@techreport{oai:ipsj.ixsq.nii.ac.jp:00233896,
 author = {田中, 理佳 and 宮部, 紅子 and 小高, 恵実 and 深澤, 佑介 and Rika, Tanaka and Kouko, Miyabe and Megumi, Kodaka and Yusuke, Fukazawa},
 issue = {29},
 month = {May},
 note = {ストレスや不安を早期に発見するための取り組みとして，ソーシャルネットワーキングサービス（SNS）の利用行動データから精神不調投稿の推定を行う手法が多く提案されている．本研究では，短文の SNS 口頭テキストから精神不調投稿をより高い精度で検出するため，デコーダ型の生成モデルとエンコーダ型の識別モデルを組み合わせる手法を提案する．具体的には，生成モデルにより投稿文の解釈文を生成することで短文の文脈を補完し，補完文章を原文に追加する．解釈文を追加したテキストと正解ラベル（不調/不調でない）のペアで BERT を追加学習することで精神不調投稿を検出する．X から抽出したテキストデータで検証を行い，解釈文の補完をしない場合と比べ，提案手法の推定精度が優れていたことを示した．さらに，提案手法の精度改善の結果に対して SHAP による解釈を試み，補完によって追加された文章に含まれるトークンが，一部の精神不調投稿の検出に有効であったことを明らかにした．, There is a growing concern about detecting stress and anxiety at an early stage by utilizing the utterances or posts on the social networking service. The problem is that online posts are mostly short and fragmentary and contextually poor, which poses interpretive difficulties. To address this problem, we propose a new method that combines a decoder-based generative model and an encoder based discriminative model. We propose that the decoder-type generative model provides some context by generating a detailed interpretation of a short text. and that we can add the interpretation to the source text. In this study, we checked the validity of the proposed method using the language data from X (the former Twitter). In terms of estimation accuracy, our method outperformed the method which focuses solely on the short sentences with no contextual clues. We then interpreted the improved accuracy of our method using SHAP, which suggested that added contextual information is partly effective in estimating the mental health state of a poster.},
 title = {解釈文生成によるメンタルヘルス推定モデルとSHAP分析},
 year = {2024}
}