DeepHelp:面向 Shout 危机文本对话的深度学习

Shout 危机短信热线为经历心理健康危机的个体提供与受训危机志愿者(CV)进行匿名短信对话的机会。本项目与 Shout 及其上级组织 Mental Health Innovations 合作,探索机器学习在理解 Shout 对话并改进其服务中的应用。项目的首要目标是开发概念验证模型,以展示将深度学习应用于危机短信的潜力。具体而言,本项目旨在利用深度学习来(1)预测个体的自杀或自伤风险,(2)使用稳健指标评估对话成功度与 CV 技能,以及(3)从未填写调查的发送者调查外推对话中的人口统计信息。为此,对深度学习的贡献包括改进的 Transformer-over-BERT 模型;一种用于在稀疏标签存在时改善泛化的多任务学习框架;以及一种利用不完美机器学习模型从有偏训练集估计总体参数的数学模型。关键结果包括一个预测自杀风险性能可能优于受训 CV 的深度学习模型,以及以 88.4% 准确率预测发送者是否 21 岁及以下的能力。我们提出了三种对话成功度指标,并评估了各自的效度与有用性。最后,参与偏倚的反转提供证据表明,在关联发送者调查的对话中占 80.3% 的女性,在所有对话中占比接近 73.5%–74.8%;并且若每次对话后发送者都分享其是否认为对话有帮助,肯定回答将从 85.1% 降至 45.45%–46.51%。