利用 LLM 进行精神健康检测与推荐：来自社交讨论的分析

社交平台的文本数据通过围绕问题及其跨问题的讨论捕获了各种心理健康方面, 同时用户寻求帮助, 而其他人则表示同情并提供支持。我们提出了一个综合框架, 利用自然语言处理 (NLP) 和生成式 AI 技术来识别和评估精神疾病, 检测其严重程度, 并根据用户帖子在 Reddit 上的内容创建行为改变和治疗干预建议。为分类疾病, 我们使用基于规则的标记方法以及先进的预训练 NLP 模型从数据中提取细致的语义特征。我们基于来自专门大语言模型 (LLM) 的预测, 对领域适应型和通用预训练 NLP 模型进行微调, 以提高分类准确率。我们的混合方法结合了预训练模型的泛化能力与 LLM 捕获的领域特定见解, 提供了对心理健康话语的改进理解。我们的发现突显了每种模型的优势与局限性, 为其实际应用提供了宝贵见解。这项研究潜在地促进了早期检测和个性化护理, 以帮助专业人士, 并旨在促进及时干预并提高整体福祉, 从而为更广泛的心理健康监视和数字健康分析领域作出贡献。