社交媒体上的精神障碍检测：一种ChatGPT增强的可解释方法
计算与语言
2025-07-10 v2 人工智能
机器学习
社会与信息网络
摘要
在数字时代，社交媒体上表达的抑郁症状的普遍性引发了严重关切，需要先进的方法进行及时检测。本文通过提出一种新颖的方法来应对可解释抑郁症检测的挑战，该方法有效地将大型语言模型（LLMs）与可解释人工智能（XAI）及像ChatGPT这样的对话智能体相结合。在我们的方法中，通过将BERTweet（一种基于BERT的Twitter特定变体）整合到一个新颖的自解释模型（即BERT-XDD）中来实现解释，该模型能够通过掩码注意力同时提供分类和解释。通过使用ChatGPT将技术性解释转化为人类可读的评述，可解释性得到进一步增强。通过引入一种有效且模块化的可解释抑郁症检测方法，我们的方法能够为开发对社会负责的数字平台做出贡献，在合格医疗专业人员的指导下，促进对心理健康挑战的早期干预和支持。
引用
@article{arxiv.2401.17477,
title = {Detecting mental disorder on social media: a ChatGPT-augmented explainable approach},
author = {Loris Belcastro and Riccardo Cantini and Fabrizio Marozzo and Domenico Talia and Paolo Trunfio},
journal= {arXiv preprint arXiv:2401.17477},
year = {2025}
}