面向青少年非法毒品使用的可解释图-语言建模
机器学习
2025-10-21 v1 人工智能
计算机与社会
摘要
青少年和年轻成年人(TYAs)的非法毒品使用仍是一个紧迫的公共卫生 concern，由于发病率上升并对健康和福祉产生长期影响。为了检测TYAs的非法毒品使用，研究人员分析大规模调查数据，如青少年风险行为调查(YRBS)和全国药物使用健康调查(NSDUH)，这些数据保留了与物品使用相关的丰富人口学、心理和环境因素。然而，现有的建模方法将调查变量独立地处理，忽略了它们之间的潜在和相互关联结构。为解决这一限制，我们提出了LAMI(LAtent relation Mining with bi-modal Interpretability)，一种用于检测TYAs非法毒品使用并解释其行为风险因素的新型联合图-语言建模框架。LAMI将个体响应表示为关系图，通过一种专门的图结构学习层学习潜在连接，并整合大语言模型生成基于图结构和调查语义的自然语言解释。在YRBS和NSDUH数据集上的实验表明，LAMI在预测准确度方面优于竞争性基线方法。解释性分析进一步表明，LAMI揭示了有意义的行为子结构和心理社会路径，如家庭动态、同伴影响和学校相关的困扰，这些都与物品使用的既定风险因素一致。
引用
@article{arxiv.2510.15961,
title = {Interpretable Graph-Language Modeling for Detecting Youth Illicit Drug Use},
author = {Yiyang Li and Zehong Wang and Zhengqing Yuan and Zheyuan Zhang and Keerthiram Murugesan and Chuxu Zhang and Yanfang Ye},
journal= {arXiv preprint arXiv:2510.15961},
year = {2025}
}