論文の概要: Keyphrase Generative Representation of Youth Crisis Conversations Beyond Static Taxonomies
- arxiv url: http://arxiv.org/abs/2605.27546v1
- Date: Tue, 26 May 2026 18:16:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:55.400308
- Title: Keyphrase Generative Representation of Youth Crisis Conversations Beyond Static Taxonomies
- Title（参考訳）: カタノミクスを超越した若者危機会話のキーワード生成表現
- Authors: Abeer Badawi, Will Aitken, Lydia Sequeira, Jocelyn Rankin, Maia Norman, Elham Dolatabadi,
- Abstract要約: 危機応答者は毎年何千もの若者のSMS会話を評価し、メンタルヘルスの懸念を特定し、支援をガイドする。
若者の苦悩は、しばしば固定ラベルの分類に合わない進化と文脈固有の言語によって、ますます表される。
この研究は、703,975人の未確認キッズヘルプ電話会話(2018-2023)を分析し、KHPの19ラベルの分類を39ラベルの階層スキーマに拡張した。
- 参考スコア（独自算出の注目度）: 1.9073226308379938
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Crisis Responders (CRs) rapidly assess thousands of youth SMS conversations each year to identify mental health concerns and guide support. Yet youth distress is increasingly expressed through evolving and context-specific language that often does not fit fixed-label taxonomies. This work analyzed 703,975 de-identified Kids Help Phone conversations (2018-2023) and expanded KHP's 19-label issue taxonomy into a 39-label hierarchical schema. We then introduce Keyphrase Generative Representation (KGR), a constrained LLM generating concise, conversation-specific keyphrases, evaluated across 129 conversations and 387 expert annotations. The expanded taxonomy achieved expert consensus reliability, with an accuracy of 0.96, and expert review found that 81% of keyphrases accurately reflected content and 74% improved clarity. KGR surfaced identity-linked themes absent from the fixed taxonomy, including immigration problems and caregiver burden, and supported a topic-retrieval workflow that increased accuracy from 0.25 to 0.70 (+0.45) over the manual analyst process. KGR marks a shift toward hybrid, interpretable generative representations that extend crisis response beyond static taxonomies to surface emerging and culturally grounded patterns of youth distress.
- Abstract（参考訳）: 危機応答者(CR)は、メンタルヘルスの懸念を識別し、支援をガイドするために、毎年何千もの若者のSMS会話を評価している。
しかし、若者の苦悩は、しばしば固定ラベルの分類体系に適合しない進化と文脈固有の言語によって、ますます表される。
この研究は、703,975人の未確認キッズヘルプ電話会話(2018-2023)を分析し、KHPの19ラベルの分類を39ラベルの階層スキーマに拡張した。
次に、129の会話と387のエキスパートアノテーションで評価された、簡潔で会話特有のキーフレーズを生成する制約付きLLMである、KGR(Keyphrase Generative Representation)を紹介した。
拡張された分類学は専門家のコンセンサスを信頼でき、精度は0.96であり、専門家のレビューでは、キーフレーズの81%が正確に内容が反映され、74%が明確になった。
KGRは、移民問題や介護者の負担を含む固定された分類体系から欠落したアイデンティティ関連テーマを浮上させ、手作業による分析プロセスの精度を0.25から0.70(+0.45)に向上させるトピック検索ワークフローを支持した。
KGRは、静的な分類学を超えて危機対応を拡大し、若者の苦悩の出現と文化に根ざしたパターンを表面化する、ハイブリッドで解釈可能な生成表現へのシフトを示している。
関連論文リスト
