A Simple and Flexible Modeling for Mental Disorder Detection by Learning from Clinical Questionnaires

要約

ソーシャル メディアは、ユーザーが言語の特徴を分析するために最も需要の高いリソースの 1 つです。
特に、多くの研究者は、ソーシャルメディアから精神的健康問題のさまざまな言語的特徴を利用しました。
しかし、精神障害を検出するための既存のアプローチは、高品質のデータの不足や、モデルの複雑さへの対処と専門分野の知識に基づいた解釈可能な結果の提示との間のトレードオフなど、重大な課題に直面しています。
これらの課題に対処するために、ドメインベースの解釈可能性を維持する、シンプルだが柔軟なモデルを設計します。
私たちは、テキストから意味論的な意味を直接捉え、それを症状に関連した説明と比較する新しいアプローチを提案します。
実験結果は、私たちのモデルがさまざまな精神障害検出タスクにおいて関連するベースラインを上回るパフォーマンスを示していることを示しています。
私たちの詳細な分析により、提案されたモデルはドメイン知識の活用に効果的であり、他の精神障害にも応用可能であり、解釈可能な検出結果を提供することが示されています。

要約(オリジナル)

Social media is one of the most highly sought resources for analyzing characteristics of the language by its users. In particular, many researchers utilized various linguistic features of mental health problems from social media. However, existing approaches to detecting mental disorders face critical challenges, such as the scarcity of high-quality data or the trade-off between addressing the complexity of models and presenting interpretable results grounded in expert domain knowledge. To address these challenges, we design a simple but flexible model that preserves domain-based interpretability. We propose a novel approach that captures the semantic meanings directly from the text and compares them to symptom-related descriptions. Experimental results demonstrate that our model outperforms relevant baselines on various mental disorder detection tasks. Our detailed analysis shows that the proposed model is effective at leveraging domain knowledge, transferable to other mental disorders, and providing interpretable detection results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google