基于大型语言模型的社交媒体抑郁检测
计算与语言
2025-10-10 v2 人工智能
摘要
抑郁诊断的可及性受限，致使及时诊断抑郁成为可能的障碍，导致不良后果。社交媒体平台为早期检测提供了宝贵的数据源，但该任务面临两个显著挑战：1）需医学知识以区分临床抑郁与暂时的情绪变化；2）需要高准确度和模型可解释性并存。为此，我们提出了 DORIS 框架，利用大型语言模型（LLM）。为整合医学知识，DORIS 使用 LLM 根据 established 医学诊断标准为用户文本做注释，并将历史帖子总结为情绪轨迹。这些医学信息特征随后用于训练准确的梯度提升树（GBT）分类器。通过基于 LLM 派生的症状注释和情绪轨迹分析生成解释性 justification 实现可解释性。大量实验结果验证了该方法的有效性和可解释性，凸显了其作为辅助临床工具的潜力。
引用
@article{arxiv.2403.10750,
title = {Depression Detection on Social Media with Large Language Models},
author = {Xiaochong Lan and Zhiguang Han and Yiming Cheng and Li Sheng and Jie Feng and Chen Gao and Yong Li},
journal= {arXiv preprint arXiv:2403.10750},
year = {2025}
}
备注
EMNLP 2025