論文の概要: AI-Enhanced Cognitive Behavioral Therapy: Deep Learning and Large Language Models for Extracting Cognitive Pathways from Social Media Texts

• arxiv url: http://arxiv.org/abs/2404.11449v1
• Date: Wed, 17 Apr 2024 14:55:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-18 13:35:28.185412
• Title: AI-Enhanced Cognitive Behavioral Therapy: Deep Learning and Large Language Models for Extracting Cognitive Pathways from Social Media Texts
• Title（参考訳）: AIによる認知行動療法の強化:ソーシャルメディアテキストから認知経路を抽出するためのディープラーニングと大規模言語モデル
• Authors: Meng Jiang, Yi Jing Yu, Qing Zhao, Jianqiang Li, Changwei Song, Hongzhi Qi, Wei Zhai, Dan Luo, Xiaoqin Wang, Guanghui Fu, Bing Xiang Yang,
• Abstract要約: ソーシャルメディアからデータを収集し,認知経路抽出の課題を確立した。 我々は、精神療法士が重要な情報を素早く把握できるよう、テキスト要約タスクを構築した。 本研究では,ディープラーニングモデルと大規模言語モデルの性能評価を行った。
• 参考スコア（独自算出の注目度）: 27.240795549935463
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cognitive Behavioral Therapy (CBT) is an effective technique for addressing the irrational thoughts stemming from mental illnesses, but it necessitates precise identification of cognitive pathways to be successfully implemented in patient care. In current society, individuals frequently express negative emotions on social media on specific topics, often exhibiting cognitive distortions, including suicidal behaviors in extreme cases. Yet, there is a notable absence of methodologies for analyzing cognitive pathways that could aid psychotherapists in conducting effective interventions online. In this study, we gathered data from social media and established the task of extracting cognitive pathways, annotating the data based on a cognitive theoretical framework. We initially categorized the task of extracting cognitive pathways as a hierarchical text classification with four main categories and nineteen subcategories. Following this, we structured a text summarization task to help psychotherapists quickly grasp the essential information. Our experiments evaluate the performance of deep learning and large language models (LLMs) on these tasks. The results demonstrate that our deep learning method achieved a micro-F1 score of 62.34% in the hierarchical text classification task. Meanwhile, in the text summarization task, GPT-4 attained a Rouge-1 score of 54.92 and a Rouge-2 score of 30.86, surpassing the experimental deep learning model's performance. However, it may suffer from an issue of hallucination. We have made all models and codes publicly available to support further research in this field.
• Abstract（参考訳）: 認知行動療法(Cognitive Behavioral Therapy, CBT)は、精神疾患から生じる不合理な思考に対処する有効な手法であるが、患者の治療に成功するための認知経路を正確に同定する必要がある。 現代の社会では、個人は特定のトピックについてソーシャルメディア上で否定的な感情を表現することが多く、極端な場合における自殺行動を含む認知的歪みを呈することが多い。 しかし、心理療法士がオンラインで効果的な介入を行うのに役立つ認知経路を解析するための方法論が欠如している。 本研究では,ソーシャルメディアからデータを収集し,認知的理論的枠組みに基づいて,認知的経路を抽出するタスクを確立した。 当初,認知経路を4つの主要なカテゴリと19のサブカテゴリからなる階層的テキスト分類として抽出する作業に分類した。 その後,精神療法士が重要な情報を素早く把握できるよう,テキスト要約タスクを構築した。 本研究は,これらの課題に対するディープラーニングと大規模言語モデル(LLM)の性能評価である。 その結果,階層型テキスト分類作業において,マイクロF1スコア62.34%の深層学習が達成された。 一方、テキスト要約タスクでは、GPT-4 は 54.92 の Rouge-1 スコアと 30.86 の Rouge-2 スコアを達成し、実験的なディープラーニングモデルの性能を上回った。 しかし、幻覚に悩まされることもある。 この分野のさらなる研究を支援するために、すべてのモデルとコードを公開しました。

関連論文リスト

• CBT-Bench: Evaluating Large Language Models on Assisting Cognitive Behavior Therapy [67.23830698947637]
  認知行動療法(CBT)支援の体系的評価のための新しいベンチマークであるCBT-BENCHを提案する。 我々は, CBT-BENCHにおける3段階の課題を含む: I: 基本的CBT知識獲得, 複数選択質問のタスク; II: 認知的モデル理解, 認知的歪み分類, 主根的信念分類, きめ細かい中核信念分類のタスク; III: 治療的応答生成, CBTセラピーセッションにおける患者音声に対する応答生成のタスク。 実験結果から,LLMはCBT知識のリサイティングに優れるが,複雑な実世界のシナリオでは不十分であることが示唆された。
  論文  参考訳（メタデータ） (2024-10-17T04:52:57Z)
• Cross-subject Brain Functional Connectivity Analysis for Multi-task Cognitive State Evaluation [16.198003101055264]
  本研究は脳機能と脳波信号とを併用し,複数の被験者の脳領域の関連性を把握し,リアルタイム認知状態を評価する。 分析と評価のために30件の被験者が取得され, 内的対象, 対人的対象, ジェンダー的基盤となる脳機能接続など, さまざまな視点で解釈される。
  論文  参考訳（メタデータ） (2024-08-27T12:51:59Z)
• Are Large Language Models Possible to Conduct Cognitive Behavioral Therapy? [13.0263170692984]
  大規模言語モデル(LLM)が検証され、心理的補助療法の新たな可能性を提供する。 精神保健の専門家は、LSMを治療に使用することについて多くの懸念を抱いている。 自然言語処理性能に優れた4つのLLM変種を評価した。
  論文  参考訳（メタデータ） (2024-07-25T03:01:47Z)
• Post-hoc and manifold explanations analysis of facial expression data based on deep learning [4.586134147113211]
  本稿では、ニューラルネットワークが顔の表情データを処理し、保存し、それらと人間の心理的属性を関連づける方法について検討する。 研究者たちはディープラーニングモデルVGG16を利用して、ニューラルネットワークが顔データの主要な特徴を学習し、再現できることを実証した。 実験結果は、人間の感情や認知過程を理解するための深層学習モデルの可能性を明らかにした。
  論文  参考訳（メタデータ） (2024-04-29T01:19:17Z)
• EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
  この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。 言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
  論文  参考訳（メタデータ） (2024-03-28T10:31:09Z)
• HealMe: Harnessing Cognitive Reframing in Large Language Models for Psychotherapy [25.908522131646258]
  メンタルエンハンスメント(HealMe)モデルにおける適応言語によるヘルピングとエンパワーメントについて紹介する。 この新しい認知的リフレーミング療法は、根深い否定的思考に効果的に対処し、合理的でバランスの取れた視点を育む。 我々は、認知リフレーミングのパフォーマンスを厳格に評価するために特別に設計された、包括的で専門的な心理学的評価指標を採用した。
  論文  参考訳（メタデータ） (2024-02-26T09:10:34Z)
• PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
  心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。 心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
  論文  参考訳（メタデータ） (2024-02-19T18:00:30Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• CogAlign: Learning to Align Textual Neural Representations to Cognitive Language Processing Signals [60.921888445317705]
  自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。 我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2021-06-10T07:10:25Z)
• Deep Recurrent Encoder: A scalable end-to-end network to model brain signals [122.1055193683784]
  複数の被験者の脳応答を一度に予測するために訓練されたエンドツーエンドのディープラーニングアーキテクチャを提案する。 1時間の読解作業で得られた大脳磁図(meg)記録を用いて,このアプローチを検証した。
  論文  参考訳（メタデータ） (2021-03-03T11:39:17Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)

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。