基于临床问卷学习的简单灵活精神疾病检测建模

社交媒体是分析用户语言特征最受青睐的资源之一。特别是，许多研究者利用社交媒体中各类心理健康问题的语言学特征。然而，现有的精神疾病检测方法面临关键挑战，例如高质量数据稀缺，以及在应对模型复杂性与呈现基于专家领域知识的可解释结果之间的权衡。为应对这些挑战，我们设计了一个简单而灵活的模型，保留基于领域知识的可解释性。我们提出一种新方法，直接从文本中捕获语义并将其与症状相关描述进行比较。实验结果表明，我们的模型在多种精神疾病检测任务上优于相关基线。我们的详细分析显示，所提模型能有效利用领域知识，可迁移至其他精神疾病，并提供可解释的检测结果。