将大语言模型与主题建模应用于心理治疗情境

本研究探索使用大语言模型分析心理治疗中治疗师的言论。论文重点应用基于机器学习的主题建模工具BERTopic，对两组不同治疗师（经典与现代）的对话进行分析，从而识别并描述两组中一致出现的主题集合。论文详细描述了BERTopic的选定算法，包括从治疗师言论语料库创建向量空间、降维、聚类以及创建和优化主题表示。除BERTopic的自动主题建模外，研究还涉及对结果的专家评估和手动主题结构优化。主题建模结果突出了治疗师言语中最常见且最稳定的主题，揭示了治疗中语言模式如何发展并在不同治疗风格中保持稳定。这项工作通过展示自动化方法在改善治疗师实践与培训方面的潜力，为心理治疗中机器学习这一日益发展的领域做出了贡献。研究强调了主题建模作为深入理解治疗对话工具的价值，并为提高治疗有效性和临床监督提供了新机遇。