评估社交媒体上自杀风险检测的 Transformer 模型
计算与语言
2024-10-14 v1
摘要
在社交媒体上检测自杀风险是一个具有潜在救命意义的关键任务。本文 presenting 了一项关于利用最先进的自然语言处理解决方案识别社交媒体帖子中自杀风险的研究，作为“IEEE BigData 2024 Cup: Detection of Suicide Risk on Social Media”由 kubapok 团队组织的竞赛提交的作品。我们实验了以下配置的基于 Transformer 的模型：微调版 DeBERTa、GPT-4o 带 CoT 和 few-shot 提示，以及微调版 GPT-4o。任务设置是将社交媒体帖子分类为四个类别：线索、构想、行为和尝试。我们的发现表明，微调版 GPT-4o 模型优于另外两种配置，实现了在识别自杀风险方面的高准确率。值得注意的是，我们的模型在竞赛中获得了第二名成绩。通过表明简单、通用的模型在进行少量调优即可实现最先进的结果，我们提出，这些模型结合最小化调优，可能是社交媒体上自动化自杀风险检测的有效解决方案。
引用
@article{arxiv.2410.08375,
title = {Evaluating Transformer Models for Suicide Risk Detection on Social Media},
author = {Jakub Pokrywka and Jeremi I. Kaczmarek and Edward J. Gorzelańczyk},
journal= {arXiv preprint arXiv:2410.08375},
year = {2024}
}