基于不确定性的半监督集成教师框架用于多语言抑郁检测
计算与语言
2026-01-01 v1
摘要
从社交媒体文本中检测抑郁症仍是一个具有挑战性的任务。这由于不同的语言风格、非正式的表达以及在许多语言中缺乏标注数据。为解决这些问题，我们提出了一种名为 Semi-SMDNet 的强大的半监督式多语言抑郁检测网络。它结合了教师-学生伪标记、集成学习和数据增强。我们的框架使用一组教师模型。它们的预测通过软投票合并。基于不确定性的阈值会过滤掉低置信度的伪标签，以减少噪声并提高学习稳定性。我们还使用基于置信度的训练方法，专注于可靠的伪标记样本。这大大提高了跨语言的鲁棒性。在阿拉伯语、孟加拉语、英语和西班牙语数据集上的测试表明，我们的方法始终优于强大的基线方法。显著缩小了大量资源设置与资源不足设置之间的性能差距。详细的实验和研究确认了我们的框架是有效的，并且可在各种情况下使用。这表明它适用于标注资源有限时的可扩展、跨语言精神健康监测。
引用
@article{arxiv.2512.24772,
title = {Uncertainty-aware Semi-supervised Ensemble Teacher Framework for Multilingual Depression Detection},
author = {Mohammad Zia Ur Rehman and Velpuru Navya and Sanskar and Shuja Uddin Qureshi and Nagendra Kumar},
journal= {arXiv preprint arXiv:2512.24772},
year = {2026}
}