論文の概要: An Offline Mobile Conversational Agent for Mental Health Support: Learning from Emotional Dialogues and Psychological Texts with Student-Centered Evaluation
- arxiv url: http://arxiv.org/abs/2507.10580v1
- Date: Fri, 11 Jul 2025 11:23:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:02.744659
- Title: An Offline Mobile Conversational Agent for Mental Health Support: Learning from Emotional Dialogues and Psychological Texts with Student-Centered Evaluation
- Title（参考訳）: メンタルヘルス支援のためのオフライン移動談話エージェント--学生中心評価による感情対話と心理学的テキストから学ぶ
- Authors: Vimaleswar A, Prabhu Nandan Sahu, Nilesh Kumar Sahu, Haroon R Lone,
- Abstract要約: EmoSAppは完全にオフラインのスマートフォンベースの会話アプリで、メンタルヘルスと感情的サポートのためにデザインされている。
このシステムは大規模言語モデル(LLM)を利用しており、特にリソース制約のあるデバイスのためにTorchtuneとExecutorchを使用して微調整され、定量化され、デプロイされる。
EmoSAppは、一貫性があり、共感的に反応し、対話的な対話を維持し、ユーザのメンタルヘルス問題に関連性のあるアドバイスを提供することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mental health plays a crucial role in the overall well-being of an individual. In recent years, digital platforms have been increasingly used to expand mental health and emotional support. However, there are persistent challenges related to limited user accessibility, internet connectivity, and data privacy, which highlight the need for an offline, smartphone-based solution. To address these challenges, we propose EmoSApp (Emotional Support App): an entirely offline, smartphone-based conversational app designed for mental health and emotional support. The system leverages Large Language Models (LLMs), specifically fine-tuned, quantized and deployed using Torchtune and Executorch for resource-constrained devices, allowing all inferences to occur on the smartphone. To equip EmoSApp with robust domain expertise, we fine-tuned the LLaMA-3.2-1B-Instruct model on our custom curated ``Knowledge dataset'' of 14,582 mental-health QA pairs, along with the multi-turn conversational data. Through qualitative human evaluation with the student population, we demonstrate that EmoSApp has the ability to respond coherently, empathetically, maintain interactive dialogue, and provide relevant suggestions to user's mental health problems. Additionally, quantitative evaluations on nine standard commonsense and reasoning benchmarks demonstrate the efficacy of our fine-tuned, quantized model in low-resource settings. By prioritizing on-device deployment and specialized domain adaptation, EmoSApp serves as a blueprint for future innovations in portable, secure, and highly tailored AI-driven mental health solutions.
- Abstract（参考訳）: メンタルヘルスは、個人の全体的な健康に重要な役割を担っている。
近年、デジタルプラットフォームはメンタルヘルスと感情的サポートの拡大にますます利用されている。
しかし、ユーザアクセシビリティの制限、インターネット接続、データプライバシに関する永続的な課題があり、オフラインのスマートフォンベースのソリューションの必要性を強調している。
これらの課題に対処するために、EmoSApp(感情サポートアプリ)を提案する。
このシステムはLarge Language Models(LLM)を利用しており、特にTorchtuneとExecutorchを使って、リソース制約のあるデバイスに微調整し、定量化し、デプロイすることで、スマートフォン上ですべての推論を行うことができる。
EmoSAppに堅牢なドメインの専門知識を持たせるため、私たちは14,582のメンタルヘルスQAペアからなるカスタムキュレートされた ‘Knowledge dataset'' 上でLLaMA-3.2-1B-インストラクトモデルを、マルチターンの会話データとともに微調整した。
学生集団との質的人間評価を通じて,EmoSAppは相互に反応し,共感的に反応し,対話性を維持し,ユーザのメンタルヘルス問題に関連性のある示唆を与える能力を有することを示した。
