Feb, 2024

COMPASS: 使用语言建模进行患者-治疗师联盟策略的计算化映射

HTML
PDF
TL;DR采用新的框架COMPASS，直接从心理疗法会话中使用的自然语言推断治疗性工作联盟，利用大型语言模型分析会话文本与工作联盟清单中的语句进行比较，以及神经主题建模技术和生成式语言提示相结合的各种方法，增强了对治疗交互作用的理解，为治疗师提供及时反馈，并提供可解释的见解以提高心理疗法的有效性。
发现论文，激发创造
  • 辅导对话的大规模分析：将自然语言处理应用于心理健康

    本篇论文介绍了一项大规模、定量化的研究，针对基于短信的咨询会话的话语进行了计算语言分析，发现了一些有助于改善会话效果的可操作的会话策略。

    May, 2016

  • 观察治疗对话：行为编码分类和预测

    本文使用对话模型来分析行为特征,实现实时指导, 探讨应对物质滥用问题有效的Motivational Interviewing治疗方式。

    Jun, 2019

  • 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

  • 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

  • 语音和语言对心理治疗工作联盟的启示

    本研究探讨了语言和语言学的特征与工作联盟项目之间的关系，发现了一些证据表明他们之间有重要联系，并给出了一种新的概括工作联盟项目的方式。

    Jun, 2022

  • 心理治疗对话分类的工作联盟变形器

    本文提出了一种基于Transformer的工作联盟分类模型，其具有心理状态编码器，通过将对话转换成嵌入到工作联盟的临床清单的空间中，推断出工作联盟得分，实现了通过自然语言处理技术直接表征工作联盟。在一个涉及多种疾病的真实世界数据集上进行的实验结果表明，使用治疗状态信息，可以在心理治疗对话的序列分类任务中获得实质性的优势。

    Oct, 2022

  • LLM治疗师行为评估的计算框架

    我们提出了一种名为BOLT的新型计算框架，用于研究大型语言模型（LLMs）在担任治疗师角色时的对话行为。我们开发了一种上下文学习方法，定量测量LLMs的行为，基于包括反映、提问、解决方案、正常化和心理教育在内的13种不同的心理治疗技术。我们通过比较LLM治疗师与高、低质量人类治疗师的行为，并研究如何调整其行为以更好地体现高质量治疗中观察到的行为，发现LLMs的行为更接近低质量治疗，需要进一步研究来确保质量治疗。

    Jan, 2024

  • 一个用于心理健康中大型语言模型的新颖细致对话评估框架

    我们提出了一个新颖的框架来评估大型语言模型（LLMs）的细致对话能力，将其应用于心理健康领域，并发现GPT4 Turbo在特定主题上表现出与经过验证的治疗师高度相关的成绩，从而帮助研究人员开发更好的LLMs以更积极地支持人们的生活。

    Mar, 2024

  • 交互链条：通过二元环境增强精神行为理解的大型语言模型

    使用链式交互提示方法，将大型语言模型应用于心理治疗行为编码，从而实现了预测患者状态和支持决策的目标，该方法可在真实环境中有效地运用于实践。

    Mar, 2024

  • 将治疗视为自然语言处理任务：心理学家对大型语言模型与人类同侪在认知行为疗法中的比较

    该研究解决了心理健康治疗中可获取性不足的问题，探讨了大型语言模型（LLMs）用于证据基础治疗的潜力与局限性。通过使用混合方法和临床指标，我们发现，尽管LLMs在认知行为疗法（CBT）中表现出更少的治疗师漂移和更高的CBT方法遵循率，但缺乏合作与共情，这突显了人机合作在可扩展心理健康服务中的重要性。

    Sep, 2024