从对话到自动化：利用大语言模型进行问题解决疗法分析
计算与语言
2025-02-20 v2
摘要
问题解决疗法（PST）是一种结构化的心理治疗方法，通过引导个体进行问题识别、解决方案头脑风暴、决策和结果评估，帮助管理压力并解决个人问题。随着心理健康护理越来越多地采用聊天机器人和大语言模型（LLM）等技术，在尝试自动化之前，深入了解每次PST会话的进行方式非常重要。我们开发了一个全面的PST标注框架，使用既定的PST核心策略和一组新颖的促进策略，分析真实世界治疗转录语料库，以确定哪些策略最为普遍。使用各种LLM和基于Transformer的模型，我们发现GPT-4o在所有模型中表现最佳，在识别所有策略方面达到了最高准确率（0.76）。为了获得更深入的见解，我们通过分析治疗动态（自主性、自我披露和隐喻）以及标注数据中的语言模式，研究了策略的应用方式。我们的研究突显了LLM在自动化治疗对话分析方面的潜力，为心理健康干预提供了可扩展的工具。我们的框架通过提高可及性、有效性和对治疗师的个性化支持，增强了PST。
引用
@article{arxiv.2501.06101,
title = {From Conversation to Automation: Leveraging LLMs for Problem-Solving Therapy Analysis},
author = {Elham Aghakhani and Lu Wang and Karla T. Washington and George Demiris and Jina Huh-Yoo and Rezvaneh Rezapour},
journal= {arXiv preprint arXiv:2501.06101},
year = {2025}
}
备注
18 pages