Language-Agnostic Suicidal Risk Detection Using Large Language Models
Created by
Haebom
저자
June-Woo Kim, Wonkyo Oh, Haram Yoon, Sung-Hoon Yoon, Dae-Jin Kim, Dong-Ho Lee, Sang-Yeol Lee, Chan-Mo Yang
개요
청소년 자살 위험 감지에 있어 기존의 언어 특정 모델들은 확장성과 일반화에 한계가 있다는 점을 지적하며, 본 연구는 대규모 언어 모델(LLM)을 이용한 언어 독립적인 자살 위험 평가 프레임워크를 제시한다. 음성 인식(ASR) 모델을 이용하여 중국어 음성을 텍스트로 변환하고, 프롬프트 기반 질의를 사용하여 LLM으로 자살 위험 관련 특징을 추출한다. 추출된 특징은 중국어와 영어로 유지되어 교차 언어 분석을 가능하게 하고, 각각의 사전 훈련된 언어 모델을 독립적으로 미세 조정하는 데 사용된다. 실험 결과, 제시된 방법은 ASR 결과를 직접 미세 조정하거나 중국어 자살 위험 관련 특징으로만 학습된 모델과 비교하여 유사한 성능을 달성함을 보여주며, 언어적 제약을 극복하고 자살 위험 평가의 강건성을 향상시킬 가능성을 입증한다.
시사점, 한계점
•
시사점:
◦
대규모 언어 모델을 활용하여 언어의 제약 없이 청소년 자살 위험을 평가할 수 있는 새로운 프레임워크를 제시하였다.
◦
음성 데이터를 활용하여 자살 위험 평가의 접근성을 높였다.
◦
교차 언어 분석을 통해 모델의 일반화 성능을 향상시켰다.
◦
기존 방법들과 비교하여 유사한 성능을 달성함으로써 제안된 방법의 효용성을 검증하였다.
•
한계점:
◦
현재 중국어 음성 데이터에 대한 실험 결과만 제시되어, 다른 언어에 대한 일반화 가능성은 추가적인 연구가 필요하다.
◦
ASR 모델의 오류가 자살 위험 평가의 정확도에 영향을 미칠 수 있다.
◦
프롬프트 엔지니어링의 질에 따라 성능이 크게 달라질 수 있다.
◦
다양한 연령대와 문화적 배경을 가진 청소년에 대한 일반화 가능성에 대한 추가 연구가 필요하다.
