CLPsych 2026의 Team MKC: 소셜 미디어 타임라인 역학을 통한 정신 건강 변화의 포착 및 특성 분석
요약
CLPsych 2026 공유 과제에 참여하는 Team MKC가 제안한 LLM 기반 정신 건강 분석 파이프라인을 소개합니다. 소셜 미디어의 시계열 게시물 데이터를 활용하여 게시물 단위 평가와 사용자 단위의 정신 건강 변화를 추적하는 통합 프레임워크를 다룹니다.
핵심 포인트
- 소셜 미디어 타임라인 데이터를 활용한 정신 건강 모니터링
- 게시물 수준 평가와 사용자 수준 시계열 모델링의 통합
- LLM을 활용한 정신 건강 조기 발견 및 분석 파이프라인 제안
- CLPsych 2026 공유 과제(Shared Task) 연구 결과
최근 거대 언어 모델 (Large Language Models (LLMs))의 발전은 정신 건강을 위한 인공지능 (Artificial Intelligence (AI))을 포함하여 광범위한 영역에서 LLM의 도입을 촉진했습니다. 전 세계적으로 정신 건강 장애의 유병률이 증가하고 전문적인 치료에 대한 접근성이 제한됨에 따라, 심리적 안녕의 조기 발견 및 지속적인 모니터링을 도울 수 있는 확장 가능한 계산적 접근 방식에 대한 수요가 증가하고 있습니다. 이 분야에서는 도메인 특화 데이터셋을 큐레이션하고 이를 활용하여 총체적인 정신 건강 분석을 지원할 수 있는 LLM을 개발하려는 지속적인 노력이 집중되어 왔습니다. 이러한 방향에 발맞추어, 우리는 CLPsych 공유 과제 (shared task)의 일환으로 순차적으로 정렬된 사용자 게시물을 통해 종합적인 정신 건강 분석을 수행하기 위한 LLM 기반 파이프라인을 제안합니다. 우리의 파이프라인은 게시물 수준의 평가 (post-level assessment)와 사용자 수준의 시계열 모델링 (user-level temporal modeling)을 공동으로 가능하게 하는 통합 프레임워크를 제공합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기