通过构建一个对话系统，与患者进行交谈，帮助他们制定和实现特定目标，并且可以用同理心处理他们的情绪，我们提出了一种模块化的健康辅导对话系统，结合了简化的 NLU 和 NLG 框架以及机制条件下的同理心回应生成。我们的系统通过自动和人工评估显示出更具同理心、流畅和连贯的回应，优于 NLU 任务的最新技术，并且需要更少的注释。我们将我们的方法视为构建自动化和更易于访问的健康辅导系统的关键一步。

Apr, 2024

通过聊天对话系统，结合自然语言处理技术，开发出了一个医学交流技能辅导平台，有效帮助医学学习者提高沟通能力，并对比了使用不同的语言模型的效果。

Feb, 2024

通过改进的 Thompson 采样算法实现对个性化目标的优化和个性化奖励函数的最优化，从而在移动健康应用中达到降低累积遗憾和提高个性化回报的效果。

Nov, 2023

本文旨在研究如何利用编码 - 解码模型，从个人健康数据中自动生成高质量的自然语言总结，在帮助用户了解自己的健康状况和行为习惯的基础上，摆脱个人健康数据量大、上下文不连贯等问题，实现个人健康数据自动化总结的初步目标。

Jul, 2022

本研究旨在通过基于领域知识建立心理健康辅导摘要来帮助顾问快速获取含义，我们创建了一个新的数据集，包括关于辅导组件的 12.9K 次言语注释及参考摘要，并提出了 ConSum，一种新颖的辅导组件引导摘要模型，表现出更好的性能和生成的摘要具有连贯、语义和完整的特点。

Jun, 2022

我们提出了一个对话系统，使心力衰竭患者能够查询食物中的盐含量并帮助他们监测和减少盐的摄入量。通过开发基于模板的对话型数据集来解决食物盐含量查询方面特定数据集的缺乏问题，并通过询问澄清问题来识别食物项目及其盐含量。我们的研究结果表明，在该数据集上微调基于 Transformer 的模型只能获得有限的性能，而集成神经符号规则显著增强了系统的性能。我们的实验证明，通过集成神经符号规则，我们的系统在不同数据规模上的联合目标准确度相比于简单微调基于 Transformer 的模型提高了 20% 以上。

Apr, 2024

本研究使用 GPT-3 模型，将医学对话摘要问题离散成多个对话理解任务，并动态构建少样本提示进行实验，开发了基于 GPT 的度量标准，评估任务性能，经过研究评价证实，此方法生成的摘要临床准确性优于基准方法。

May, 2023

本文提出了一种基于个人资料的目标导向对话数据集，结合修改内在神经系统结构、使用多任务学习的方法，将个性化应用于对话系统。

Jun, 2017

自我指导的心理健康干预，如学习和实践应对策略的 “自助工具”，展示了改善心理健康护理的潜力，然而，这些干预通常对认知要求较高且情绪触发，制约了广泛实施和采用。本文研究了人类语言模型互动如何支持自我指导的心理健康干预，以消除负面思维为案例研究，通过一个在经过 IRB 批准的大型心理健康网站上进行的随机实地研究，涉及 15,531 名参与者，我们设计和评估了一个使用语言模型来支持认知重构的系统，研究结果表明，我们的系统对 67% 的参与者的情绪强度产生了积极的影响，并帮助 65% 的人克服了负面思维，尽管青少年报告的结果相对较差，但我们发现简化语言模型生成的个性化干预能提高整体的有效性和公平性。

Oct, 2023

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