multiMentalRoBERTa：用于精神健康障碍的多类细分分类器
计算与语言
2025-11-11 v2 人工智能
摘要
从社交媒体文本中早期检测精神健康障碍对于及时提供支持、进行风险评估并转介至适当资源至关重要。本工作介绍multiMentalRoBERTa，一个针对常见精神健康状况（包括压力、焦虑、抑郁、创伤后压力障碍（PTSD）、自杀倾向和中性话语）的多类分类任务进行微调的RoBERTa模型。该模型基于多个精选数据集进行训练，对类别重叠进行数据探索分析，发现抑郁与自杀倾向之间存在强烈相关性，焦虑与PTSD之间也存在高度关联，而压力则表现为一种广泛的重叠类别。与传统机器学习方法、领域特定转换器和基于提示的大语言模型进行比较实验，表明multiMentalRoBERTa在六类设置下的宏平均F1得分为0.839，在五类设置（不包括压力）下的得分为0.870，超越了精调的MentalBERT和基线分类器。除了预测准确性外，我们还应用解释性方法，包括Layer Integrated Gradients和KeyBERT，以识别驱动分类的词汇线索，特别关注区分抑郁和自杀倾向。我们的发现强调了针对敏感场景实现可靠且可解释检测的精调转换器的有效性，同时也强调了公平性、偏差缓解以及人类在环安全协议的重要性。总体而言，multiMentalRoBERTa被 presented as一种轻量、稳健且可部署的解决方案，用于提升精神健康平台的支持能力。
引用
@article{arxiv.2511.04698,
title = {multiMentalRoBERTa: A Fine-tuned Multiclass Classifier for Mental Health Disorder},
author = {K M Sajjadul Islam and John Fields and Praveen Madiraju},
journal= {arXiv preprint arXiv:2511.04698},
year = {2025}
}
备注
Accepted in IEEE Big Data, 8-11 December, 2025 @ Macau SAR, China