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.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Shahid Munir... at arxiv.org 09-24-2024
https://arxiv.org/pdf/2409.14794.pdfDeeper Inquiries