SynSym：面向精神症状识别的合成数据生成框架
计算与语言
2026-03-24 v1
摘要
社交媒体上的精神症状识别旨在从用户生成的帖子中推断细粒度的精神健康症状，从而实现对用户心理状态的细致理解。然而，由于专家标注耗时且缺乏标准化的标注指南，构建大规模的症状级别数据集 remains a 挑战，这反过来限制了模型对用户生成文本中多样化症状表达的识别通用性。为此，我们提出了 SynSym，一个用于构建用于症状识别的通用数据集的合成数据生成框架。利用大语言模型（LLM），SynSym 通过 (1) 将每个症状扩展为子概念以增强生成表达的多样性、(2) 生成符合精神症状表现的多样语言风格的合成表达、(3) 受临床共现模式启发，构建真实的多症状表达。我们在覆盖不同抑郁症状表达风格的三个基准数据集上对 SynSym 进行验证。实验结果表明，仅使用 SynSym 生成的合成数据训练的模型性能与使用真实数据的模型相当，并且通过额外的真实数据微调还能进一步提升性能。这些发现凸显了合成数据作为精神症状建模中替代真实标注资源的潜力，同时 SynSym 作为一个实用的框架，可生成临床相关且真实的症状表达。
引用
@article{arxiv.2603.21529,
title = {SynSym: A Synthetic Data Generation Framework for Psychiatric Symptom Identification},
author = {Migyeong Kang and Jihyun Kim and Hyolim Jeon and Sunwoo Hwang and Jihyun An and Yonghoon Kim and Haewoon Kwak and Jisun An and Jinyoung Han},
journal= {arXiv preprint arXiv:2603.21529},
year = {2026}
}