stu.uestc.edu.cn

이 이메일 도메인이 관측된 논문 1건

arXiv:2607.04350v1cs.CL

WPG-MoE: 사용자 수준 소셜 미디어 우울증 탐지를 위한 약한 사전 정보 기반 밀집 전문가 혼합

WPG-MoE: Weak-Prior-Guided Dense Mixture-of-Experts for User-Level Social Media Depression Detection

온라인 소셜 미디어 게시물은 초기 우울증 선별을 위한 확장 가능한 신호를 제공하며, 최근 연구들은 주로 위험 게시물 선택, 증상 그라운딩, 임상 정보 기반 특징 구성을 통해 사전 분류(pre-classification) 근거를 개선한다. 그러나 이러한 선별 단계 설계는 최종 결정을 단일 탐지기에 맡기는 경우가 많아, 선별 후 사용자들이 이질적으로 우울 위험을 표현하는 방식을 간과한다. 단일 분류기는 이질적인 사용자 전반에 걸쳐 평균화해야 하므로 국소화된 근거를 희석시키고 오분류를 유발할 수 있으며, 특히 자기 노출을 하지 않는 사용자의 경우 더욱 그러하다. 이 문제를 해결하기 위해 우리는 공유된 대규모 언어 모델(LLM) 백본 위에 구축된 약한 사전 정보 기반 밀집 전문가 혼합(MoE) 프레임워크인 WPG-MoE를 제안한다. WPG-MoE는 사용자 수준의 약한 의미론적 사전 정보를 도출하여 서로 다른 근거 레이아웃에 매칭된 전문가에게 사용자를 소프트 라우팅한다. 우리는 이 과정을 특권 정보를 활용한 학습(LUPI, Learning Using Privileged Information)으로 공식화한다: LLM이 추출한 풍부한 구조화된 근거가 학습 시 라우팅을 안내하는 반면, 추론 시에는 PHQ-9(Patient Health Questionnaire-9) 템플릿 선별과 배포 가능한 백본만 유지된다. 중국어 및 영어 데이터셋에 대한 실험에서 WPG-MoE는 해석 가능한 라우팅 동작으로 강력한 기준 모델들을 능가함을 보인다.