Depression Detection on Social Media with Large Language Models

本文是LLM系列文章，针对《Depression Detection on Social Media with Large Language Models》的翻译。

摘要

抑郁症的危害。然而，由于缺乏心理健康意识和对污名的恐惧，许多患者没有积极寻求诊断和治疗，导致了不利的结果。抑郁症检测旨在通过分析个人在社交媒体上的帖子历史来确定他们是否患有抑郁症，这可以大大有助于早期发现和干预。它主要面临两个关键挑战：1）它需要专业的医学知识，2）它需要高准确性和可解释性。为了解决这个问题，我们结合医学知识和大型语言模型（LLM）的最新进展，提出了一种新的抑郁症检测系统，称为DORIS。具体来说，为了应对第一个挑战，我们提出了一种基于LLM的解决方案，首先注释高风险文本是否符合医学诊断标准。此外，我们检索情绪强度高的文本，并从用户的历史情绪记录中总结关键信息，即所谓的情绪过程。为了应对第二个挑战，在基准数据集上的大量实验结果表明，与当前的最佳基线相比，我们的方法在AUPRC中提高了0.036，这可以被认为是显著的，证明了我们的方法的有效性及其作为NLP应用的高价值。

1 引言

2 相关工作