AutoPsyC：基于大语言模型的半结构化访谈中心理动力学冲突自动识别
计算与语言
2025-03-31 v1 人工智能
摘要
心理动力学冲突是持久的、往往是无意识的主题，塑造一个人的行为和经历。准确诊断心理动力学冲突对于有效的患者治疗至关重要，通常通过耗时的、手动评分的半结构化访谈来完成。现有的自动精神病诊断解决方案往往侧重于广泛的障碍类别，如抑郁，尚不清楚从对话中是否可以自动识别即便是患者本人也可能没有意识到的心理动力学冲突。本文提出AutoPsyC，是首个用于从完整的Operationalized Psychodynamic Diagnostics（OPD）访谈中识别心理动力学冲突的存在与重要性的方法，采用大语言模型（LLM）。我们的 метод结合了参数高效微调和检索增强生成（RAG）的最新进展，结合汇总策略，有效处理整个90分钟长的对话。在针对141份诊断访谈数据进行评估时，我们展示AutoPsyC在识别四个高度相关的心理动力学冲突方面 consistently优于所有基线方法和消失实验条件。
引用
@article{arxiv.2503.21911,
title = {AutoPsyC: Automatic Recognition of Psychodynamic Conflicts from Semi-structured Interviews with Large Language Models},
author = {Sayed Muddashir Hossain and Simon Ostermann and Patrick Gebhard and Cord Benecke and Josef van Genabith and Philipp Müller},
journal= {arXiv preprint arXiv:2503.21911},
year = {2025}
}