LAXARY：一种用于创伤后应激障碍评估的可信可解释推特分析模型
计算与语言
2020-07-21 v2 人工智能
社会与信息网络
摘要
退伍军人心理健康是一个重大的全国性问题，因为大量退伍军人从近期的伊拉克战争归来，并在阿富汗持续驻军。尽管已有大量现有工作利用黑箱机器学习技术基于推特帖子研究创伤后应激障碍（PTSD）评估，但由于缺乏临床可解释性，这些框架无法被临床医生所信任。为获得临床医生的信任，我们探究一个重大问题：推特帖子能否提供足够信息来填写临床医生传统上信赖的临床 PTSD 评估问卷？为回答上述问题，我们提出 LAXARY（基于语言分析的可解释探究）模型，一种新颖的可解释人工智能（XAI）模型，利用改进的语言探究与词数统计（LIWC）分析来检测并表征推特用户的 PTSD 评估情况。首先，我们采用临床验证的问卷工具从真实推特用户收集临床 PTSD 评估数据，并利用 PTSD 评估结果构建 PTSD 语言词典。随后，我们将 PTSD 语言词典与机器学习模型结合，填写问卷工具以检测对应推特用户的 PTSD 状态及其程度。我们在 210 名经临床验证的退伍军人推特用户上的实验评估，在 PTSD 分类及其程度估计上均给出了有前景的准确率。我们还评估了所构建 PTSD 语言词典的可靠性与有效性。
引用
@article{arxiv.2003.07433,
title = {LAXARY: A Trustworthy Explainable Twitter Analysis Model for Post-Traumatic Stress Disorder Assessment},
author = {Mohammad Arif Ul Alam and Dhawal Kapadia},
journal= {arXiv preprint arXiv:2003.07433},
year = {2020}
}
备注
Accepted in SmartComp 2020 (SmartSys)