Language-Agnostic Suicidal Risk Detection Using Large Language Models

要約

青少年の自殺リスク検出は重大な課題ですが、既存の方法は言語固有のモデルに依存しており、スケーラビリティと一般化を制限しています。
この研究では、大規模な言語モデル（LLM）を使用した自殺リスク評価のための新しい言語と存在の枠組みを紹介します。
ASRモデルを使用して音声から中国の転写産物を生成し、これらの転写産物から自殺リスク関連の特徴を抽出するために、プロンプトベースのクエリでLLMを使用します。
抽出された機能は、中国語と英語の両方で保持されており、言語間分析を可能にし、対応する前提条件モデルを独立して微調整するために使用されます。
実験結果は、私たちの方法がASRの結果を備えた直接微調整または中国の自殺リスク関連の特徴のみで訓練されたモデルに匹敵するパフォーマンスを達成し、言語の制約を克服し、自殺リスク評価の堅牢性を改善する可能性を示していることを示しています。

要約(オリジナル)

Suicidal risk detection in adolescents is a critical challenge, yet existing methods rely on language-specific models, limiting scalability and generalization. This study introduces a novel language-agnostic framework for suicidal risk assessment with large language models (LLMs). We generate Chinese transcripts from speech using an ASR model and then employ LLMs with prompt-based queries to extract suicidal risk-related features from these transcripts. The extracted features are retained in both Chinese and English to enable cross-linguistic analysis and then used to fine-tune corresponding pretrained language models independently. Experimental results show that our method achieves performance comparable to direct fine-tuning with ASR results or to models trained solely on Chinese suicidal risk-related features, demonstrating its potential to overcome language constraints and improve the robustness of suicidal risk assessment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google