AI 增强的认知行为疗法：用于从社交媒体文本中提取认知路径的深度学习和大语言模型
计算与语言
2024-04-18 v1 机器学习
摘要
认知行为疗法（CBT）是有效应对源于精神疾病的非理性思想的技术，但需要精确识别认知路径才能成功实施到患者护理中。在当前社会，个体经常在特定话题上表达负面情绪，往往表现出认知扭曲，包括极端情况下的自杀行为。然而，缺乏用于分析认知路径的方法，这会帮助精神科医生在线上进行有效干预。在本研究中，我们收集了社交媒体数据并建立了提取认知路径的任务，依据认知理论框架对数据进行注释。我们最初将提取认知路径的任务categorized为具有四个主要类别和十九个子类的层次化文本分类。随后，我们构建了一个文本摘要任务，以帮助精神科医生快速把握关键信息。我们的实验评估了深度学习和大语言模型（LLMs）在这些任务上的性能。结果表明，我们的深度学习方法在层次化文本分类任务中获得了62.34%的微-F1分数。而在文本摘要任务中，GPT-4获得了54.92的Rouge-1分数和30.86的Rouge-2分数，超过了实验中的深度学习模型的性能。然而，它可能存在幻觉问题。我们已公开所有模型和代码，以支持该领域的进一步研究。
引用
@article{arxiv.2404.11449,
title = {AI-Enhanced Cognitive Behavioral Therapy: Deep Learning and Large Language Models for Extracting Cognitive Pathways from Social Media Texts},
author = {Meng Jiang and Yi Jing Yu and Qing Zhao and Jianqiang Li and Changwei Song and Hongzhi Qi and Wei Zhai and Dan Luo and Xiaoqin Wang and Guanghui Fu and Bing Xiang Yang},
journal= {arXiv preprint arXiv:2404.11449},
year = {2024}
}