基于时序症状感知多任务学习的精神分裂症双相情感障碍自杀预防研究
计算与语言
2023-07-06 v1
摘要
双相情感障碍（BD）与自杀风险升高密切相关。然而，尽管先前的研究已揭示了对社交媒体上BD患者行为的宝贵见解，但很少有关注于开发能够预测BD患者未来自杀倾向的模型。因此，本研究提出了一种多任务学习模型，通过联合学习当前症状来预测BD患者的未来自杀倾向。我们构建了一个由精神科医生临床验证的新型BD数据集，包含818名BD患者在双相相关subreddit上撰写的14年帖子，以及未来自杀倾向和BD症状的标注。我们还提出了一种时序症状感知注意力机制，通过BD帖子序列来确定哪些症状随时间对预测未来自杀倾向最具影响。我们的实验表明，所提出的模型在BD症状识别和未来自杀倾向预测任务上均优于最先进的模型。此外，所提出的时序症状感知注意力提供了可解释的注意力权重，帮助临床医生更全面地了解BD患者，并通过追踪心理状态进展提供及时干预。
引用
@article{arxiv.2307.00995,
title = {Towards Suicide Prevention from Bipolar Disorder with Temporal Symptom-Aware Multitask Learning},
author = {Daeun Lee and Sejung Son and Hyolim Jeon and Seungbae Kim and Jinyoung Han},
journal= {arXiv preprint arXiv:2307.00995},
year = {2023}
}
备注
KDD 2023 accepted