通过微调大型语言模型提升社交媒体平台上的抑郁检测
计算机视觉与模式识别
2024-09-24 v1
摘要
本研究探讨了如何利用大型语言模型（LLM）提高从用户社交媒体数据中进行抑郁检测的效果。通过对 GPT 3.5 Turbo 1106 和 LLaMA2-7B 模型进行微调，并借助此前研究中的大型数据集，我们实现了对社交媒体帖子中抑郁内容的检测，准确率几乎达到 96.0%。将所得结果与文献中相关研究进行比较显示，所提出的微调 LLM 方案在性能上优于现有的 SOTA（State of the Art）系统。这表明基于 LLM 的微调系统在用作潜在抑郁检测系统方面具有稳健性。本文详细描述了方法，包括所采用的参数和微调程序，并就结果对在多个社交媒体平台上进行早期抑郁诊断的重要意义作了阐述。
引用
@article{arxiv.2409.14794,
title = {Advancing Depression Detection on Social Media Platforms Through Fine-Tuned Large Language Models},
author = {Shahid Munir Shah and Syeda Anshrah Gillani and Mirza Samad Ahmed Baig and Muhammad Aamer Saleem and Muhammad Hamzah Siddiqui},
journal= {arXiv preprint arXiv:2409.14794},
year = {2024}
}
备注
16 pages