ACLJun, 2021

探索在线支持论坛中自我认定的咨询专业知识

PDF
TL;DR本文研究了精神健康相关的在线求助帖子中，自识别为精神健康专家与同龄人的回复差异，使用语言学分析探讨二者交互中的语言使用和互动特点，以期为理解健康专家在社交网络中与信息和支持寻求者的互动作出贡献。
发现论文，激发创造
  • 关键行为特质促进在线心理健康社区的同龄人参与

    通过分析 BeCOPE 数据集中的在线心理健康社区中的同行辅导帖子的行为，研究揭示了在线心理健康社区的关键作用以及自我批评和阅读可理解性对帮助寻求者的互动的影响。

    Sep, 2023

  • 心理健康平台上点对点互动的参与模式

    本研究通过分析两个在线心理健康平台上的 3500 万篇帖子，建立了用户参与度的四个指标，并提出了一种生成模型，用于同时建模用户参与度的多个不同方面，并综合出 11 种不同的可解释性用户参与度模式。研究发现，TalkLife 平台上的相互回复交互行为显著提高了用户留存率。这种双向互动行为，反过来又与帖子的早期响应时间和情感相关联。

    Apr, 2020

  • 在线心理健康论坛中的内容严重程度分级

    该研究提出了一种基于多种特征的框架来将用户发帖在划分为四个自残意象严重程度级别，并使用该模型分析用户的心理状态，并展示长期使用论坛的用户的风险程度减少的情况，该模型对有效识别用户自残风险方面大幅优于现有技术（F-1 分数高达 17% 的提升），同时指出在没有自动方式识别关键内容的条件下，对于管理员来说，及时解决用户的诉求非常具有挑战性。

    Feb, 2017

  • 寻找你的声音：心理健康咨询师的语言发展

    本文介绍了建立一种计算框架来量化个人的语言行为随经验而改变的程度，并研究这种演变的性质。我们使用这个框架对心理健康咨询对话进行了大规模的纵向研究，跟踪了超过 3400 名心理咨询师在职业生涯中的演化规律，并揭示了咨询师在经验丰富后确实改变了他们的对话行为，使之更具多样性和个性化。

    Jun, 2019

  • 网络论坛中的抑郁症和自残风险评估

    本文提出了一种神经框架来支持研究在线支持社区和 Twitter、Reddit 等一般社区的用户，介绍了一种鉴别自伤风险发帖的方法，并展示了在 RSDD 一般论坛数据集上通过自然语言分析识别出抑郁症用户的方法优于强基线。

    Sep, 2017

  • 通过在线社区交互，预测用户自我伤害风险的变化：帮助还是伤害？

    探讨在线社区对寻求自杀和自残预防支持的用户心理状态的影响，研究如何构建分类器以预测社区对用户的帮助或伤害。

    Apr, 2018

  • 基于专业知识学习的在线健康论坛中的医生推荐

    本文研究了一种新的医生推荐任务，使用医生的个人资料和上下文对话，结合多头自注意机制来自动地把一个患者与一个拥有相关专业知识的医生匹配起来，此方法在一个大规模的在线医疗论坛的实验中表现出卓越的效果，优于只考虑医生资料和过去对话的基线方案。

    Mar, 2022

  • 寻求帮助！如何确定建议

    研究了在线建议论坛中包含建议或非建议性语言的句子，呈现了语言实用性和丰富的语言现象，并实现了基于模型与基于规则的方法来识别建议。

    Oct, 2020

  • 嵌入社区推荐的心理健康话语

    我们的研究通过使用话语嵌入技术来开发一个社区推荐系统，重点关注社交媒体上的心理健康支持群体。我们发现该方法优于单独使用每种技术，并提供推荐过程的可解释性。

    Jul, 2023

  • 使用语言和行为视角的在线社交媒体心理障碍分析和可视化

    本文旨在通过多种语言学、心理学及在线行为等多个方面，更好地了解患有心理障碍的社交媒体用户的特征和差异。研究结果表明，这些用户与正常用户相比，在词汇唯一性、情感表达和月度发布方差等方面存在明显差异。

    Feb, 2022