さらに、9つの標準コモンセンスと推論ベンチマークの定量的評価により、低リソース環境での微調整、定量化モデルの有効性が示された。
デバイス上のデプロイメントと特殊なドメイン適応を優先することにより、EmoSAppは、ポータブルでセキュアで高度に調整されたAI駆動のメンタルヘルスソリューションにおける将来のイノベーションの青写真として機能する。
関連論文リスト
- MentalChat16K: A Benchmark Dataset for Conversational Mental Health Assistance [13.373260490163709]
MentalChat16Kは、人工的なメンタルヘルスカウンセリングデータセットと匿名化されたテキストのデータセットを組み合わせた、英国のベンチマークデータセットである。
このキュレートされたデータセットは、対話型メンタルヘルス支援のための大規模言語モデルの開発と評価を容易にするように設計されている。
データセットは患者のプライバシ、倫理的考慮、責任あるデータの使用を優先する。
論文 参考訳（メタデータ） (2025-03-13T20:25:10Z) - Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。
近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。
データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
論文 参考訳（メタデータ） (2025-02-01T15:10:02Z) - Enhancing Mental Health Support through Human-AI Collaboration: Toward Secure and Empathetic AI-enabled chatbots [0.0]
本稿では、スケーラブルなソリューションとしてのAI対応チャットボットの可能性について検討する。
メンタルヘルスの文脈で共感的で有意義な反応を提供する能力を評価する。
本稿では,データプライバシを保証し,バイアスを低減し,臨床医による継続的検証を統合して応答品質を向上させるためのフェデレート学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-17T20:49:13Z) - Enhancing AI-Driven Psychological Consultation: Layered Prompts with Large Language Models [44.99833362998488]
我々は, GPT-4 のような大規模言語モデル (LLM) を用いて, 心理的コンサルテーションサービスの強化について検討する。
提案手法では,ユーザ入力に動的に適応する新しい階層型プロンプトシステムを提案する。
また,LLMの感情的インテリジェンスを高めるために,共感とシナリオに基づくプロンプトを開発する。
論文 参考訳（メタデータ） (2024-08-29T05:47:14Z) - Towards Understanding Emotions for Engaged Mental Health Conversations [1.3654846342364306]
我々はキーストロークダイナミクスと感情分析を組み合わせた受動的感情センシングシステムを開発している。
短いテキストメッセージとキーボードタイピングパターンの分析は、クライアントと応答者の両方をサポートするために使用される感情情報を提供することができる。
論文 参考訳（メタデータ） (2024-06-17T01:27:15Z) - FedTherapist: Mental Health Monitoring with User-Generated Linguistic
Expressions on Smartphones via Federated Learning [19.16654135275393]
既存の受動的メンタルヘルス監視システムは、アクティビティ、アプリ利用、モバイルデバイス経由の位置といった代替機能を使用している。
本稿では,プライバシ保護方式で連続音声とキーボード入力を利用するモバイルメンタルヘルスモニタリングシステムであるFedTherapistを提案する。
論文 参考訳（メタデータ） (2023-10-25T10:35:09Z) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳（メタデータ） (2023-08-17T10:49:18Z) - Psy-LLM: Scaling up Global Mental Health Psychological Services with
AI-based Large Language Models [3.650517404744655]
Psy-LLMフレームワークは、大規模言語モデルを利用したAIベースのツールである。
我々のフレームワークは、トレーニング済みのLLMと心理学者や広範囲にクロールされた心理学記事の現実のプロフェッショナルQ&Aを組み合わせる。
医療専門家のためのフロントエンドツールとして機能し、即時対応とマインドフルネス活動を提供して患者のストレスを軽減する。
論文 参考訳（メタデータ） (2023-07-22T06:21:41Z) - SMILE: Single-turn to Multi-turn Inclusive Language Expansion via ChatGPT for Mental Health Support [26.443929802292807]
大規模で現実的なマルチターン会話は、メンタルヘルスサポートの進歩を促進する可能性がある。
SMILE(シングルターンからマルチターンインクルーシブ言語拡張技術)を紹介する。
我々は,55kの対話からなるSMILECHATという,大規模で生活型,多様な対話データセットを生成する。
論文 参考訳（メタデータ） (2023-04-30T11:26:10Z) - What Do End-Users Really Want? Investigation of Human-Centered XAI for
Mobile Health Apps [69.53730499849023]
説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。
分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。
私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
論文 参考訳（メタデータ） (2022-10-07T12:51:27Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳（メタデータ） (2022-07-03T11:33:52Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z)
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。