이 연구는 우울증 탐지를 위해 의학적 지식과 대규모 언어 모델을 결합한 DORIS 시스템을 제안한다.
첫째, 우울증 진단을 위한 의학적 기준인 DSM-5를 활용하여 사용자의 게시물에서 우울증 증상을 자동으로 식별한다. 이를 통해 전문적인 의학 지식을 시스템에 반영한다.
둘째, 사용자의 기분 변화 추이를 모델링하기 위해 감정이 강한 게시물을 선별하고 이를 요약하여 기분 과정 표현을 생성한다. 이는 우울증 진단에 중요한 정보를 제공한다.
셋째, 사용자의 게시물 기록 전체를 활용하여 포스트 기록 표현을 구축한다. 이를 통해 우울증 증상 식별과 기분 과정 표현에서 누락될 수 있는 정보를 보완한다.
넷째, 이렇게 구축된 특징들을 결합하여 GBT 분류기로 최종 판단을 내린다. 이 과정에서 우울증 증상 식별 결과와 기분 과정 요약 내용을 활용하여 시스템의 판단에 대한 설명을 제공한다.
실험 결과, 제안 방법인 DORIS가 기존 최고 성능 대비 AUPRC 지표에서 0.036 향상된 성능을 보였다. 이는 의학적 지식과 대규모 언어 모델의 결합이 우울증 탐지 성능 향상에 효과적임을 보여준다.
To Another Language
from source content
arxiv.org
Głębsze pytania