3M-Health：用于精神健康检测的多模态多教师知识蒸馏

精神健康分类在当今社会中至关重要，数字平台作为监测个体福祉的关键来源。然而，现有社交媒体精神健康数据集主要由文本单模态样本构成，可能限制此类数据训练模型的效果。鉴于人类利用跨模态信息来理解复杂情境或问题，本文提出了一种新方法以克服当前方法的局限性。本工作引入一种用于精神健康分类的多模态和多教师知识蒸馏模型，借鉴了跨模态人类理解的洞见。不同于常规方法依赖简单拼接来整合多样化特征，本模型解决了对不同性质输入（例如文本和声音）进行恰当表示的挑战。为缓解将所有特征整合到单个模型中导致的计算复杂度问题，我们采用多教师架构。通过在多个教师之间分布学习过程，每个教师专注于特定特征提取方面，从而提升整体精神健康分类性能。通过实验验证，我们展示了本模型在实现提升性能方面的有效性。