Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.15440

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2508.15440 (cs)
[提交于 2025年8月21日 ]

标题: M-HELP:利用社交媒体数据检测心理健康求助信号

标题: M-HELP: Using Social Media Data to Detect Mental Health Help-Seeking Signals

Authors:MSVPJ Sathvik, Zuhair Hasan Shaik, Vivek Gupta
摘要: 心理健康障碍是一个全球性危机。 虽然存在各种用于检测此类障碍的数据集,但在识别正在寻求帮助的个体方面仍存在关键差距。 本文介绍了一个新的数据集, M-Help,专门设计用于在社交媒体上检测寻求帮助的行为。 该数据集超越了传统标签,不仅识别寻求帮助的活动,还识别特定的心理健康障碍及其潜在原因,如人际关系挑战或财务压力。 在 M-Help 上训练的 AI 模型可以解决三个关键任务:识别寻求帮助的人,诊断心理健康状况,并揭示问题的根本原因。
摘要: Mental health disorders are a global crisis. While various datasets exist for detecting such disorders, there remains a critical gap in identifying individuals actively seeking help. This paper introduces a novel dataset, M-Help, specifically designed to detect help-seeking behavior on social media. The dataset goes beyond traditional labels by identifying not only help-seeking activity but also specific mental health disorders and their underlying causes, such as relationship challenges or financial stressors. AI models trained on M-Help can address three key tasks: identifying help-seekers, diagnosing mental health conditions, and uncovering the root causes of issues.
评论: 已被EMNLP 2025接收
主题: 计算与语言 (cs.CL)
引用方式: arXiv:2508.15440 [cs.CL]
  (或者 arXiv:2508.15440v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.15440
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zuhair Hasan Shaik [查看电子邮件]
[v1] 星期四, 2025 年 8 月 21 日 11:02:36 UTC (1,143 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号