論文の概要: SAGE: A Strategy-Aware Graph-Enhanced Generation Framework For Online Counseling
- arxiv url: http://arxiv.org/abs/2604.26630v1
- Date: Wed, 29 Apr 2026 12:56:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.403663
- Title: SAGE: A Strategy-Aware Graph-Enhanced Generation Framework For Online Counseling
- Title（参考訳）: SAGE: オンラインカウンセリングのための戦略対応グラフ拡張生成フレームワーク
- Authors: Eliya Naomi Aharon, Meytal Grimland, