論文の概要: SuiChat-CN: Benchmarking Contextual Suicide Risk Assessment in Chinese Group Chats
- arxiv url: http://arxiv.org/abs/2605.27911v1
- Date: Wed, 27 May 2026 03:37:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:55.721927
- Title: SuiChat-CN: Benchmarking Contextual Suicide Risk Assessment in Chinese Group Chats
- Title（参考訳）: SuiChat-CN:中国のグループチャットにおける文脈的自殺リスク評価のベンチマーク
- Authors: Xiangyu Wang, Zhiwei Yu, Chengze Du, Dingchang Wang, Yuhan Ye, Fangyu Zheng,
- Abstract要約: 自殺は世界の公衆衛生にとって重要な課題であり、毎年約72万人が死亡している。
メッセージは短く、断片化され、多人数で、暗黙的あるいは文化的に特定の表現に依存している。
我々は、文脈的自殺リスク評価のための中国のグループチャットベンチマークであるS SuiChat-CNを紹介する。
- 参考スコア（独自算出の注目度）: 5.3294393821952175
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Suicide is a critical global public health challenge, causing approximately 720,000 deaths each year and calling for timely, effective prevention strategies. Existing computational studies primarily focus on post-based social media platforms such as Twitter and Weibo, leaving instant messaging environments such as Telegram underexplored. Yet group chats pose distinct challenges: messages are short, fragmented, multi-party, and often rely on implicit or culturally specific expressions, making isolated post-level analysis insufficient. We introduce SuiChat-CN, a Chinese group-chat benchmark for contextual suicide risk assessment. We collect public Telegram group-chat data, construct coherent conversational segments through signal-word extraction and bidirectional context expansion, and annotate user risk levels with an expert-validated, LLM-assisted paradigm. SuiChat-CN contains 13,312 contextual segments from 1,406 users, covering 258,228 raw chat messages. Extensive experiments with PLMs and more than 40 LLMs demonstrate that contextual information is essential for reliable risk assessment, while fine-tuning and partial-context evaluation further reveal the challenges of early detection in multi-party conversations. Due to ethical and sensitivity concerns, the dataset is not publicly released but will be shared with accredited mental health and suicide-prevention research institutions upon reasonable request.
- Abstract（参考訳）: 自殺は世界の公衆衛生にとって重要な課題であり、毎年約72万人が死亡し、タイムリーで効果的な予防策を要求している。
既存の計算研究は主にTwitterやWeiboのようなポストベースのソーシャルメディアプラットフォームに焦点を当てており、Telegramのようなインスタントメッセージング環境は過小評価されている。
メッセージは短く、断片化され、複数政党であり、しばしば暗黙的あるいは文化的に特定の表現に依存しており、孤立したポストレベル分析が不十分である。
我々は、文脈的自殺リスク評価のための中国のグループチャットベンチマークであるS SuiChat-CNを紹介する。
我々は、公開Telegramグループチャットデータを収集し、信号ワード抽出と双方向コンテキスト拡張を通じてコヒーレントな会話セグメントを構築し、専門家によるLCM支援パラダイムでユーザリスクレベルを注釈付けする。
SuiChat-CNには1,406名のユーザから13,312のコンテキストセグメントがあり、258,228の生チャットメッセージが含まれている。
PLMと40以上のLCMを用いた大規模な実験は、コンテキスト情報が信頼性の高いリスク評価に不可欠であることを示し、微調整および部分的コンテキスト評価は、マルチパーティ会話における早期発見の課題をさらに明らかにする。
