AttentionDep：用于可解释抑郁严重程度评估的领域感知注意力模型
人工智能
2025-10-02 v1 信息检索
机器学习
摘要
在当今互联互通的社会中，社交媒体平台为我们提供了洞察个人想法、情感和心理状态的窗口。本文探讨了使用Facebook、X（前身为Twitter）和Reddit等平台进行抑郁严重程度检测。我们提出了AttentionDep，一种领域感知注意力模型，通过融合上下文和领域知识驱动可解释的抑郁严重程度估计。通过层次化方式对帖子进行编码（使用单字和双词），注意力机制突出显示临床相关的标记。通过交叉注意力机制将来自精选心理健康知识图谱的领域知识纳入其中，以丰富上下文特征。最后，使用尊重临床相关性和严重程度水平自然排序的序数回归框架预测抑郁严重程度。我们的实验表明，AttentionDep在多个数据集上相较于最先进的基线方法在分级F1分数上提升了超过5%，并提供了对其预测的可解释见解。该工作推动了以可信赖且透明的方式开发针对社交媒体心理健康评估的人工智能系统。
引用
@article{arxiv.2510.00706,
title = {AttentionDep: Domain-Aware Attention for Explainable Depression Severity Assessment},
author = {Yusif Ibrahimov and Tarique Anwar and Tommy Yuan and Turan Mutallimov and Elgun Hasanov},
journal= {arXiv preprint arXiv:2510.00706},
year = {2025}
}