- When AI Writes, Whose Voice Remains? Quantifying Cultural Marker Erasure Across World English Varieties in Large Language Models [6.821769033209393]
文化ゴースト(Cultural Ghosting)とは、テキスト処理において、非ネイティブな英語の品種に特有の言語マーカーを体系的に消去することである。
我々はこの現象を、IER(Identity Erasure Rate)とSPS(Semantic Preservation Score)の2つの新しい指標を用いて定量化する。
本実験は, 明示的な文化的保存により, セマンティック品質を犠牲にすることなく, 消毒を29%削減できることを実証した。
論文 参考訳（メタデータ） (2026-02-25T17:54:42Z) - Understanding Emotion in Discourse: Recognition Insights and Linguistic Patterns for Generation [0.36980845568339205]
認識のための10シード評価を併用した厳格なアブレーション試験を行った。
言語分析では,5,286件の談話マーカーを解析する。
感情とマーカー位置の有意な関連性を見いだす。
論文 参考訳（メタデータ） (2026-01-01T02:49:44Z) - Encyclo-K: Evaluating LLMs with Dynamically Composed Knowledge Statements [78.87065404966002]
既存のベンチマークは、主に質問レベルで質問をキュレートする。
ベンチマーク構築をゼロから再考するステートメントベースのベンチマークであるEncyclo-Kを提案する。
論文 参考訳（メタデータ） (2025-12-31T13:55:54Z) - Linguistic Patterns in Pandemic-Related Content: A Comparative Analysis of COVID-19, Constraint, and Monkeypox Datasets [0.0]
本研究では,パンデミック関連オンライン談話の言語学的解析を行う。
可読性,修辞的マーカー,説得的言語使用の有意な差異を同定した。
論文 参考訳（メタデータ） (2025-10-08T21:51:34Z) - K-Function: Joint Pronunciation Transcription and Feedback for Evaluating Kids Language Function [10.918072285423706]
K-Functionは、正確なサブワードの書き起こし、客観的スコアリング、動作可能なフィードバックを組み合わせた統合フレームワークである。
Kids-WFSTはMySTで1.39%、Multitudesで8.61%の音素誤りを達成した。
論文 参考訳（メタデータ） (2025-07-03T08:05:02Z) - What Makes a Good Natural Language Prompt? [72.3282960118995]
我々は,2022年から2025年にかけて,NLPおよびAIカンファレンスを主導する150以上のプロンプト関連論文を対象としたメタ分析調査を実施している。
本研究では,6次元に分類した21の特性を含む,迅速な品質評価のための特性・人間中心のフレームワークを提案する。
次に、複数プロパティのプロンプト強化を実証的に検討し、単一プロパティのプロンプトが最大の影響を与える場合が多いことを観察する。
論文 参考訳（メタデータ） (2025-06-07T23:19:27Z) - SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。
SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
論文 参考訳（メタデータ） (2023-10-27T06:48:48Z) - Age Group Discrimination via Free Handwriting Indicators [5.1076370934189255]
弱さは、進歩的な健康の低下、ストレスに対する脆弱性の増大、死亡のリスクの増加によって特徴づけられる。
欠陥を評価するための普遍的に受け入れられる方法が欠如し、標準化された定義が重要な研究ギャップを浮き彫りにしている。
本研究は,器用インクペンを用いて,年齢群分類のための手書き文字の評価を行う革新的な手法を提案する。
論文 参考訳（メタデータ） (2023-09-29T11:44:18Z) - Rethinking the Role of Scale for In-Context Learning: An
Interpretability-based Case Study at 66 Billion Scale [60.336655143884904]
本研究では,大規模言語モデルによるタスクの文脈内学習性能が,その基盤となるコンポーネントに均一に分散していないという仮説を考察する。
タスク間のインコンテキスト学習とインコンテキストサンプルの数に対して,アテンションヘッドのセット(重要でない)にかなりの重複がみられた。
論文 参考訳（メタデータ） (2022-12-18T14:36:07Z) - RHO ($\rho$): Reducing Hallucination in Open-domain Dialogues with
Knowledge Grounding [57.46495388734495]
本稿では、知識グラフ(KG)からリンクされたエンティティと関係述語を表現したRHO(rho$)を提案する。
本稿では,(1)テキスト埋め込みと対応するKG埋め込みを組み合わせるための局所知識基盤,(2)注目機構を介してRHOにマルチホップ推論能力を持たせるためのグローバル知識基盤を提案する。
論文 参考訳（メタデータ） (2022-12-03T10:36:34Z)
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。