが, この複雑さが要求される条件はいまだ不明である。 生成複雑性は予測可能なタスクの条件付き後続成分のエントロピーと一致し,全てのレシスタンスでトレーニング・推論入力アライメントが要求される。 我々は,この枠組みを5つの構成を対比して,立方体自己蛍光データセット上で検証した。
  論文  参考訳（メタデータ） (2026-04-18T10:28:00Z)
• MedSeqFT: Sequential Fine-tuning Foundation Models for 3D Medical Image Segmentation [55.37355146924576]
  MedSeqFTは、医用画像解析のためのシーケンシャルな微調整フレームワークである。 事前訓練されたモデルを新しいタスクに適応させ、表現能力を改善する。 最先端の微調整戦略を一貫して上回ります。
  論文  参考訳（メタデータ） (2025-09-07T15:22:53Z)
• WSM: Decay-Free Learning Rate Schedule via Checkpoint Merging for LLM Pre-training [64.0932926819307]
  本稿では,学習速度減衰とモデルマージの正式な関係を確立するフレームワークであるWarmup-Stable and Merge(WSM)を紹介する。 WSMは様々な崩壊戦略をエミュレートするための統一された理論基盤を提供する。 私たちのフレームワークは、複数のベンチマークで広く採用されているWarmup-Stable-Decay(WSD)アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-07-23T16:02:06Z)
• Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
  モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。 本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。 残る技術的課題や倫理的考察も分析する。
  論文  参考訳（メタデータ） (2025-06-05T05:42:27Z)
• Adaptive Cascading Network for Continual Test-Time Adaptation [12.718826132518577]
  そこで本研究では,テスト時に対象ドメインの列に事前学習したソースモデルを適応させることを目標とする連続的なテスト時間適応の問題について検討する。 テストタイムトレーニングの既存の方法には、いくつかの制限がある。
  論文  参考訳（メタデータ） (2024-07-17T01:12:57Z)
• A Systematic Analysis on the Temporal Generalization of Language Models in Social Media [12.035331011654078]
  本稿では,ソーシャルメディア,特にTwitterの時間的変化に注目した。 本研究では,言語モデル(LM)の性能を時間的シフトで評価するための統一評価手法を提案する。
  論文  参考訳（メタデータ） (2024-05-15T05:41:06Z)
• Discovering group dynamics in coordinated time series via hierarchical recurrent switching-state models [5.250223406627639]
  我々は、複数の相互作用する実体(つまり「エージェント」)から生じる時系列の集合に対する計算学的に効率的なモデルを求める。 個人間の時間パターンの最近のモデルでは、個々の実体の軌跡に影響を与える可能性のある明示的なシステムレベルの集団行動が組み込まれていない。 我々は、遅延系レベル離散状態マルコフ連鎖を用いて、遅延系レベルチェーンにトップダウンの影響を与え、各観測時系列の排出を制御している。
  論文  参考訳（メタデータ） (2024-01-26T16:06:01Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• Global-to-Local Modeling for Video-based 3D Human Pose and Shape Estimation [53.04781510348416]
  フレーム内精度とフレーム間スムーズさにより,映像に基づく3次元人間のポーズと形状推定を評価する。 エンドツーエンドフレームワークGLoT(Global-to-Local Transformer)における長期的・短期的相関のモデル化を構造的に分離することを提案する。 我々のGLoTは、一般的なベンチマーク(3DPW、MPI-INF-3DHP、Human3.6M)において、最も低いモデルパラメータを持つ従来の最先端の手法を上回る。
  論文  参考訳（メタデータ） (2023-03-26T14:57:49Z)
• Revisiting LSTM Networks for Semi-Supervised Text Classification via Mixed Objective Function [106.69643619725652]
  我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。 いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
  論文  参考訳（メタデータ） (2020-09-08T21:55:22Z)

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。