利用文化相关知识提升孔加拉国心理健康咨询支持
人工智能
2026-04-17 v1
摘要
大型语言模型 (LLM) 在生成心理健康和咨询应用方面的支持性回复方面显示出巨大的潜力。然而，这些回复往往缺乏文化敏感性、语境 grounding，以及临床上恰当的指导。本工作解决了如何系统性地将领域特定、临床验证的知识纳入 LLM 以提高咨询质量的差距。我们利用并比较了两种方法：检索增强生成 (RAG) 和基于知识图谱 (KG) 的方法，旨在支持准咨询师。我们的 KG 由手动构建并经过临床验证，捕捉压力因素、干预措施及其结果之间的因果关系，由多学科人员贡献。我们使用 BERTScore F1 和 SBERT 余弦相似度评估了多种 LLM 在两种设置中的表现，以及基于五个度量的人类评估，这些度量旨在直接衡量超出表面相似性的咨询效果。结果表明，KG 基于方法在 contextual relevance、clinical appropriateness 和 practical usability 方面 consistently 优于 RAG 单独使用，表明结构化、专家验证的知识在解决 LLM 在咨询任务中的局限性方面发挥着关键作用。
引用
@article{arxiv.2604.14576,
title = {Enhancing Mental Health Counseling Support in Bangladesh using Culturally-Grounded Knowledge},
author = {Md Arid Hasan and Azhagu Meena SP and Aditya Khan and Abu Md Akteruzzaman Bhuiyan and Helal Uddin Ahmed and Joysree Debi and Farig Sadeque and Annie En-Shiun Lee and Syed Ishtiaque Ahmed},
journal= {arXiv preprint arXiv:2604.14576},
year = {2026}
}
备注
submitted to CLPsych 2026