倫理的・敏感な懸念のため、データセットは公開されていないが、合理的な要求により、認定された精神保健や自殺予防研究機関と共有される。
関連論文リスト
- GroupGPT: A Token-efficient and Privacy-preserving Agentic Framework for Multi-User Chat Assistant [18.992005077080588]
GroupGPTは、マルチユーザーチャットアシスタントのためのトークン効率とプライバシ保護のためのエージェントフレームワークである。
マルチユーザチャットアシスタントの介入推論のためのベンチマークデータセットであるMUIRを紹介する。
実験により、GroupGPTは正確かつ適切な応答を生成することが示された。
論文 参考訳（メタデータ） (2026-03-01T11:29:25Z) - Synthetic Voices, Real Threats: Evaluating Large Text-to-Speech Models in Generating Harmful Audio [63.18443674004945]
この研究は、TSシステムを利用して有害なコンテンツを含む音声を生成する、コンテンツ中心の脅威を探究する。
HARMGENは、これらの課題に対処する2つのファミリーにまとめられた5つの攻撃群である。
論文 参考訳（メタデータ） (2025-11-14T03:00:04Z) - Suicidal Comment Tree Dataset: Enhancing Risk Assessment and Prediction Through Contextual Analysis [3.381709265589592]
本研究では,コメントツリー内の情報がユーザの自殺リスクレベルの識別と予測にどのように影響するかを検討する。
Redditをソースとした高品質な注釈付きデータセットを構築し、ユーザの投稿履歴とコメントを組み込んだ。
このデータセットの統計的解析とLarge Language Models (LLMs) 実験の結果から, コメントツリーデータの導入は, ユーザの自殺リスクレベルの識別と予測を著しく向上させることが示された。
論文 参考訳（メタデータ） (2025-10-16T07:47:03Z) - Understanding and Predicting Derailment in Toxic Conversations on GitHub [6.343946534579351]
この研究は、GitHubの有害性につながる会話の脱線を理解し予測することを目的としている。
このデータセットに基づいて,有害な会話や脱線点の特徴を識別する。
本研究では,エスカレーション前に潜在的に有害な会話を自動的に検出し,対処するための能動的モデレーション手法を提案する。
論文 参考訳（メタデータ） (2025-03-04T02:01:37Z) - Harmful Suicide Content Detection [35.0823928978658]
本研究では,オンライン自殺内容の有害なレベルを5つに分類するための有害な自殺内容検出タスクを導入する。
コントリビューションには,新たな検出タスクの提案,専門家アノテーションを用いたマルチモーダル韓国ベンチマーク,違法かつ有害なコンテンツの検出にLLMを用いた戦略の提案などが含まれている。
論文 参考訳（メタデータ） (2024-06-03T03:43:44Z) - Comprehensive Assessment of Toxicity in ChatGPT [49.71090497696024]
本研究は,ChatGPTの毒性を指導調整データセットを用いて評価する。
創作作業のプロンプトは 有害な反応を 引き起こす確率が 2倍になる
初期の研究で設計された、故意に有害なプロンプトは、もはや有害な反応を生じさせない。
論文 参考訳（メタデータ） (2023-11-03T14:37:53Z) - NewsDialogues: Towards Proactive News Grounded Conversation [72.10055780635625]
本稿では,対話システムがニュースの重要な話題に基づいて会話を積極的にリードする新しいタスク,Proactive News Grounded Conversationを提案する。
この課題をさらに発展させるために、人間と人間の対話データセットtsNewsDialoguesを収集し、合計14.6Kの発話を含む1Kの会話を含む。
論文 参考訳（メタデータ） (2023-08-12T08:33:42Z) - A Categorical Archive of ChatGPT Failures [47.64219291655723]
OpenAIが開発したChatGPTは、大量のデータを使って訓練され、人間の会話をシミュレートしている。
それは、広範囲の人間の問い合わせに効果的に答える能力のために、大きな注目を集めている。
しかし、ChatGPTの失敗の包括的分析は欠落しており、これが本研究の焦点となっている。
論文 参考訳（メタデータ） (2023-02-06T04:21:59Z) - COLD: A Benchmark for Chinese Offensive Language Detection [54.60909500459201]
COLDatasetは、37kの注釈付き文を持つ中国の攻撃的言語データセットである。
また、人気のある中国語モデルの出力攻撃性を研究するために、textscCOLDetectorを提案する。
我々の資源と分析は、中国のオンラインコミュニティを解毒し、生成言語モデルの安全性を評価することを目的としている。
論文 参考訳（メタデータ） (2022-01-16T11:47:23Z) - Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting [56.268862325167575]
マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
論文 参考訳（メタデータ） (2020-05-05T14:30:20Z)
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。