自杀评论树数据集：通过情境分析提升风险评估与预测
计算与语言
2025-10-17 v1
摘要
自杀是全球范围内的紧迫公共卫生问题。尽管先前的研究为检测社交媒体中个别帖子的自杀表达提供了宝贵的见解，但对用于预测用户自杀风险水平演变的纵向、序列评论树的分析受到了有限的关注。然而，用户往往通过历史帖子和互动评论揭示其意图。本研究通过研究评论树信息如何影响用户自杀风险水平的区分度和预测能力来弥补这一差距。我们构建了一个高质量的标注数据集，源自 Reddit，包含用户的发布历史和评论，使用基于哥大拿自杀严重性评估量表（C-SSRS）的精炼四标签标注框架。对数据集的统计分析以及大语言模型（LLM）实验结果表明，纳入评论树数据显著提升了用户自杀风险水平的区分度和预测能力。这一研究提供了一种新颖的见解，用于提高危险人群检测准确性，从而为早期自杀干预策略提供了宝贵的基础。
引用
@article{arxiv.2510.14395,
title = {Suicidal Comment Tree Dataset: Enhancing Risk Assessment and Prediction Through Contextual Analysis},
author = {Jun Li and Qun Zhao},
journal= {arXiv preprint arXiv:2510.14395},
year = {2025}
}