自杀风险预测不再黑箱！新框架同时给出文本证据和心理因素，风险F1达0.8088
Beyond Risk Prediction: Evidence Grounding and Psychosocial Factor Verification for Explainable Suicide Risk Assessment
📖 AI 总结
该研究针对社交媒体自杀风险识别中仅做风险分类、缺乏可解释性的问题，提出了一套包含风险评估、证据锚定和心理社会因素识别三个环节的框架。风险评估采用基于文本长度的路由策略以适配不同长度的帖子；证据锚定通过识别支撑性短语并引入风险—证据约束，确保证据与风险预测保持一致；因素识别则结合分类学验证器与证据感知验证器，前者关注因素语义，后者利用因素特定的词汇语义线索筛选有效训练样本，二者概率融合得到最终预测。在IEEE BigData 2026可解释自杀风险检测挑战赛数据上，风险评估加权F1为0.8088，证据锚定测试宏行F1为0.7605，因素识别宏F1为0.5562。该框架的意义在于将自杀风险评估从单一风险等级预测拓展到同时提供文本证据和细粒度心理社会因素，从而提升在线帖子的可解释分析能力。
🔑 关键词速览
| Evidence Grounding | 证据锚定，指在文本中定位支持风险预测的具体短语或片段，以增强预测的可解释性。 |
| Psychosocial Factors | 心理社会因素，指影响个体心理和行为的社交、心理及环境因素，如压力、社会支持等。 |
| Length-based Routing | 基于长度的路由，一种根据输入文本长度选择不同处理路径的机制，以适配不同长度的帖子。 |
| Taxonomy Verifier | 分类学验证器，一种基于预定义因素分类体系来验证因素语义的模型组件。 |
| Evidence-Aware Verifier | 证据感知验证器，一种利用因素特定的词汇-语义线索来选择信息量大的训练样本的验证器。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