Core Concepts
教師付き抽出型と生成型言語モデルを統合することで、自殺リスクの証拠を効果的に要約する方法を提案。
Abstract
要約手法:BERTモデルを使用して文レベルの自殺リスクと否定的感情を推定し、高い自殺リスク文を特定。MentaLLaMaフレームワークから生成的要約を統合。
結果:1位のハイライト抽出および10位の要約生成を達成。
方法論:教師データ作成やプロンプトエンジニアリングなど、改善すべき点が明確化されている。
限界:手動処理に依存し、効率性や拡張性に欠ける可能性がある。
Stats
自己殺リスク文は557件(ラベル1)、その他は31,428件(ラベル0)。
最高精度(0.996)で全文書に対して自殺リスクラベルと関連確率を予測。
ハイライト精度と平均自殺リスク確率・否定的感情確率の相関分析あり。
Quotes
"Identifying suicide risk from online discussions is a crucial problem."
"Given the dual requirements of this year's shared task – identifying high suicide risk sentences and comprehensively considering various aspects of the entire post..."
"The extractive approach excels in selecting crucial sentences based on supervised learning and explicit extraction criteria."