SINAI 在 eRisk@CLEF 2025 中的参与：基于Transformer与对话策略的抑郁症检测
计算与语言
2025-09-25 v1
摘要
本文描述了 SINAI-UJA 团队在 eRisk@CLEF 2025 实验室中的参与。具体而言，我们解决了两项提出的任务：(i) 任务 2：上下文感知的抑郁症早期检测，以及 (ii) 试点任务：通过大语言模型进行对话式抑郁症检测。对于任务 2，我们的方法结合了广泛的预处理管道与多种基于 Transformer 的模型，如 RoBERTa Base 或 MentalRoBERTA Large，以捕捉多用户对话的上下文和顺序特性。对于试点任务，我们设计了一套对话策略，与大语言模型驱动的角色进行交互，重点在有限的对话轮次内最大化信息增益。在任务 2 中，我们的系统在 12 支参赛队伍中排名第 8，基于 F1 分数。然而，更深入的分析揭示，我们的模型在发出早期预测方面速度最快，这是实际部署场景中的关键因素。这凸显了早期检测与分类准确性之间的权衡，暗示了未来联合优化两者的潜在方向。在试点任务中，我们在 5 支队伍中获得第 1 名，在所有评估指标上取得了最佳整体性能：DCHR、ADODL 和 ASHR。我们在这项任务中的成功证明了结构化对话设计结合强大语言模型的有效性，强化了在敏感心理健康评估场景中部署大语言模型的可行性。
引用
@article{arxiv.2509.19861,
title = {SINAI at eRisk@CLEF 2025: Transformer-Based and Conversational Strategies for Depression Detection},
author = {Alba Maria Marmol-Romero and Manuel Garcia-Vega and Miguel Angel Garcia-Cumbreras and Arturo Montejo-Raez},
journal= {arXiv preprint arXiv:2509.19861},
year = {2025}
}
备注
16 pages, 10 figures, 8 tables. CLEF (Working Notes). 2025