DreamerNLplus：基于混合规则方法和检索增强生成技术的社交媒体时间线中心理健康动态建模
计算与语言
2026-05-25 v1 人工智能
摘要
我们提出 DreamerNLplus，一个用于 CLPsych 2026 共享任务中从社交媒体时间线建模心理健康动态的混合框架。我们的系统解决了三个任务：心理状态建模、时间变化检测和序列级总结。对于任务 1，我们结合基于大语言模型的数据增强、DeBERTa 分类和随机森林回归，用于结构化状态预测。对于任务 2，我们使用少量样本提示和本地部署的 Llama 3.1 模型，通过短期时间上下文检测 Switch 和 Escalation 事件。对于任务 3.1，我们探索了确定性规则基总结述管道和少量样本 LLM 方法，官方排名第 2。我们的基于检索增强生成的方法在任务 3.2 中取得优异表现，分别在改善方面排名第 1，在恶化方面排名第 3，展示了其捕捉时间线中反复心理变化模式的能力。我们的分析揭示了关键挑战，包括分类与回归性能之间的不匹配、建模时间过渡的困难以及语义与相似性基于评估指标之间的不一致。这些发现凸显了建模心理健康动态的复杂性，并激励了未来工作开展统一评估框架。我们在 https://github.com/4dpicture/CLPsych2026 分享了代码和提示。
引用
@article{arxiv.2605.23052,
title = {DreamerNLplus: Interpretable Modeling of Mental Health Dynamics from Social Media Timelines using Hybrid Rule-Based and RAG Methods},
author = {Maryia Zhyrko and Daisy Monika Lal and Erik van Mulligen and Lifeng Han},
journal= {arXiv preprint arXiv:2605.23052},
year = {2026}
}
备注
Accepted by CLPsych2026. CLPsych 2026 will be held at ACL in San Diego July 4th, 2026