CASE：基于课程数据预训练的高效辅助心理学专家模型构建
计算与语言
2024-10-03 v3 人工智能
机器学习
摘要
心理学家的有限可用性使得高效识别需要紧急心理保健的个体变得必要。本研究探索利用自然语言处理（NLP）流水线分析来自在线心理健康论坛的咨询文本数据。通过分析论坛帖子，这些流水线可以标记可能需要立即专业关注的用户。该领域的一个关键挑战是数据隐私和稀缺性。为解决这一问题，我们提出利用心理健康专业机构中现成的课程文本对NLP流水线进行预训练。这有助于模拟心理学家的训练过程。我们的工作提出了CASE-BERT，它基于论坛文本标记潜在的心理健康障碍。与现有方法相比，CASE-BERT表现出优越的性能，在抑郁症（最常见的精神障碍之一）上达到0.91的F1分数，在焦虑症上达到0.88。我们的代码和数据已公开。
引用
@article{arxiv.2406.00314,
title = {CASE: Efficient Curricular Data Pre-training for Building Assistive Psychology Expert Models},
author = {Sarthak Harne and Monjoy Narayan Choudhury and Madhav Rao and TK Srikanth and Seema Mehrotra and Apoorva Vashisht and Aarushi Basu and Manjit Sodhi},
journal= {arXiv preprint arXiv:2406.00314},
year = {2024}
}