利用深度学习和大型语言模型进行音频与文本分析以预测中文心理援助热线中的自杀行为
计算与语言
2024-09-11 v1
摘要
自杀是一个紧迫的全球性问题，需要紧急有效的预防干预措施。在众多策略中，心理援助热线已被证明是一种有效的干预方法。中国每年约有200万人试图自杀，其中许多人会多次尝试。及时识别和干预高风险个体对于预防悲剧至关重要。随着人工智能（AI）的快速发展，特别是大规模语言模型（LLMs）的进步，新的技术工具被引入心理健康领域。本研究纳入1284名受试者，旨在验证深度学习模型和LLMs能否利用援助热线的音频和转录文本有效预测自杀风险。我们提出了一种简单的基于LLM的流程，该流程首先对约一小时语音的转录文本进行摘要以提取关键特征，然后预测未来的自杀行为。我们将基于LLM的方法与临床环境中的传统人工量表方法以及五种先进的深度学习模型进行了比较。令人惊讶的是，所提出的简单LLM流程在46名受试者的测试集上表现出强劲的性能，当与人工量表评分结合时，F1分数达到76%。这比基于语音的最佳深度学习模型高出7%，并且与单独使用人工量表方法相比，F1分数提高了27.82个百分点。我们的研究探索了LLMs的新应用，并展示了其在未来自杀预防工作中的潜力。
引用
@article{arxiv.2409.06164,
title = {Deep Learning and Large Language Models for Audio and Text Analysis in Predicting Suicidal Acts in Chinese Psychological Support Hotlines},
author = {Yining Chen and Jianqiang Li and Changwei Song and Qing Zhao and Yongsheng Tong and Guanghui Fu},
journal= {arXiv preprint arXiv:2409.06164},
year = {2024}
}