Evidence-Driven Marker Extraction for Social Media Suicide Risk Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Adams, Carter, Carter, Caleb, Simmons, Jackson
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating Transformer Models for Suicide Risk Detection on Social Media
von: Pokrywka, Jakub, et al.
Veröffentlicht: (2024)

Two-Stage Voting for Robust and Efficient Suicide Risk Detection on Social Media
von: Song, Yukai, et al.
Veröffentlicht: (2025)

Detection of Suicidal Risk on Social Media: A Hybrid Model
von: Yang, Zaihan, et al.
Veröffentlicht: (2025)

Detecting Linguistic Diversity on Social Media
von: Wong, Sidney, et al.
Veröffentlicht: (2025)

Protective Factor-Aware Dynamic Influence Learning for Suicide Risk Prediction on Social Media
von: Li, Jun, et al.
Veröffentlicht: (2025)

Suicide Risk Assessment on Social Media with Semi-Supervised Learning
von: Lovitt, Max, et al.
Veröffentlicht: (2024)

SOS-1K: A Fine-grained Suicide Risk Classification Dataset for Chinese Social Media Analysis
von: Qi, Hongzhi, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Suicide Detection on Social Media with Limited Labels
von: Nguyen, Vy, et al.
Veröffentlicht: (2024)

Integrating Supervised Extractive and Generative Language Models for Suicide Risk Evidence Summarization
von: Tanaka, Rika, et al.
Veröffentlicht: (2024)

Generating Fair Consensus Statements with Social Choice on Token-Level MDPs
von: Blair, Carter, et al.
Veröffentlicht: (2025)

Rethinking Reinforcement Fine-Tuning in LVLM: Convergence, Reward Decomposition, and Generalization
von: Adams, Carter, et al.
Veröffentlicht: (2026)

Data Quality Matters: Suicide Intention Detection on Social Media Posts Using RoBERTa-CNN
von: Lin, Emily, et al.
Veröffentlicht: (2024)

Enhanced Suicidal Ideation Detection from Social Media Using a CNN-BiLSTM Hybrid Model
von: Bhuiyan, Mohaiminul Islam, et al.
Veröffentlicht: (2025)

Supervised Learning and Large Language Model Benchmarks on Mental Health Datasets: Cognitive Distortions and Suicidal Risks in Chinese Social Media
von: Qi, Hongzhi, et al.
Veröffentlicht: (2023)

Reading Between the Signs: Predicting Future Suicidal Ideation from Adolescent Social Media Texts
von: Blum, Paul, et al.
Veröffentlicht: (2025)

PsyGUARD: An Automated System for Suicide Detection and Risk Assessment in Psychological Counseling
von: Qiu, Huachuan, et al.
Veröffentlicht: (2024)

Detecting Early and Implicit Suicidal Ideation via Longitudinal and Information Environment Signals on Social Media
von: Shimgekar, Soorya Ram, et al.
Veröffentlicht: (2025)

On the Risk of Evidence Pollution for Malicious Social Text Detection in the Era of LLMs
von: Wan, Herun, et al.
Veröffentlicht: (2024)

ULTRA: Unleash LLMs' Potential for Event Argument Extraction through Hierarchical Modeling and Pair-wise Self-Refinement
von: Zhang, Xinliang Frederick, et al.
Veröffentlicht: (2024)

Understanding Mental Health Content on Social Media and Its Effect Towards Suicidal Ideation
von: Bhuiyan, Mohaiminul Islam, et al.
Veröffentlicht: (2025)

Language-Agnostic Suicidal Risk Detection Using Large Language Models
von: Kim, June-Woo, et al.
Veröffentlicht: (2025)

Detecting Effects of AI-Mediated Communication on Language Complexity and Sentiment
von: Sussman, Kristen, et al.
Veröffentlicht: (2025)

Taxonomy-Aligned Risk Extraction from 10-K Filings with Autonomous Improvement Using LLMs
von: Dolphin, Rian, et al.
Veröffentlicht: (2026)

CNSocialDepress: A Chinese Social Media Dataset for Depression Risk Detection and Structured Analysis
von: Xu, Jinyuan, et al.
Veröffentlicht: (2025)

Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted Outcomes to Analyze Longitudinal Social Media Data
von: Nguyen, Van Minh, et al.
Veröffentlicht: (2023)

PlantMarkerBench: A Multi-Species Benchmark for Evidence-Grounded Plant Marker Reasoning
von: Dip, Sajib Acharjee, et al.
Veröffentlicht: (2026)

What Does the Bot Say? Opportunities and Risks of Large Language Models in Social Media Bot Detection
von: Feng, Shangbin, et al.
Veröffentlicht: (2024)

AILS-NTUA at SemEval-2026 Task 10: Agentic LLMs for Psycholinguistic Marker Extraction and Conspiracy Endorsement Detection
von: Spanakis, Panagiotis Alexios, et al.
Veröffentlicht: (2026)

Contextualizing Search Queries In-Context Learning for Conversational Rewriting with LLMs
von: Wilson, Raymond, et al.
Veröffentlicht: (2025)

Weak Supervision Dynamic KL-Weighted Diffusion Models Guided by Large Language Models
von: Perry, Julian, et al.
Veröffentlicht: (2025)

Explainable Depression Symptom Detection in Social Media
von: Bao, Eliseo, et al.
Veröffentlicht: (2023)

Leveraging Large Language Models for Spontaneous Speech-Based Suicide Risk Detection
von: Gao, Yifan, et al.
Veröffentlicht: (2025)

Improved Evidence Extraction and Metrics for Document Inconsistency Detection with LLMs
von: Tan, Nelvin, et al.
Veröffentlicht: (2026)

Spontaneous Speech-Based Suicide Risk Detection Using Whisper and Large Language Models
von: Cui, Ziyun, et al.
Veröffentlicht: (2024)

Harmful Suicide Content Detection
von: Park, Kyumin, et al.
Veröffentlicht: (2024)

The First Multilingual Model For The Detection of Suicide Texts
von: Zevallos, Rodolfo, et al.
Veröffentlicht: (2024)

Scientific Discourse Tagging for Evidence Extraction
von: Li, Xiangci, et al.
Veröffentlicht: (2019)

PRISM: A Personality-Driven Multi-Agent Framework for Social Media Simulation
von: Lu, Zhixiang, et al.
Veröffentlicht: (2025)

HICL: Hashtag-Driven In-Context Learning for Social Media Natural Language Understanding
von: Tan, Hanzhuo, et al.
Veröffentlicht: (2023)

Suicidal Comment Tree Dataset: Enhancing Risk Assessment and Prediction Through Contextual Analysis
von: Li, Jun, et al.
Veröffentlicht: (2025)