Łączenie systemów rekomendacji oraz modeli językowych we wczesnym wykrywaniu objawów anoreksji

Opisana w publikacji metoda wykorzystuje najnowsze osiągnięcia w dziedzinie przetwarzania języka naturalnego (NLP) oraz architekturę systemów rekomendacyjnych. Analizując zachowanie modeli sugerujących treści na podstawie podobieństw użytkowników, ta metoda ocenia, czy rekomendowane treści pochodzą od osób doświadczających anoreksji. Takie podejście umożliwia wydawanie wczesnych ostrzeżeń o potencjalnym ryzyku wystąpienia objawów zaburzeń odżywiania. Opisana w pracy metoda osiągnęła najlepszy wynik według metryki ERDE (Early Risk Detection Error) w konkursie eRisk 2024. Metryka ta uwzględnia zarówno precyzję wyników, jak i czas potrzebny do zaalarmowania o możliwości, że dana osoba może cierpieć na anoreksję. Aspekt ten stanowił kluczowy element konkursu oraz ma realny wpływ przy zastosowaniu systemów wczesnego ostrzegania. Autorzy pracy: mgr Oskar Riewe-Perła, dr hab. Agata Filipowska, prof. UEP.

Konkurs eRisk jest jednym z wielu wyzwań organizowanych w ramach konferencji CLEF (Conference and Labs of the Evaluation Forum), która od 2000 roku przyciąga naukowców i specjalistów z całego świata, zainteresowanych rozwojem technologii przetwarzania danych i wyszukiwania informacji.