有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
DEP-SEVERITY, SUI-TWI|心理健康数据集|多语言处理数据集
收藏arXiv2024-09-26 更新2024-09-28 收录
下载链接：
https://github.com/y3nk0/multilingual-mental-severityprediction
下载链接
链接失效反馈资源简介：
本研究创建了一个多语言心理健康严重程度预测数据集，涵盖英语、土耳其语、法语、葡萄牙语、德语、希腊语和芬兰语。该数据集由用户生成的社交媒体内容组成，通过大型语言模型（LLM）从英语自动翻译而来。数据集的创建旨在评估LLM在多语言环境下预测心理健康状况严重程度的能力，特别是在非英语环境中。该数据集的应用领域主要集中在心理健康诊断和支持系统，旨在解决多语言环境下心理健康问题的早期检测和干预问题。
提供机构：
伊安尼纳大学, 雅典经济与商业大学, 根特大学
创建时间：
2024-09-26
AI搜集汇总
数据集介绍
构建方式
该数据集通过将广泛使用的英语心理健康数据集翻译成六种语言（希腊语、土耳其语、法语、葡萄牙语、德语和芬兰语），从而创建了一个多语言适应版本。这一过程利用了大型语言模型（LLM）进行自动翻译，确保了数据集在多语言环境下的可用性。通过这种方式，研究者能够全面评估LLM在检测心理健康状况及其严重程度方面的性能，特别是在非英语环境中。
特点
该数据集的主要特点在于其多语言适应性和对心理健康状况严重程度的评估能力。它不仅涵盖了英语，还包括了希腊语、土耳其语、法语、葡萄牙语、德语和芬兰语，使得研究能够在多语言背景下进行。此外，数据集的设计旨在检测心理健康状况的严重程度，从而为跨语言的心理健康支持提供了宝贵的资源。
使用方法
该数据集可用于评估大型语言模型（LLM）在多语言环境中预测心理健康状况严重程度的能力。研究者可以通过将社交媒体内容从英语翻译成其他语言，并使用LLM进行严重程度预测，来测试模型的性能。此外，数据集还可用于分析语言多样性对任务和数据集特定结果的影响，从而为多语言心理健康支持提供深入的见解。
背景与挑战
背景概述
随着大型语言模型（LLMs）在医疗领域的应用日益增多，特别是在心理健康支持系统中的应用，研究者们开始关注LLMs在非英语心理健康支持应用中的有效性。为了填补这一研究空白，Konstantinos Skianis等人于2024年创建了一个新颖的多语言心理健康数据集，该数据集从英语翻译成希腊语、土耳其语、法语、葡萄牙语、德语和芬兰语。这一数据集的创建旨在全面评估LLMs在多语言环境中检测心理健康状况及其严重程度的能力。通过使用GPT和Llama进行实验，研究者们观察到不同语言之间的性能差异，这突显了多语言心理健康支持中的复杂性，其中语言特定的细微差别和心理健康数据的覆盖范围可能影响模型的准确性。
当前挑战
该数据集面临的挑战主要集中在两个方面：一是解决领域问题，即在多语言环境中准确预测心理健康状况的严重程度；二是构建过程中遇到的挑战，包括语言翻译的准确性和文化差异的处理。由于LLMs在不同语言中的表现不一致，研究者们强调了在医疗环境中完全依赖LLMs的风险，例如可能导致误诊。此外，尽管该数据集在多语言任务中提供了显著的成本节约，但仍需进一步研究以确保其在低资源语言中的适用性和准确性。
常用场景
经典使用场景
在心理健康领域，DEP-SEVERITY和SUI-TWI数据集的经典应用场景主要集中在利用大型语言模型（LLMs）进行多语言心理健康状况的严重程度预测。通过将英文心理健康数据集翻译成希腊语、土耳其语、法语、葡萄牙语、德语和芬兰语，研究人员能够评估LLMs在不同语言环境下检测心理健康状况及其严重程度的能力。这一方法不仅有助于填补非英语心理健康支持系统中LLMs应用效果的研究空白，还能为跨文化心理健康诊断提供宝贵的数据支持。
衍生相关工作
DEP-SEVERITY和SUI-TWI数据集的推出催生了多项相关研究工作，特别是在多语言心理健康支持系统和LLMs的应用领域。例如，MentaLLaMA和MentalBERT等模型在心理健康相关社交媒体数据上的训练和应用，进一步推动了心理健康诊断技术的发展。这些衍生工作不仅扩展了LLMs在心理健康领域的应用范围，还为跨文化心理健康研究提供了新的视角和方法。
数据集最近研究
最新研究方向
在心理健康领域，大型语言模型（LLMs）的应用日益受到关注，尤其是在非英语心理健康支持系统中的有效性研究。最新研究方向集中在利用LLMs创建和评估多语言心理健康数据集，以检测心理健康状况的严重程度。通过将英语心理健康数据集翻译成希腊语、土耳其语、法语、葡萄牙语、德语和芬兰语，研究者们探索了LLMs在多语言环境下的性能差异。研究发现，尽管在相同翻译数据集上进行评估，LLMs在不同语言中的表现存在显著差异，这突显了多语言心理健康支持中的复杂性。此外，该研究强调了在医疗环境中依赖LLMs的风险，如可能导致误诊，同时也提出了在多语言任务中显著的成本节约优势，为大规模实施提供了重要支持。
相关研究论文
- 1Severity Prediction in Mental Health: LLM-based Creation, Analysis, Evaluation of a Novel Multilingual Dataset伊安尼纳大学, 雅典经济与商业大学, 根特大学 · 2024年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
Beijing Traffic
The Beijing Traffic Dataset collects traffic speeds at 5-minute granularity for 3126 roadway segments in Beijing between 2022/05/12 and 2022/07/25.
Papers with Code 收录
HazyDet
HazyDet是由解放军工程大学等机构创建的一个大规模数据集，专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例，收集自自然雾霾环境和正常场景中人工添加的雾霾效果，以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型，确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测，旨在提高无人机在复杂环境中的感知能力。
arXiv 收录
CMAB
CMAB数据集由清华大学创建，是中国首个全国范围的多属性建筑数据集，涵盖了3667个自然城市，总面积达213亿平方米。该数据集通过集成多源数据，如高分辨率Google Earth影像和街景图像，生成了建筑的屋顶、高度、功能、年龄和质量等属性。数据集的创建过程结合了地理人工智能框架和机器学习模型，确保了数据的高准确性。CMAB数据集主要应用于城市规划和可持续发展研究，旨在提供详细的城市3D物理和社会结构信息，支持城市化进程和政府决策。
arXiv 收录
中国行政区划数据
本项目为中国行政区划数据，包括省级、地级、县级、乡级和村级五级行政区划数据。数据来源于国家统计局，存储格式为sqlite3 db文件，支持直接使用数据库连接工具打开。
github 收录
典型分布式光伏出力预测数据集
光伏电站出力数据每5分钟从电站机房监控系统获取；气象实测数据从气象站获取，气象站建于电站30号箱变附近，每5分钟将采集的数据通过光纤传输到机房；数值天气预报数据利用中国电科院新能源气象应用机房的WRF业务系统（包括30TF计算刀片机、250TB并行存储）进行中尺度模式计算后输出预报产品，每日8点前通过反向隔离装置推送到电站内网预测系统。
国家基础学科公共科学数据中心 收录