論文の概要: Words Are the Voice of the Mind: Depression Severity Estimation from Social Traces via Mental-Guided Evidence Reasoning

• arxiv url: http://arxiv.org/abs/2610.33586v1
• Date: Sat, 24 Oct 2026 10:28:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.36744
• Title: Words Are the Voice of the Mind: Depression Severity Estimation from Social Traces via Mental-Guided Evidence Reasoning
• Title（参考訳）: 言葉は心の声である:精神誘導的エビデンス推論による社会的トレースからの抑うつの重大度推定
• Abstract要約: オンラインソーシャルメディアの普及に伴い、ユーザーは自分の精神状態を反映する豊富な社会的痕跡を残している。 本稿では,ソーシャルトレースに基づくうつ病重症度推定のための,ユーザ固有の精神的エビデンス推論フレームワークであるUMerを提案する。
• 参考スコア（独自算出の注目度）: 30.015660464096694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depression severity estimation is crucial for mental health assessment and intervention, yet traditional approaches depend on clinical interviews or self-report questionnaires that require users' active participation. With the widespread use of online social media, users leave rich social traces that may reflect their mental states, motivating the task of social media-based depression severity estimation. Existing efforts have progressed from textual-feature-based classification to LLM-based questionnaire completion over standardized scale items, yet they still fall short in user-specific mental priors modeling, diversified semantic retrieval, and fine-grained reasoning over mental evidence. To address these limitations, we propose UMer, a user-specific mental evidence reasoning framework for social traces-based depression severity estimation. UMer first distills a user-specific mental prior from historical social traces to capture the user's psychological tendencies, behavioral patterns, and self-expression style. It then performs scale-guided multi-query retrieval to construct evidence memories from item-relevant posts. Finally, it conducts coarse-to-fine evidence-aware reasoning to distinguish direct and indirect evidence and predict item-level scores with interpretable rationales. Extensive experiments on real-world benchmarks demonstrate that UMer not only achieves competitive performance over existing baselines, but also provides evidence-grounded interpretability and generalizes to other scale-based tasks.
• Abstract（参考訳）: うつ病重症度の推定はメンタルヘルスアセスメントや介入に不可欠であるが、従来のアプローチは、ユーザーの積極的な参加を必要とする臨床面接や自己報告のアンケートに依存している。 オンラインソーシャルメディアの普及に伴い、ユーザーは自分の精神状態を反映する豊富な社会的痕跡を残し、ソーシャルメディアベースのうつ病重症度推定のタスクを動機付けている。 既存の取り組みは、テキスト機能に基づく分類からLLMベースのアンケート完成まで、標準化された尺度項目よりも進歩してきたが、ユーザ固有の心的先行性モデリング、多義的なセマンティック検索、そして精神的証拠に対するきめ細かい推論にはまだ不足している。 これらの制約に対処するために,ソーシャルトレースに基づくうつ病重症度推定のための,ユーザ固有の精神的エビデンス推論フレームワークであるUMerを提案する。 UMerはまず、ユーザーの心理的傾向、行動パターン、自己表現スタイルを捉えるために、歴史的社会的痕跡からユーザー固有の精神を蒸留する。 その後、スケール誘導型マルチクエリ検索を行い、アイテム関連投稿からエビデンスメモリを構築する。 最後に、直接的および間接的な証拠を区別し、解釈可能な有理量でアイテムレベルのスコアを予測するために、粗大な証拠認識推論を実行する。 実世界のベンチマークに関する大規模な実験は、UMerが既存のベースラインと競合する性能を達成するだけでなく、エビデンスに基づく解釈可能性を提供し、他のスケールベースのタスクに一般化することを示した。

関連論文リスト

• Explainable Depression Detection in Clinical Interviews with Personalized Retrieval-Augmented Generation [32.163466666512996]
  うつ病は広範な精神疾患であり、臨床面接は評価のための金の基準である。 現在のシステムは主にブラックボックスニューラルネットワークを使用し、解釈性に欠ける。 本稿では,説明可能な抑うつ検出のための検索拡張フレームワークREDを提案する。
  論文  参考訳（メタデータ） (2025-03-03T08:59:34Z)
• Are LLMs effective psychological assessors? Leveraging adaptive RAG for interpretable mental health screening through psychometric practice [2.9775344067885974]
  心理学的実践において、標準化されたアンケートは、構造化され、臨床的に検証された質問を通じて精神的な健康を評価するための必須のツールとして機能する。 本稿では,心理学的実践と計算手法を橋渡しする,アンケート誘導型スクリーニングフレームワークを提案する。 提案手法は,未構造化のソーシャルメディアコンテンツと,各アンケート項目の関連記事の検索による標準化された臨床評価とを関連づけるものである。
  論文  参考訳（メタデータ） (2025-01-02T00:01:54Z)
• Decoding Linguistic Nuances in Mental Health Text Classification Using Expressive Narrative Stories [5.091061468748012]
  本研究は,自己宣言型抑うつを伴う人や無関係の人からの表現的物語(ENS)に着目し,そのギャップを埋めるものである。 本研究は,従来の言語モデルに対する高度言語モデルであるBERTとMentalBERTの有用性を評価する。 BERT は ENS における話題単語の欠如に対して最小限の感度を示し,より深い言語的特徴を理解する能力に優れていたことを示唆した。
  論文  参考訳（メタデータ） (2024-12-20T19:29:21Z)
• LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
  大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。 得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
  論文  参考訳（メタデータ） (2024-06-09T09:03:11Z)
• Reliability Analysis of Psychological Concept Extraction and Classification in User-penned Text [9.26840677406494]
  私たちはLoSTデータセットを使って、Redditユーザーの投稿に低い自尊心があることを示唆するニュアンスのあるテキストキューをキャプチャします。 以上の結果から, PLM の焦点を Trigger と Consequences からより包括的な説明に移行する必要性が示唆された。
  論文  参考訳（メタデータ） (2024-01-12T17:19:14Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)

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。