論文の概要: Improving Mental Health Screening and Early Risk Detection in Spanish

• arxiv url: http://arxiv.org/abs/2607.28476v1
• Date: Thu, 30 Jul 2026 16:28:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.661259
• Title: Improving Mental Health Screening and Early Risk Detection in Spanish
• Title（参考訳）: スペインにおけるメンタルヘルススクリーニングの改善と早期リスク検出
• Abstract要約: 精神疾患の早期発見は、スペイン語で専門的なリソースが不足しているため、しばしば制限される。 本稿では3つの主要なコントリビューションを通じて,これらの課題に対処する。
• 参考スコア（独自算出の注目度）: 0.8399688944263843
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Early detection of mental health disorders is often limited by the lack of specialized resources in Spanish and the difficulty of analyzing long histories of social media posts. This paper addresses these challenges through three main contributions. First, we introduce three Spanish foundational models specifically adapted to the mental health domain through domain-specific pre-training. Second, we propose Incremental Context Expansion (ICE), an automatic relabeling methodology designed for early detection. ICE identifies the point at which cumulative messages provide enough evidence of a disorder, generating more informative training samples. Third, we provide a set of fine-tuned models using the samples generated with the ICE methodology for early risk detection tasks. Our results on three Spanish benchmarks show that combining these specialized models with ICE improves the state-of-the-art, reducing detection latency while maintaining high performance. All models are publicly available.
• Abstract（参考訳）: 精神疾患の早期発見は、スペイン語の専門資源の欠如と、ソーシャルメディア投稿の長い歴史を分析することの難しさによって、しばしば制限される。 本稿では3つの主要なコントリビューションを通じて,これらの課題に対処する。 まず,精神保健領域に特化しているスペインの3つの基礎モデルを,ドメイン固有の事前トレーニングを通じて紹介する。 第2に,早期検出のための自動拡張手法であるインクリメンタルコンテキスト拡張(ICE)を提案する。 ICEは、累積的なメッセージが障害の十分な証拠を提供するポイントを特定し、より情報的なトレーニングサンプルを生成する。 第3に、早期リスク検出タスクのためにICE手法を用いて生成されたサンプルを用いて、微調整されたモデルのセットを提供する。 スペインの3つのベンチマークの結果から,これらの特化モデルとICEを組み合わせることで,検出のレイテンシを低減し,高い性能を維持した。 全てのモデルが公開されている。

