MMAug, 2022

使用深度强化学习进行自然语言处理注释的心理治疗治疗策略实时推荐

PDF
TL;DR文章提出一个实时的推荐系统，用于心理治疗期间向治疗师建议治疗策略。系统通过计算评分清单深度嵌入的相似性得分与患者当前言语之间的相似性，预测治疗结果。系统自动将连续音频流转录并分成患者和治疗师的对话，实时推断他们的治疗工作联盟。对话及其计算的工作联盟得分作为评级被馈送到深度强化学习推荐系统中，其中会话被视为用户，主题被视为项。除了在现有心理治疗数据集上评估核心组件的实证优势外，我们还在一个 Web 应用中展示了该系统的有效性。
recommendation systempsychotherapyreal-timetherapeutic working alliancedeep reinforcement learning
发现论文，激发创造
  • 具有增强学习推荐和可解释策略动态的心理治疗人工智能伴侣

    该研究介绍了一个基于深度强化学习的心理治疗 AI 伴侣，通过患者的反馈为治疗师生成主题推荐，并使用多目标策略生成四种不同精神疾病的策略。实验结果表明，该系统能够捕捉到历史主题的真实数据，并且最佳性能模型因疾病和评分标准而异。通过 2D 主成分分析和迁移矩阵可视化策略轨迹，呈现出具有不同奖励信号和不同临床诊断训练的策略的明显模式，并展示了 DRL 在提供个性化和高效治疗建议方面的潜力。

    Mar, 2023

  • 使用决策转换器和大型语言模型实现心理咨询和心理疗法中的对话主题推荐

    通过离线强化学习，我们利用决策变压器架构在患者和心理健康专业人员之间的咨询对话中进行主题推荐，展示了优于基准强化学习方法的改进，并提出了一种新的系统来利用我们模型的输出作为相同任务的大型语言模型的合成标签进行微调。

    May, 2024

  • 面向基于文本的咨询的自动实时评估

    利用在线咨询平台收集咨询师和客户的对话记录，运用机器学习方法进行自动评估，并通过粗细粒度的标签和预训练技术实现实用的准确性。

    Mar, 2022

  • 基于深度强化学习的列表推荐

    本文提出一种通过模型驱动的增强学习方法来不断优化推荐策略的推荐系统，将用户与推荐系统之间的交互建模为马尔可夫决策过程，并通过在线用户 - 代理交互环境模拟器来预训练和评估模型参数，进一步提出了一种将列表式推荐纳入推荐系统的实验方法，并在真实世界的电子商务数据集上验证了该方法的有效性。

    Dec, 2017

  • 一种基于同情心的自我依恋治疗 AI 辅导员

    通过基于规则的对话代理和深度学习分类器结合的方式，我们提出了一种数字教练配置方案，用于引导用户在自我附着治疗协议方面进行练习，并在虚拟疗法会话中达到高度参与度。在与 N=16 参与者进行的非临床试验中，我们发现与简单的规则基础框架相比，我们的平台在共情性，用户参与度和实用性方面都能得到更好的评价，并提供进一步改进设计和性能的指南。

    Sep, 2022

  • 深度会话推荐

    本文提供了一个名为 ReDial 的可用于公共研究的数据集，用于探索使用神经网络和深度学习技术创建对话系统的应用，并探讨了在这一领域中应用的新方法和机制。

    Dec, 2018

  • 心理治疗会话的神经主题建模

    本文利用神经主题建模方法比较了不同精神疾病治疗过程的言语记录，并将时间建模，为治疗师提供解释性见解，优化治疗策略并提高疗效。

    Apr, 2022

  • 推荐系统作为一种通信游戏：自监督机器人游戏用于目标导向性对话

    本文介绍了一种基于交互式对话的推荐系统，通过人机对话的形式帮助用户更精准地寻找符合需求的电影，并且提供了相关数据集和代码。

    Sep, 2019

  • 使用助理进行领域特定的心理治疗聊天机器人的改进

    通过 AlexanderStreet therapy 的领域特定辅助指令和改进的预训练 LLMs 方法，本研究在心理治疗任务中实现了预训练 LLMs 的卓越性能，提供更多的心理治疗知识。

    Apr, 2024

  • 心理治疗中治疗工作联盟的深度注释

    这篇论文提出了一种从心理治疗会话中直接推断治疗工作联盟的分析框架，并使用自然语言处理模型如 Doc2Vec 和 SentenceBERT 模型以逐句的方式嵌入文本来实现。作者证明了这种方法的有效性和解释性，并提出这种框架可以向治疗师提供有关问诊会话质量的及时反馈。

    Apr, 2022