K-SENSE: A Knowledge-Guided Self-Augmented Encoder for Neuro-Semantic Evaluation of Mental Health Conditions on Social Media

Created by

Haebom

저자

Vijay Yadav

💡 개요

본 논문은 소셜 미디어 텍스트에서 스트레스와 우울증과 같은 정신 건강 상태를 조기에 탐지하는 문제를 해결하기 위해 K-SENSE라는 새로운 프레임워크를 제안합니다. K-SENSE는 외부 심리학적 추론 능력과 내부 표현의 강건성을 통합하여, 사용자 생성 콘텐츠의 복잡성과 노이즈 문제를 극복합니다. 이 프레임워크는 COMET 모델을 활용한 추론적 상식 지식 추출, 두 개의 인코더 스트림을 융합한 의미론적 앵커 구축, 그리고 감독적 대비 학습을 통해 주요 정신 건강 상태 탐지에서 기존 최고 성능을 경신하는 성과를 거두었습니다.

🔑 시사점 및 한계

•

외부 지식(심리학적 추론)과 내부 모델 강건성(자기 증강 및 대비 학습)을 결합하는 통합적인 접근 방식의 효과성을 입증했습니다.

•

소셜 미디어 텍스트의 복잡하고 노이즈가 많은 환경에서도 효과적인 정신 건강 상태 탐지가 가능함을 보여주었습니다.

•

제안된 K-SENSE 프레임워크의 각 구성 요소(시간적 지식 통합, 지식 인코더 동결 등)가 성능 향상에 기여함을 실험적으로 검증했습니다.

•

COMET 모델에서 추출된 지식의 정확성과 포괄성, 그리고 다른 정신 건강 상태로의 일반화 가능성 탐구는 향후 과제로 남습니다.

PDF 보기

Made with Slashpage