関連論文リスト

• Towards Low-Latency and Adaptive Ransomware Detection Using Contrastive Learning [1.338174941551702]
  ランサムウェアは、その急速な進化、早期発見の必要性、多様性の増大により、サイバーセキュリティにとって重要な脅威となっている。 既存のメソッドには,アドホックな機能依存,応答の遅れ,目に見えない変種への適応性の制限という,3つの大きな制限がある。 これらの課題に対処するために,自己教師付きコントラスト学習とニューラルアーキテクチャサーチ(NAS)を統合するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-24T18:33:52Z)
• Predictive Multimodal Modeling of Diagnoses and Treatments in EHR [10.29848511141116]
  電子カルテに記録された臨床ノートやイベントを融合するシステムを提案する。 このモデルは、訓練済みエンコーダ、機能プーリング、モーダル間注意を統合し、モーダル間の最適な表現を学習する。 実験により、これらの戦略は早期予測モデルを強化し、現在の最先端システムより優れていることが示された。
  論文  参考訳（メタデータ） (2025-08-14T22:14:18Z)
• Extremely Simple Out-of-distribution Detection for Audio-visual Generalized Zero-shot Learning [84.02184773383732]
  ゼロショット学習は、補助カテゴリー情報を探ることで、見知らぬクラスから見つからないクラスへの知識伝達を可能にする。 本稿では,AV-GZSL法(EZ-AVOOD)を応用し,バイアス問題を緩和する極めて単純なアウト・オブ・ディストリビューション(OOD)検出手法を提案する。 既存の最先端手法と比較して、我々のモデルは3つのオーディオ視覚データセット上でのZSLとGZSLの性能に優れていた。
  論文  参考訳（メタデータ） (2025-03-28T07:28:56Z)
• Dancing with Critiques: Enhancing LLM Reasoning with Stepwise Natural Language Self-Critique [66.94905631175209]
  我々は、段階的に自然言語の自己批判(PANEL)を行う新しい推論時間スケーリング手法を提案する。 ステップレベルの探索プロセスのガイドとして、自己生成の自然言語批判をフィードバックとして採用している。 このアプローチは、タスク固有の検証と関連するトレーニングオーバーヘッドの必要性を回避します。
  論文  参考訳（メタデータ） (2025-03-21T17:59:55Z)
• From Correctness to Comprehension: AI Agents for Personalized Error Diagnosis in Education [24.970741456147447]
  大規模言語モデル(LLM)は、GSM8Kのようなベンチマークでほぼ完璧なパフォーマンスを達成し、驚くべき数学的推論能力を示している。 しかし、誤り診断やフィードバック生成よりも正確さが過大評価されているため、パーソナライズされた教育への応用は依然として限られている。 textbfMathCCSは,システム的エラー解析と修正されたフィードバックのためのベンチマークである。 第2に、過去のデータを利用してトレンドを追跡し、診断精度を向上させるシーケンシャルなエラー解析フレームワークを開発する。 第3に、歴史的分析のための時系列エージェントと実時間のためのMLLMエージェントを組み合わせたマルチエージェント協調フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-19T14:57:51Z)
• Generating on Generated: An Approach Towards Self-Evolving Diffusion Models [58.05857658085845]
  再帰的自己改善(Recursive Self-Improvement、RSI)は、インテリジェンスシステムがその能力を自律的に改善することを可能にする。 本稿では、テキスト・画像拡散モデルにおけるRSIの適用について検討し、合成データによるトレーニング崩壊の課題に対処する。
  論文  参考訳（メタデータ） (2025-02-14T07:41:47Z)
• DPP-Based Adversarial Prompt Searching for Lanugage Models [56.73828162194457]
  Auto-Regressive Selective Replacement Ascent (ASRA)は、決定点プロセス(DPP)と品質と類似性の両方に基づいてプロンプトを選択する離散最適化アルゴリズムである。 6種類の事前学習言語モデルに対する実験結果から,ASRAによる有害成分の抽出の有効性が示された。
  論文  参考訳（メタデータ） (2024-03-01T05:28:06Z)
• Recognizing Identities From Human Skeletons: A Survey on 3D Skeleton Based Person Re-Identification [60.939250172443586]
  3Dスケルトンによる人物の再同定は、パターン認識コミュニティ内で注目を集める重要な研究分野である。 近年のSRID進歩の総合的なレビューと分析を行っている。 様々なベンチマークやプロトコルを用いて、最先端のSRID手法の徹底的な評価を行い、その有効性と効率性を比較した。
  論文  参考訳（メタデータ） (2024-01-27T04:52:24Z)
• Early Detection of Depression and Eating Disorders in Spanish: UNSL at MentalRiskES 2023 [1.0878040851637998]
  MentalRiskESは、スペイン語の早期リスク検出に関連する問題を解決することを提案する新しい課題である。 目的は、異なるタスクを考慮に入れた精神障害の兆候を示すTelegramユーザーをできるだけ早く検出することである。
  論文  参考訳（メタデータ） (2023-10-30T20:38:31Z)
• Adapting Deep Learning Methods for Mental Health Prediction on Social Media [10.102073937554488]
  メンタルヘルスは、個人の幸福のために重要な課題となる。 深層学習モデルを用いてソーシャルメディア利用者の精神状態を検出するという課題に取り組む。 ユーザが9つの異なる障害のうちの1つに苦しむかどうかを予測するバイナリ分類タスクでは、階層的な注意ネットワークが以前設定された4つの障害のベンチマークを上回っている。
  論文  参考訳（メタデータ） (2020-03-17T10:49:03Z)

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。