論文の概要: An Evaluation of Generative Pre-Training Model-based Therapy Chatbot for Caregivers

• arxiv url: http://arxiv.org/abs/2107.13115v1
• Date: Wed, 28 Jul 2021 01:01:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-20 17:28:25.661622
• Title: An Evaluation of Generative Pre-Training Model-based Therapy Chatbot for Caregivers
• Title（参考訳）: 介護者のための生成前訓練モデルに基づくセラピーチャットボットの評価
• Authors: Lu Wang, Munif Ishad Mujib, Jake Williams, George Demiris, Jina Huh-Yoo
• Abstract要約: OpenAI GPTモデルのような生成ベースのアプローチは、治療コンテキストにおけるよりダイナミックな会話を可能にする。 我々は, GPT-2モデルを用いてチャットボットを構築し, 認知症患者の家族介護者と問題解決療法を行うセラピストの間で306回の治療セッションの転写を微調整した。 その結果、微調整されたモデルでは、事前訓練されたモデルよりも単語以外の出力が生成されることがわかった。
• 参考スコア（独自算出の注目度）: 5.2116528363639985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advent of off-the-shelf intelligent home products and broader internet adoption, researchers increasingly explore smart computing applications that provide easier access to health and wellness resources. AI-based systems like chatbots have the potential to provide services that could provide mental health support. However, existing therapy chatbots are often retrieval-based, requiring users to respond with a constrained set of answers, which may not be appropriate given that such pre-determined inquiries may not reflect each patient's unique circumstances. Generative-based approaches, such as the OpenAI GPT models, could allow for more dynamic conversations in therapy chatbot contexts than previous approaches. To investigate the generative-based model's potential in therapy chatbot contexts, we built a chatbot using the GPT-2 model. We fine-tuned it with 306 therapy session transcripts between family caregivers of individuals with dementia and therapists conducting Problem Solving Therapy. We then evaluated the model's pre-trained and the fine-tuned model in terms of basic qualities using three meta-information measurements: the proportion of non-word outputs, the length of response, and sentiment components. Results showed that: (1) the fine-tuned model created more non-word outputs than the pre-trained model; (2) the fine-tuned model generated outputs whose length was more similar to that of the therapists compared to the pre-trained model; (3) both the pre-trained model and fine-tuned model were likely to generate more negative and fewer positive outputs than the therapists. We discuss potential reasons for the problem, the implications, and solutions for developing therapy chatbots and call for investigations of the AI-based system application.
• Abstract（参考訳）: 市販のインテリジェントホーム製品が登場し、インターネットの普及とともに、研究者たちは健康と健康のリソースへのアクセスをより簡単にするスマートコンピューティングアプリケーションの研究をますます進めている。 チャットボットのようなAIベースのシステムは、メンタルヘルスをサポートするサービスを提供する可能性がある。 しかし、既存の治療チャットボットは、しばしば検索に基づいており、ユーザーは制限された回答の集合に応答する必要がある。 OpenAI GPTモデルのようなジェネレーティブベースのアプローチは、従来のアプローチよりもチャットボットのコンテキストを動的に扱うことができる。 治療チャットボットコンテキストにおける生成型モデルの可能性を調べるために,gpt-2モデルを用いたチャットボットを構築した。 認知症患者の家族介護者と課題解決療法を行うセラピストの間で,306回のセラピーセッションで微調整を行った。 次に,非単語出力の比率,応答長,感情成分の3つのメタ情報計測値を用いて,モデルの事前学習モデルと微調整モデルの評価を行った。 その結果,(1)訓練前のモデルよりも非単語出力が生成され,(2)訓練前のモデルよりもトレーニング前のモデルに近い長さのモデルが生成され,(3)訓練前のモデルと調整後のモデルの両方がセラピストよりも負の出力が生成され,肯定的な出力が生じる可能性が示唆された。 本稿では,治療チャットボットを開発するための問題,その意義,解決策について議論し,aiベースのシステムアプリケーションの調査を呼び掛けた。

