它们看起来很像：基于大语言模型的Twitter可解释抑郁症检测的原型推理
计算与语言
2024-08-01 v1 人工智能
社会与信息网络
摘要
抑郁症是一种常见的心理健康问题，需要及时诊断和治疗。尽管社交媒体数据在抑郁症检测方面具有前景，但所采用的深度学习模型的不透明性阻碍了可解释性，并引发了偏见担忧。我们通过引入ProtoDep来解决这一挑战，这是一个用于基于Twitter的抑郁症检测的新颖、可解释框架。ProtoDep利用原型学习和大型语言模型的生成能力，在三个层面提供透明的解释：(i) 每个推文和用户的症状级解释，(ii) 将用户与相似个体进行比较的基于案例的解释，以及(iii) 通过分类权重进行透明的决策。在五个基准数据集上评估后，ProtoDep在接近最先进性能的同时学习了有意义的原型。这种多方面的方法具有显著的潜力，可以提高社交媒体上抑郁症检测的可靠性和透明度，最终帮助心理健康专业人员提供更明智的护理。
引用
@article{arxiv.2407.21041,
title = {They Look Like Each Other: Case-based Reasoning for Explainable Depression Detection on Twitter using Large Language Models},
author = {Mohammad Saeid Mahdavinejad and Peyman Adibi and Amirhassan Monadjemi and Pascal Hitzler},
journal= {arXiv preprint arXiv:2407.21041},
year = {2024}
}