Nov, 2023

利用大型语言模型自动检测在线文本中的问题赌博迹象

PDF
TL;DR使用德国一个主要赌博讨论论坛上的数据，通过对论坛帖子进行 BERT 模型的调整，训练结果显示，通过基于诊断标准进行手工注释生成高质量训练材料，可以在小数据集上可靠地使用 BERT 模型检测在线交流数据中的问题赌博迹象，此类计算方法可能有助于检测在线用户中问题赌博患病率的变化。
problem gamblingonline gambling communitieslanguage modelbert modeldiagnostic criteria
发现论文，激发创造
  • 社交媒体上的病理赌博风险预测

    通过将时间特征和情感特征纳入模型，本文解决了在社交媒体数据上进行风险预测的问题，着重于对 Reddit 用户进行病态赌博障碍的分类。通过实验证明了序列模型在性能上优于基于连接的模型，提出的架构在包含 EmoBERTa 和 TD 层的情况下取得了高 F1 分数，在赌博障碍数据集上超过了现有基准。

    Mar, 2024

  • 用于用户级别抑郁症和赌博障碍分类的端到端集合 Transformer

    本文提出了一种基于 Transformer 结构的端到端可训练用户级别的赌博成瘾和抑郁症分类方法，采用社交媒体全文集合的方式消除噪声并利用特征归纳技术提高模型的可解释性，并取得在 eRisk 2022 实验室关于病态赌博和抑郁症的早期识别方面的最佳成绩。

    Jul, 2022

  • 细调预训练语言模型用于检测游戏中的垃圾言论

    研究探讨了在线游戏中存在的有害行为和恶劣沟通问题，特别关注在线仇恨言论和毒性对玩家游戏表现和整体幸福感的影响。研究使用预训练语言模型来分类或检测游戏中的恶意言论和有毒信息，并评估了 BERT 和 GPT 语言模型在检测游戏内聊天中毒性的性能。通过公开可用的 API，收集、处理、审查和标注了 DOTA 2 游戏匹配中的游戏聊天数据，并使用 BERT（基于小写）模型、BERT（基于大写）模型和 GPT-3 模型进行了训练和测试。根据这三种模型的最新性能，本研究得出了预训练语言模型在解决在线仇恨言论和游戏中恶意侮辱性言论问题方面的潜力。

    Mar, 2024

  • 评估基于 BERT 预训练语言模型在检测谣言方面的表现

    本研究提出了使用基于 BERT 的预训练语言模型将文本数据编码为向量，并利用神经网络模型进行分类以检测谣言，进一步比较不同语言模型的表现与可训练参数。然后在不同的短文本和长文本数据集上进行了测试，结果表明该技术的表现优于现有技术，并测试其组合数据集的表现，结果表明大数据的训练和测试对提高技术的性能具有相当大的作用。

    Mar, 2022

  • 传统机器学习模型和双向编码器表示转换器（BERT）基础的自动分类饮食失调的推文：算法开发与验证研究

    通过对与饮食失调相关的推文进行分类，本研究使用传统机器学习和深度学习模型，发现基于 Transformer 的双向编码器表现最佳，能高效地识别与饮食失调相关的推文，并获得最高 71.1%-86.4% 的 F1 分数。

    Feb, 2024

  • 使用深度学习方法确定有毒评论和意外模型偏差最小化

    使用 BERT 模型，通过对权重损失的加权处理，检测有毒评论并减少对包括种族、性别、宗教在内的身份特征的意外偏见。与传统的逻辑回归模型相比，经过微调的 BERT 模型在分类和偏见减少方面表现得更好，具有 89% 的准确率。

    Nov, 2023

  • 利用 Hugging Face 转换器预测社交网络中的心理健康障碍

    使用社交媒体和预训练语言模型，探索如何利用用户生成的数据来预测心理障碍症状，并发现社交媒体数据是精神健康筛查的良好来源，预训练模型可以有效地自动化这一重要任务。

    Jun, 2023

  • 利用心理语言学特征和 Transformer 提升基于文本的情感检测的泛化能力

    本文采用基于转换器模型和双向 LSTM 网络的方法，结合心理语言学特征进行基于文本的情感检测，在两个基准数据集中表现出可比性，在六个统一情感数据集的迁移学习实验中表现出强大的跨领域泛化功能。

    Dec, 2022

  • BERT-Beta: 一种主动概率文本审查方法

    本文提出了一种基于 “文本毒性倾向” 的概念，通过引入预测性评估来增强反应式评论，使用 Beta regression 模型进行概率建模并提出解释方法以提高文本审查的准确性和可解释性，同时还提出了一种扩展线性模型的手段以提高预测精度。

    Sep, 2021

  • 利用精神健康论坛数据的问答模型：精神分裂症症状及其对日常生活的影响

    本文提出了一种新的方法，通过对关注精神分裂症和不同心理障碍的人群在 “心理健康” 论坛上发表的帖子进行概括，获得了一个低偏差、无隐私问题的用于问答模型实施的精确数据集，并利用各种模型的细调评估，展示了该方法获取准确数据集的有效性，BioBERT 模型的细调获得了 0.885 的 F1 得分，在心理障碍领域表现优于现有模型。

    Sep, 2023