メンタルヘルスデータセットに関する監督学習と大規模な言語モデルベンチマーク:中国のソーシャルメディアにおける認知的歪みと自殺リスク
Hongzhi Qi1, Guanghui Fu2, Jianqiang Li1
1College of Computer Science, Beijing University of Technology, Beijing 100124, China.
Bioengineering (Basel, Switzerland)
|August 28, 2025
まとめ
この研究は中国のソーシャルメディアで 自殺リスクと認知の歪みを検出するための新しいデータセットを紹介しています 監督学習モデルは 微調整なしでは大きな言語モデル (LLM) を上回りますが 微調整はギャップを縮小します
科学分野:
- コンピュータ言語学
- 心理情報学
- メンタルヘルスにおける人工知能
背景:
- ソーシャル・メディアの利用者は 感情を表現し 心理的苦痛を示している可能性があります
- 自殺念頭や認知障害の早期発見は 介入に不可欠です
研究 の 目的:
- SOS-HL-1K (自殺リスク) とSocialCD-3K (認知的歪み) の2つの新しい中国のソーシャルメディアデータセットを紹介する.
- 心理状態の検出のための監督学習方法と大規模な言語モデル (LLM) を評価する.
- 迅速なエンジニアリング戦略とLLMの微調整を比較します.
主な方法:
- SOS-HL-1K (1249ポスト) とSocialCD-3K (3407ポスト) のデータセットを開発し利用した.
- 2つの監督学習モデルと8つのLLMを評価した.
- ゼロショット・ショット・プロンプト・ストラテジーを導入し 微調整も行いました
主要な成果:
- 監督学習は高いパフォーマンスを示した (82.76% F1 自殺リスク,76.10% マイクロF1 認知障害).
- プロンプトされたLLMは,微調整なしで監督された方法よりも劣ったパフォーマンスを示しました.
- 微調整により,LLMのパフォーマンスは大幅に改善され,差は4.31%と3.14%に減少しました.
結論:
- ソーシャル・メディアでの複雑な心理的な作業には 監督学習が不可欠です
- LLMは有望ですが,監督された方法に合わせて微調整する必要があります.
- 開発されたデータセットは,計算心理学のさらなる研究を促進します.