関連論文リスト

• Conversational Topic Recommendation in Counseling and Psychotherapy with Decision Transformer and Large Language Models [17.236038165057817]
  我々は、会話のカウンセリングにおいてトピックレコメンデーションに決定トランスフォーマーアーキテクチャを利用する。 アーキテクチャはオフラインの強化学習に利用される。 本稿では,大言語モデルを微調整するための合成ラベルとして,我々のモデル出力を利用する新しいシステムを提案する。
  論文  参考訳（メタデータ） (2024-05-08T13:55:25Z)
• Integrating Physician Diagnostic Logic into Large Language Models: Preference Learning from Process Feedback [19.564416963801268]
  プロセスフィードバックから選好学習というアプローチを提案する。 PLPFは医師の診断ロジックをLSMに統合する。 PLPFは医療会話におけるベースラインモデルの診断精度を17.6%向上させる。
  論文  参考訳（メタデータ） (2024-01-11T06:42:45Z)
• Beyond Human Data: Scaling Self-Training for Problem-Solving with Language Models [115.501751261878]
  人為的なデータに基づく微調整言語モデル(LM)が普及している。 我々は、スカラーフィードバックにアクセス可能なタスクにおいて、人間のデータを超えることができるかどうか検討する。 ReST$EM$はモデルサイズに好適にスケールし、人間のデータのみによる微調整を大幅に上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-12-11T18:17:43Z)
• Development and Evaluation of Three Chatbots for Postpartum Mood and Anxiety Disorders [31.018188794627378]
  我々は,産後介護者にコンテキスト特異的な共感的サポートを提供する3つのチャットボットを開発した。 我々は,機械による測定と人間によるアンケートの両方を用いて,チャットボットの性能評価を行った。 我々は、精神的な健康上の課題を抱えた個人を支援するために、ルールベースのモデルと生成モデルの実践的メリットを議論することで結論付けた。
  論文  参考訳（メタデータ） (2023-08-14T18:52:03Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• Transformers for prompt-level EMA non-response prediction [62.41658786277712]
  エコロジー・モメンタリー・アセスメント(Ecological Momentary Assessments、EMA)は、認知状態、影響、行動、環境要因を測定するための重要な心理的データ源である。 参加者がEMAプロンプトに反応しない非応答は、内因性問題である。 非応答を正確に予測できる能力は、EMAのデリバリを改善し、コンプライアンスの介入を開発するために利用することができる。
  論文  参考訳（メタデータ） (2021-11-01T18:38:47Z)
• Generative Adversarial Imitation Learning for Empathy-based AI [0.0]
  GAIL(Generative Adversarial mimicion Learning)は、高次元環境における複雑な振る舞いを模倣する強力な結果をもたらすモデルのないアルゴリズムである。 本稿では,GAILモデルをテキスト生成に利用し,共感に基づく文脈認識型会話型AIを開発する。
  論文  参考訳（メタデータ） (2021-05-27T17:37:37Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• Towards Automated Psychotherapy via Language Modeling [0.0]
  このモデルは、言語理解のためのコーネル映画対話コーパスと、オープンソース、匿名化、パブリックライセンスの精神療法データセットを組み合わせてトレーニングされた。 このモデルは、人間による検証データに対する標準化された定性ベンチマークで統計的に有意なパフォーマンスを達成した。 モデルは完全に精神療法士の仕事を置き換えることはできませんが、テストセットの大部分で人間の出現する発話を合成する能力は、精神療法のポイント・オブ・ケアでのスティグマのコミュニケーションと緩和への有望なステップとして機能します。
  論文  参考訳（メタデータ） (2021-04-05T01:53:39Z)
• Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy Evaluation Approach [84.02388020258141]
  強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。 ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。 実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-20T03:29:20Z)
• Decoding Methods for Neural Narrative Generation [74.37264021226308]
  ナラティブ生成(英: Narrative generation)とは、モデルがプロンプトを与えられたストーリーを生成するオープンエンドのNLPタスクである。 ニューラル・ナラティブ・ジェネレーションに対するニューラル・レスポンス・ジェネレーションのためのデコード手法の適用と評価を行った。
  論文  参考訳（メタデータ） (2020-10-14T19:32:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。