이 연구는 대규모 언어 모델(LLM)인 GPT-3.5 Turbo 1106과 LLaMA2-7B를 활용하여 소셜 미디어 데이터에서 우울증을 탐지하는 방법을 제안한다.
먼저 기존 연구에서 사용된 전통적인 기계 학습 및 딥 러닝 모델의 한계를 분석하였다. 이러한 모델들은 언어의 맥락과 미묘한 감정을 충분히 포착하지 못하는 문제가 있었다.
이에 반해 LLM은 방대한 데이터로 사전 학습되어 언어 이해 능력이 뛰어나므로, 우울증 탐지에 더 적합할 것으로 판단하였다. 연구진은 GPT-3.5 Turbo 1106과 LLaMA2-7B 모델을 정교하게 fine-tuning하여 우울증 탐지 성능을 높였다.
실험 결과, fine-tuned GPT-3.5 Turbo 1106 모델은 96.0%의 정확도, 0.954의 정밀도, 0.968의 재현율, 0.960의 F1-score를 달성하였다. 또한 fine-tuned LLaMA2-7B 모델도 84.0%의 정확도, 0.852의 정밀도, 0.840의 재현율, 0.846의 F1-score를 달성하였다. 이는 기존 연구 결과를 크게 상회하는 수준이다.
이러한 결과는 LLM이 소셜 미디어 데이터에 내재된 우울증 관련 언어 패턴을 정확하게 포착할 수 있음을 보여준다. 또한 fine-tuning을 통해 LLM의 성능을 더욱 향상시킬 수 있음을 입증하였다.
이 연구는 LLM 기반 우울증 탐지 시스템의 실용성과 확장성을 보여주며, 정신 건강 관리 분야에서 LLM의 활용 가능성을 제시한다.
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Shahid Munir... a las arxiv.org 09-24-2024
https://arxiv.org/pdf/2409.14794.pdfConsultas más profundas