arXiv cs.CL· Sumanth Manduru, Carlotta Domeniconi·· 10 小时前AI 评分22
SREE：从相关帖子到可归因文本片段，为抑郁问卷推断提供明确症状证据
From Relevant Posts to Attributable Spans: Explicit Symptom Evidence for Depression Questionnaire Inference
AI 导读
SREE 是一个证据驱动的流水线，先抽取第一人称、症状特异的文本片段，再用受 Facility Location 启发的目标函数选出代表性子集，并在所选证据上执行 Evidence-Gated Inference。
正文 · AI 翻译
摘要：纵向社交媒体历史记录为评估抑郁提供了机会，有望支持对标准化抑郁问卷回答的推断。然而，这项任务需要与症状语义相关且可归因于用户的证据，同时还要足够具体以支持单个问卷条目。现有方法依赖语义相似度来检索帖子，这可能引入误导性或不可归因的证据，尤其是在涉及多种症状的帖子和讨论他人经历的内容中。我们提出 SREE（症状检索与证据锚定推断），这是一个证据锚定的流水线，它提取第一人称和症状特定的文本片段，使用受设施选址启发的目标函数选择代表性证据子集，并对所选证据执行证据门控推断。我们在 BDI-Sen 上评估证据检索，在 eRisk 2019-2021 上评估证据条件下的问卷推断。与最先进的检索方法相比，SREE 在帖子级精确率上实现了 70% 的相对提升，在 F1 上实现了 59% 的相对提升，同时保留的帖子数量至少减少 30%。在多症状句子上，即使检索预算翻倍，它在精确率和 F1 上也优于稠密检索。在全部三个 eRisk 数据集上，SREE 在条目级精确一致率上达到最高，同时在序数和聚合指标上保持竞争力。这些结果凸显了在推断抑郁问卷回答之前，定位可归因证据并控制其构成的重要性。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.12900 [cs.CL] |
| （或 arXiv:2611.12900v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.12900 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Sumanth Manduru [查看电子邮件]
[v1]
2026年10月14日星期三 05:29:13 UTC（1,595 KB）
来源：arXiv cs.CL · arxiv.org