通过大型语言模型理解心理健康状况的评估
计算与语言
2024-02-05 v2
摘要
心理健康挑战给个人和社区带来了巨大的全球负担。近期数据表明，超过20%的成年人在一生中可能至少遭遇一种心理障碍。一方面，大型语言模型的进步促进了多样化的应用，但在理解和增强大型语言模型在心理健康领域潜力方面仍存在显著的研究空白。另一方面，在各种应用中，一个悬而未决的问题涉及大型语言模型理解人类以自然语言表达的心理健康状况的能力。本研究对大型语言模型进行了初步评估，以填补这一空白。为此，我们将Llama-2和ChatGPT的性能与经典的机器学习及深度学习模型进行了比较。我们在DAIC-WOZ数据集上的结果表明，基于Transformer的模型（如BERT或XLNet）优于这些大型语言模型。
引用
@article{arxiv.2401.04592,
title = {An Assessment on Comprehending Mental Health through Large Language Models},
author = {Mihael Arcan and David-Paul Niland and Fionn Delahunty},
journal= {arXiv preprint arXiv:2401.04592},
year = {2024}
}