通过可解释 LLM 对社交媒体数据进行分类以探索复杂精神健康症状
计算与语言
2024-12-17 v1
摘要
我们提出了一条管道，通过在具有挑战性的社交媒体文本分类任务上训练大型语言模型（LLM），获取分类输出的解释，并对解释进行定性和定量分析。我们报告了最初的结果，用于预测、解释和系统化解释来自报告.lyme 疾病担忧的人的精神健康问题。我们报告了最初的结果，用于预测报告焦虑障碍担忧的人未来是否患有 ADHD，并演示了针对预测一个有焦虑担忧的人将来患有 ADHD 担忧的解释进行可视化的初步结果。
引用
@article{arxiv.2412.10414,
title = {Exploring Complex Mental Health Symptoms via Classifying Social Media Data with Explainable LLMs},
author = {Kexin Chen and Noelle Lim and Claire Lee and Michael Guerzhoy},
journal= {arXiv preprint arXiv:2412.10414},
year = {2024}
}
备注
Accepted to Machine Learning for Health (ML4H) Findings 2024 (co-located with NeurIPS 2024)