面向自杀风险预测的护照因素感知动态影响学习
计算与语言
2025-07-15 v1
摘要
自杀是全球健康问题中亟需关注的议题。尽管先前研究揭示了检测社交媒体中当前自杀风险的有价值见解，但缺乏能够预测随时间推移后续自杀风险的模型，限制了其捕捉个体心理状态转变快速波动的能力。此外，既有工作忽视了在自杀风险预测中发挥关键作用的护照因素，主要聚焦于风险因素。护照因素如社会支持和应对策略可通过调节风险因素的影响来缓解自杀风险。因此，本研究提出一种新框架，用于预测后续自杀风险，通过联合学习风险因素和护照因素对用户自杀风险转变的动态影响。我们提出了新的护照因素感知数据集，基于12年的Reddit帖子构建，包含自杀风险以及风险因素和护照因素的全面标注。我们还引入动态因素影响学习方法，捕捉风险因素和护照因素对自杀风险转变不同影响，认识到自杀风险随时间波动符合心理学理论。我们的深入实验表明，所提模型在三个数据集上均显著优于最新模型和大型语言模型。此外，所提的动态因素影响学习提供可解释权重，帮助临床医生更好地理解自杀模式，实现更有针对性的干预策略。
引用
@article{arxiv.2507.10008,
title = {Protective Factor-Aware Dynamic Influence Learning for Suicide Risk Prediction on Social Media},
author = {Jun Li and Xiangmeng Wang and Haoyang Li and Yifei Yan and Hong Va Leong and Ling Feng and Nancy Xiaonan Yu and Qing Li},
journal= {arXiv preprint arXiv:2507.10008},
year = {2025}
}