概念化自杀行为：利用预测结果的解释分析纵向社交媒体数据
计算与语言
2024-01-02 v2 计算机与社会
社会与信息网络
摘要
COVID-19大流行加剧了全球范围内的心理健康危机，社会隔离和经济不稳定导致自杀行为增加。自杀可能由羞耻、虐待、遗弃等社会因素以及抑郁症、创伤后应激障碍（PTSD）、注意力缺陷/多动障碍（ADHD）、焦虑症和双相情感障碍等心理健康状况引起。随着这些状况的发展，自杀意念的迹象可能会在社交媒体互动中显现。利用人工智能（AI）技术分析社交媒体数据有助于识别自杀行为的模式，为自杀预防机构、专业人士和更广泛的社区意识倡议提供宝贵的见解。用于此目的的机器学习算法需要大量准确标记的数据。先前的研究尚未充分探索在分析和标记纵向社交媒体数据时纳入解释的潜力。在这项研究中，我们采用了一种模型解释方法——层级积分梯度，在一个微调后的最先进语言模型之上，为来自Reddit用户帖子的每个词元分配一个预测自杀意念的归因分数。通过提取和分析数据中词元的归因，我们提出了一种在不使用大型语言模型进行推理的情况下，对社交媒体帖子进行自杀意念初步筛选的方法。
引用
@article{arxiv.2312.08299,
title = {Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted Outcomes to Analyze Longitudinal Social Media Data},
author = {Van Minh Nguyen and Nasheen Nur and William Stern and Thomas Mercer and Chiradeep Sen and Siddhartha Bhattacharyya and Victor Tumbiolo and Seng Jhing Goh},
journal= {arXiv preprint arXiv:2312.08299},
year = {2024}
}
备注
Presented at ICMLA 2023, Special Session: Machine Learning in Health, 8 pages, 6 figures, 7 tables