English(EN) Words Are the Voice of the Mind: Depression Severity Estimation from Social Traces via Mental-Guided Evidence Reasoning

新AI框架可根据社交媒体痕迹估算抑郁严重程度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了UMer，一个旨在利用社交媒体数据估算抑郁严重程度的新型框架。该系统通过整合用户特定的心智先验知识、检索相关帖子以及对证据进行细粒度推理，旨在克服现有方法的局限性。UMer从用户历史社交痕迹中提炼心理倾向和行为模式，以构建个性化心智模型。然后，它从与项目相关的帖子中构建证据记忆，并分析直接证据与间接证据，以提供可解释的理由来预测项目级别分数。 AI

影响该框架通过提供一种更易于访问和个性化的抑郁严重程度估算方法，有可能改善心理健康评估。

排序理由该集群包含一篇详细介绍用于特定任务的新AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍用于特定任务的新AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Nada Xu, Xueqin Chen, Qiang Gao, Hongru Liang, Wenqiang Lei · 2026-10-27 04:00

言为心声：通过心智引导的证据推理从社交痕迹估计抑郁严重程度

arXiv:2610.33586v1 Announce Type: new Abstract: Depression severity estimation is crucial for mental health assessment and intervention, yet traditional approaches depend on clinical interviews or self-report questionnaires that require users' active participation. With the wides…

本文如何被排名

报道来源 [1]

言为心声：通过心智引导的证据推理从社交痕迹估计抑郁严重程度

相关实体

相关话题