[Paper] PsihoRo: 우울증 및 불안 루마니아어 텍스트 코퍼스

Source: arXiv - 2602.18324v1

개요

이 논문은 우울증 및 불안을 중심으로 한 최초의 오픈‑소스 루마니아어 텍스트 코퍼스인 PsihoRo를 소개합니다. 짧고 개방형 응답을 임상적으로 검증된 PHQ‑9 및 GAD‑7 점수와 결합함으로써, 저자들은 크게 간과되어 온 언어에서 정신건강 NLP를 위한 희귀하고 고품질의 자원을 제공합니다.

주요 기여

• 첫 번째 루마니아 정신건강 코퍼스(205명)로, PHQ‑9(우울증) 및 GAD‑7(불안) 점수가 주석 처리되었습니다.
• 데이터 수집 파이프라인은 개방형 설문 항목과 표준화된 자기보고 척도를 결합하여 신뢰할 수 있는 정답을 확보합니다.
• 기본 분석으로 루마니아어 LIWC, 감정 감지, 토픽 모델링을 활용해 고통의 언어적 지표를 도출했습니다.
• 공개 릴리스는 원시 텍스트, 설문 응답 및 파생된 언어 특징을 오픈소스 라이선스 하에 제공합니다.

방법론

1. 설문 설계 – 참가자들은 “최근에 슬픔을 느꼈던 상황을 설명하세요”와 같은 여섯 개의 개방형 질문이 포함된 짧은 양식을 작성한 뒤 PHQ‑9와 GAD‑7 설문지를 작성했습니다.
2. 모집 및 윤리 – 온라인을 통해 205명의 루마니아어 사용 자원자를 모집했으며, 이들은 사전 동의를 제공하고 익명성이 보장되었습니다.
3. 전처리 – 텍스트는 토큰화, 형태소 분석(레마타이징) 후 개인 식별 정보를 제거했습니다.
4. 언어 주석 – 저자들은 루마니아어 버전의 Linguistic Inquiry and Word Count (LIWC) 사전을 적용하여 감정, 인지, 사회 등 심리학적 범주를 추출했습니다.
5. 감정 및 토픽 모델링 – 사전 학습된 다국어 감정 분류기가 세분화된 감정 점수를 제공했으며, 잠재 디리클레 할당(LDA) 모델을 통해 주요 토론 주제를 밝혀냈습니다.
6. 통계적 연계 – LIWC/감정 특징과 PHQ‑9/GAD‑7 점수 간의 상관관계를 계산하여 코퍼스가 정신 건강 신호를 포착함을 검증했습니다.

결과 및 발견

• 강한 언어적 신호: 우울 점수가 높을수록 1인칭 단수 대명사, 부정적 감정 단어, 인지 과정 용어(예: “think”, “know”) 사용이 증가함과 상관관계가 있음.
• 불안 지표: GAD‑7 점수가 높을수록 불확실성 단어(예: “maybe”, “perhaps”) 사용이 더 빈번하고 긍정적 감정 단어는 적음.
• 감정 분류기: 다국어 모델이 슬픔, 불안, 중립 상태를 신뢰성 있게 구분했으며, 보류된 하위 집합에서 평균 F1‑score 약 0.78을 달성함.
• 주제 인사이트: LDA가 “가족 관계”, “업무 스트레스”, “건강 문제”와 같은 반복 주제를 밝혀냈으며, 이는 루마니아 인구에서 알려진 우울 및 불안 위험 요인과 일치함.

실용적 함의

• 임상 의사결정 지원: 개발자는 PsihoRo에서 감정 또는 정신건강 분류기를 미세조정하여 루마니아어 정신건강 앱, 포럼, 혹은 원격 치료 플랫폼에서 위험에 처한 사용자를 표시하는 도구를 만들 수 있습니다.
• 교차언어 연구: 이 코퍼스는 전이 학습 실험을 가능하게 하여 연구자들이 영어 정신건강 데이터로 훈련된 모델이 루마니아어 텍스트에서 어떻게 성능을 보이는지 평가할 수 있게 합니다.
• 공중보건 모니터링: PsihoRo에서 집계된 언어적 추세는 정책 입안자들에게 특정 루마니아 인구 집단 내에서 흔히 나타나는 스트레스 요인(예: 경제적 불확실성)에 대한 정보를 제공할 수 있습니다.
• 교육 자료: 언어 학습 플랫폼은 데이터셋에서 식별된 실제 루마니아어 고통 표현을 활용하여 정신건강 인식 모듈을 포함시킬 수 있습니다.

제한 사항 및 향후 연구

• 크기 및 다양성: 205명의 응답자를 대상으로 한 코퍼스는 규모가 작으며 루마니아 전역의 사회언어학적 변이를 완전히 포착하지 못할 수 있습니다(예: 지역 방언, 연령대).
• 자기보고 편향: PHQ‑9와 GAD‑7은 참가자의 증상 공개 의지에 의존하므로 보고 누락이 발생할 수 있습니다.
• 도메인 범위: 개방형 프롬프트가 여섯 가지 주제로 제한되어 있어, 보다 광범위한 대화 데이터(예: 소셜 미디어 게시물)로 언어 환경을 풍부하게 할 수 있습니다.
• 향후 방향: 저자들은 데이터셋을 확대하고, 멀티모달 신호(음성, 얼굴 표정)를 통합하며, 시간에 따른 증상 궤적을 연구하기 위해 종단 추적을 탐색할 계획입니다.

저자

• Alexandra Ciobotaru
• Ana‑Maria Bucur
• Liviu P. Dinu

논문 정보

• arXiv ID: 2602.18324v1
• 분류: cs.CL
• 출판일: 2026년 2월 20일
• PDF: PDF 다운로드