Ir al contenido

Documat

Resumen de Overview of MentalRiskES at IberLEF 2025: Early Detection of Addiction Risk in Spanish

Alba María Mármol Romero, Pablo Álvarez Ojeda, Adrián Moreno Muñoz, Flor Miriam Plaza del Arco Árbol académico, M. Dolores Molina González, María Teresa Martín Valdivia Árbol académico, Luis Alfonso Ureña López Árbol académico, Arturo Montejo Ráez Árbol académico

  • español

    Este articulo presenta la tarea MentalRiskES en IberLEF 2025, como parte de la 41º edición de la Conferencia Internacional de la Sociedad Española para el Procesamiento del Lenguaje Natural. El objetivo de esta competición es promover la detección temprana de trastornos mentales en español. Proponemos dos tareas de detección precoz: Tarea 1 para detección de riesgo de trastornos por juego, Tarea 2 para detección de riesgo de trastornos por juego pero determinando el tipo de juego relacionado. Además, pedimos a los participantes que enviaran mediciones de las emisiones de carbono de sus sistemas, haciendo hincapié en la necesidad de prácticas sostenibles de procesamiento del lenguaje natural. En esta tercera edición, 27 equipos se registraron, 13 enviaron predicciones y 12 presentaron artículos. La mayoría experimentó con Transformers, incluyendo características, ampliando datos y técnicas de preprocesamiento.

  • English

    This paper presents the MentalRiskES shared task organized at IberLEF 2025, as part of the 41st International Conference of the Spanish Society for Natural Language Processing. This task aims to promote the early detection of mental risk disorders in Spanish. We propose two detection tasks: Task 1 for risk detection of gambling disorders, Task 2 for risk detection of gambling disorders but determining the type of addiction. Furthermore, we asked participants to submit measurements of carbon emissions for their systems, emphasizing the need for sustainable natural language processing practices. In this third edition, 27 teams registered, 13 submitted results, and 12 presented papers. Most teams experimented with Transformers, including features, data augmentation, and preprocessing techniques.

Fundación Dialnet

Mi Documat