UATTA-EB：用于社交媒体帖子常见心理疾病分类的不确定性感知测试时增强 BERT 集成
计算与语言
2023-04-11 v1 人工智能
机器学习
摘要
鉴于当前世界局势，全球现有环境导致数百万心理疾病患者感到孤立且无法获得线下帮助。心理学研究表明，我们的心理状态会体现在用于交流的语言特征中。人们越来越多地转向在线平台表达自我并寻求病情帮助。深度学习方法已常用于从包括社交媒体在内的多种信息源识别和分析心理健康状况。然而，它们仍面临挑战，包括缺乏可靠性以及预测过度自信导致模型校准不佳。为解决这些问题，我们提出 UATTA-EB：不确定性感知测试时增强 BERT 集成（Uncertainty-Aware Test-Time Augmented Ensembling of BERTs），通过分析 Reddit 上的非结构化用户数据，产生可靠且校准良好的预测，以分类六种可能的心理疾病类型——无、抑郁症、焦虑症、双相情感障碍、ADHD（注意力缺陷多动障碍）和 PTSD（创伤后应激障碍）。
引用
@article{arxiv.2304.04539,
title = {UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensemble of BERTs for Classifying Common Mental Illnesses on Social Media Posts},
author = {Pratinav Seth and Mihir Agarwal},
journal= {arXiv preprint arXiv:2304.04539},
year = {2023}
}
备注
Accepted at Tiny Papers @ ICLR 2023