面向在线心理健康风险评估的隐私感知问答系统
计算与语言
2023-06-12 v1 人工智能
人机交互
摘要
社交媒体平台使患有精神疾病的个体能够分享其亲身经历并获得应对所需的在线支持。然而，许多用户未能获得真正的临床支持，从而加重其症状。基于用户在线发布内容筛查可协助服务提供方实施针对性医疗并最小化假阳性。预训练语言模型（LMs）可评估用户社交媒体数据并按精神健康风险对其分类。我们提出一种问答（QA）方法，使用 Unified-QA 模型在两个大型精神健康数据集上评估精神健康风险。为保护用户数据，我们通过差分隐私匿名化模型训练过程来扩展 Unified-QA。我们的结果展示了将风险评估建模为 QA 任务的有效性，尤其针对精神健康用例。此外，加入差分隐私后模型性能下降小于 1%。所提系统的性能表明了一个有前景的研究方向，将导向隐私感知诊断系统的开发。
关键词
引用
@article{arxiv.2306.05652,
title = {Privacy Aware Question-Answering System for Online Mental Health Risk Assessment},
author = {Prateek Chhikara and Ujjwal Pasupulety and John Marshall and Dhiraj Chaurasia and Shweta Kumari},
journal= {arXiv preprint arXiv:2306.05652},
year = {2023}
}
备注
5 pages, 2 figures, 3 tables