DepGLM：大規模言語モデルに基づくソーシャルメディア上のうつ病度認識

科学分野:

• 計算言語学
• メンタルヘルス情報学
• 自然言語処理

背景:

• うつ病は、早期発見と介入を必要とする世界的なメンタルヘルス問題です。
• ソーシャルメディアデータは、早期のうつ病警告の可能性を提供しますが、従来のメソッドは精度と解釈可能性が不足しています。
• 既存の研究では、しばしば二項分類が使用され、微妙なうつ病の重症度識別が欠落しています。

研究 の 目的:

• 多段階テキスト分類と生成を使用して、きめ細かいうつ病度認識モデルを開発すること。
• 中国のソーシャルメディアの文脈における識別力の向上を探求すること。
• うつ病度分類と解釈可能な指示追従のための新しいデータセットを作成すること。

主な方法:

• うつ病度認識を多段階テキスト分類および生成タスクとしてモデル化しました。
• Depression Weiboデータセットと多段階解釈可能指示データセットを構築しました。
• ChatGLM3大規模言語モデルをファインチューニングして、DepGLM（DepGLM-tcおよびDepGLM-tg）を作成しました。

主要な成果:

• DepGLM-tcは、現在の最先端の識別モデルを上回る、重み付きF1スコア84%を達成しました。
• DepGLM-tgは、SOTA識別方法と同等の精度を示しました。
• テキスト生成モデルは、ChatGPTに似た高品質な説明を生成しました。

結論:

• ファインチューニングされた大規模言語モデルは、うつ病の重症度を識別するための優れた精度を提供します。
• 開発されたDepGLMモデルは、うつ病分類タスクにおいて強化されたパフォーマンスを示しています。
• このアプローチは、ソーシャルメディアデータを使用した微妙なうつ病検出を進歩させます。