技術概要：PSYDEFDETECT における VISHC

問題定義

テキストからの心理防衛機制（PDMs）の自動分類は、自然言語処理（NLP）において重大な課題を呈する。標準的な NLP タスクとは異なり、PDM は無意識的かつ文脈依存のプロセスであり、明確な語彙的マーカーではなく、物語の一貫性の欠如や感情的枠組みの転換などの微妙な手がかりを通じて現れる。この暗黙的な性質は、表面テキストが同一であっても、意図に応じて異なる防衛プロセスを反映し得るという意味論的曖昧さを生み出す。

これらの課題は、PSYDEFCONV などの利用可能なデータセットにおける深刻なデータ不足とクラス不均衡によってさらに悪化している。さらに、このタスクには「防衛なし」や「追加情報が必要」といった補助ラベルが含まれており、これらは対応する臨床的防衛項目を欠いており、標準的な多クラス分類の仮定に反し、分布を歪ませている。大規模言語モデル（LLM）は合成データ拡張を提供するが、根拠のない生成は、しばしば流暢だが理論的に無効なテキスト（「防衛の幻覚」）を生成し、モデルの信頼性を蝕むノイズを導入する。

手法

著者らは、これらの課題に対処するために、文脈認識型合成拡張（CASA）フレームワークとハイブリッド特徴融合アーキテクチャを提案する。パイプラインは主に 3 つの段階で構成される。

1. 文脈認識型合成データ拡張

標準的な言い換えの代わりに、本システムはストレス要因アンカー生成と理論駆動型プロンプティングを使用する。

• ストレス要因アンカーリング: プロンプトは、対話から特定された特定のストレス要因（例：職の喪失、拒絶）にアンカーされ、生成された防衛が一般的な感情表現ではなく、知覚された脅威に対する現実的な反応を反映することを保証する。
• 理論駆動型プロンプティング: プロンプトは、『防衛機制評価尺度（DMRS）』からの構造化された臨床的定義を利用し、防衛名、正式な定義、行動パターンを含む。これにより、LLM（Llama-3-8B-Instruct）が防衛の理論的役割を表現するサンプルを生成するように誘導される。
• 品質管理: 「アノテーターとしての機械」フィルタが、二次分類器が実質的な合意（Cohen の $\kappa \ge 0.60$）を達成する生成バッチのみを保持する。ソフトなバランス方式により、マイノリティクラスを合計 500 インスタンス（実データ＋合成データ）に制限し、生成アーティファクトへの過学習を防ぐ。

2. 二重ドメイン特徴抽出

システムは、各発話に対して 2 つの補完的な特徴セットを抽出する。

• 言語的ヒューリスティック: 発話の長さ、I 人称代名詞密度、洞察密度、接触的フラグ、成熟した対処フラグ、感情強度を含む、表面の手がかりを捉える 6 つの軽量特徴。これらは、防衛的でない反応と防衛的な反応を区別するのに役立つ。
• DMRS 防衛プロファイル: 150 の DMRS 指標から導き出された臨床的に根拠のある表現。NLI モデルがこれらの指標に対する含意確率を推定し、これらが 30 の機制スコアに集約され、9 つの防衛レベルにマッピングされる。

3. ハイブリッド特徴融合アーキテクチャ

モデルは遅延融合戦略を採用する。

• テキストエンコーダ: MentalRoBERTa が [ストレス要因:S|ターン:T] としてフォーマットされた入力をエンコードし、文脈と反応の両方に条件付けられた表現を生成し、768 次元の埋め込みを得る。
• 特徴エンコーダ: ヒューリスティック（7 次元）と DMRS（30 次元）の特徴は、専用の MLP を介して処理され、それぞれ 32 次元のベクトルを生成する。
• 融合: 3 つのベクトル（768 + 32 + 32）は 832 次元のベクトルに連結され、全結合層を通過して 9 つのラベルに分類される。

主要な貢献

1. 心理学的に根ざした拡張: 本論文は、プロンプティングにおける定義の質が生成忠実度を直接支配することを示している。DMRS ベースの定義を使用することは、浅いクラス記述よりも著しく優れている。
2. 臨床的特徴エンジニアリング: 150 の DMRS 項目すべてからの構造化特徴と言語的ヒューリスティックの統合は、臨床理論とニューラル分類の間の溝を埋める。
3. 強力な低リソースベースライン: このシステムは、低リソース環境における PDM 分類のための競争力のあるベースラインを確立し、大規模な新しい人手アノテーションデータセットを必要とせずに、既存のベースラインを著しく上回る。

実験結果

実験は、PSYDEFCONV データセット（BioNLP@ACL 2026 共有タスク）で行われた。

• 性能向上: 提案されたシステムは、ブラインドテストセットで**58.26%の精度と24.62%**のマイクロ F1 スコアを達成した。これは、DMRS CO-PILOT ベースライン（精度：18.01% $\to$ 58.26%；マクロ F1: 8.63% $\to$ 24.62%）に対する大幅な改善を表す。
• 拡張スケーリング: 性能は拡張スケール $\times 2$（マクロ F1 27.99%）でピークに達し、クラスカバレッジと合成ノイズの間の最適なバランスを示した。積極的なスケーリング（$\times 10$）は、ノイズの蓄積により性能の低下を招いた。
• クラス不均衡の問題: 改善にもかかわらず、モデルは「ラベル 7 のシンク効果」を示し、「高適応」クラス（ラベル 7）が他のクラスからの誤りを吸収した。例えば、「神経症的」（ラベル 5）インスタンスの 77% がラベル 7 として誤分類された。その結果、全体の精度は高いものの、マイノリティクラスのマクロ F1 は低いまま（8 クラス中 6 クラスで 0.30 未満）である。

意義と限界

本論文は、この分野における合成拡張の有効性の主要な駆動力はクラス定義における臨床的特異性であると主張している。生成を DMRS 理論に根ざすことで、システムは根拠のない LLM アプローチよりもデータ不足を効果的に緩和することに成功した。

しかし、著者らはシステムの臨床的準備状況については控えめな立場を維持している。

• 拡張の天井: 多数派クラス（ラベル 7）が隣接クラスと高い言語的重なりを共有する場合、単純なカウントバランスでは不十分である。
• 時間的盲目性: 現在のターンレベルのモデルは、複数の対話ターンにわたって生じる防衛的転換を捉えられていない。
• 妥当性の制約: 「アノテーターとしての機械」フィルタはラベルの一貫性を保証するが、臨床的妥当性を保証するものではない。著者らは、このシステムは研究プロトタイプであり、専門家によるレビューなしに診断ツールとして使用してはならないことを強調している。
• タスクの曖昧さ: ラベル 0（「防衛なし」）とラベル 8（「追加情報が必要」）は DMRS 指標構造を欠いており、現在のフレームワーク内では効果的に合成・分類することが困難である。

今後の研究としては、時間的変動性と多数派クラスバイアスに対処するために、制約付きデコーディング、人間ループ検証、対話レベルのモデル化を含めることが提案されている。