数据质量至关重要：基于 RoBERTa-CNN 的社交媒体帖子自杀意图检测
计算与语言
2024-12-23 v2 人工智能
摘要
自杀仍然是一个紧迫的全球健康问题，需要创新的方法进行早期检测和干预。本文通过提出一种利用最先进的 RoBERTa-CNN 模型的全新深度学习方法，致力于识别 SuicideWatch 子版块帖子中的自杀意图。鲁棒优化的 BERT 预训练方法（RoBERTa）擅长捕捉文本细微差别并在文本内形成语义关系。剩余的卷积神经网络（CNN）头增强了 RoBERTa 从大规模数据集中辨别关键模式的能力。为了评估 RoBERTa-CNN，我们在自杀与抑郁检测数据集上进行了实验，取得了可喜的成果。例如，RoBERTa-CNN 实现了 98% 的平均准确率，标准差（STD）为 0.0009。此外，我们发现数据质量显著影响鲁棒模型的训练。为了提高数据质量，我们通过手动清洗或利用 OpenAI API 去除了文本数据中的噪声，同时保留了其上下文内容。
引用
@article{arxiv.2402.02262,
title = {Data Quality Matters: Suicide Intention Detection on Social Media Posts Using RoBERTa-CNN},
author = {Emily Lin and Jian Sun and Hsingyu Chen and Mohammad H. Mahoor},
journal= {arXiv preprint arXiv:2402.02262},
year = {2024}
}
备注
4 pages, 1 figure, 4 tables