論文の概要: Applying LLM and Topic Modelling in Psychotherapeutic Contexts

• arxiv url: http://arxiv.org/abs/2412.17449v1
• Date: Mon, 23 Dec 2024 10:14:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:53:57.904679
• Title: Applying LLM and Topic Modelling in Psychotherapeutic Contexts
• Title（参考訳）: 精神療法コンテキストにおけるLCMとトピックモデリングの適用
• Authors: Alexander Vanin, Vadim Bolshev, Anastasia Panfilova,
• Abstract要約: 本論文は、機械学習に基づくトピックモデリングツールであるBERTopicを、セラピストの2つの異なるグループの対話に適用することに焦点を当てている。 その結果、セラピストのスピーチにおいて最も一般的で安定したトピックが強調され、治療における言語パターンがどのように発達し、様々な治療スタイルで安定するかについての洞察が得られた。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License:
• Abstract: This study explores the use of Large language models to analyze therapist remarks in a psychotherapeutic setting. The paper focuses on the application of BERTopic, a machine learning-based topic modeling tool, to the dialogue of two different groups of therapists (classical and modern), which makes it possible to identify and describe a set of topics that consistently emerge across these groups. The paper describes in detail the chosen algorithm for BERTopic, which included creating a vector space from a corpus of therapist remarks, reducing its dimensionality, clustering the space, and creating and optimizing topic representation. Along with the automatic topical modeling by the BERTopic, the research involved an expert assessment of the findings and manual topic structure optimization. The topic modeling results highlighted the most common and stable topics in therapists speech, offering insights into how language patterns in therapy develop and remain stable across different therapeutic styles. This work contributes to the growing field of machine learning in psychotherapy by demonstrating the potential of automated methods to improve both the practice and training of therapists. The study highlights the value of topic modeling as a tool for gaining a deeper understanding of therapeutic dialogue and offers new opportunities for improving therapeutic effectiveness and clinical supervision.
• Abstract（参考訳）: 本研究では,大規模言語モデルを用いて精神療法現場におけるセラピストの発言を分析した。 本論文は、機械学習ベースのトピックモデリングツールであるBERTopicを、セラピストの2つの異なるグループ(古典的および現代的)の対話に適用することに焦点を当て、これらのグループに一貫して現れるトピックの集合を識別し、記述できるようにする。 本論文では,セラピストの発言のコーパスからベクトル空間を作成し,その次元を小さくし,空間をクラスタリングし,トピック表現を作成し,最適化するBERTopicのアルゴリズムについて詳述する。 BERTopicによるトピックの自動モデリングとともに、この研究は研究結果の専門的な評価と手動のトピック構造最適化を含む。 トピックモデリングの結果は、セラピストのスピーチにおいて最も一般的で安定したトピックを強調し、治療における言語パターンがどのように発達し、様々な治療スタイルで安定するかについての洞察を提供した。 この研究は、心理療法における機械学習の分野の成長に寄与し、セラピストの実践と訓練を改善するための自動化手法の可能性を示す。 本研究は、治療対話をより深く理解するためのツールとしてのトピックモデリングの価値を強調し、治療効果と臨床監督を改善するための新たな機会を提供する。

関連論文リスト

• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)
• EMMI -- Empathic Multimodal Motivational Interviews Dataset: Analyses and Annotations [0.7499722271664147]
  本研究の目的は、セラピストが治療の課題目標(モチベーション・インタビューの古典的なステップ)と社会的目標(信頼関係の構築と共感の表現)をいかにうまく融合させるかを明らかにすることである。 本稿では,シミュレートされたモチベーションインタビュー会話からなるコーパスのマルチモーダルアノテーションを提案する。 我々はこれらのアノテーションを分析し,社会的・共感的行動を強調したモチベーションインタビューを行う仮想エージェントを開発するための機能的振る舞いを特徴付ける。
  論文  参考訳（メタデータ） (2024-06-24T09:32:28Z)
• LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
  大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。 得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
  論文  参考訳（メタデータ） (2024-06-09T09:03:11Z)
• 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)
• COMPASS: Computational Mapping of Patient-Therapist Alliance Strategies with Language Modeling [14.04866656172336]
  心理療法セッションで使用される自然言語から治療作業同盟を推定するための新しい枠組みを提案する。 提案手法は,高度大規模言語モデル(LLM)を用いて心理療法セッションの転写を解析し,それらをワーキングアライアンスインベントリにおけるステートメントの分散表現と比較する。
  論文  参考訳（メタデータ） (2024-02-22T16:56:44Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• TherapyView: Visualizing Therapy Sessions with Temporal Topic Modeling and AI-Generated Arts [24.740247834989248]
  本稿では,セラピストが過去の治療セッションの動的内容を可視化するデモシステムであるHysonViewを紹介する。 このシステムは、時間的モデリングを取り入れ、ターンレベルの解像度でトピック類似性の時系列表現とAI生成のアートワークを提供する。 このシステムは、患者の精神状態の深い理解と、より効果的な治療を可能にするAI強化治療ツールの概念の証明を提供する。
  論文  参考訳（メタデータ） (2023-02-21T17:53:45Z)
• GDPR Compliant Collection of Therapist-Patient-Dialogues [48.091760741427656]
  我々は、欧州連合の一般データプライバシ規則の下で、精神医学クリニックでセラピストと患者との対話の収集を始める際に直面した課題について詳しく述べる。 本稿では、手順の各ステップの概要を述べ、この分野でのさらなる研究を動機付ける潜在的な落とし穴を指摘した。
  論文  参考訳（メタデータ） (2022-11-22T15:51:10Z)
• Neural Topic Modeling of Psychotherapy Sessions [25.053067951196137]
  音声記録から解析した心理療法セッションから、異なる精神状態のトピックの妥当性を学習するための異なる神経トピックモデリング手法の比較を行った。 このトピック・モデリング・フレームワークは、セラピストが自身の戦略を最適に決定し、心理療法の有効性を向上させるために、解釈可能な洞察を与えることができると信じている。
  論文  参考訳（メタデータ） (2022-04-13T04:05:39Z)
• Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation [75.3147962600095]
  通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。 心理学者との連携により,精神症状予測の枠組みを拡張した。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
  論文  参考訳（メタデータ） (2020-10-30T18:45:16Z)

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。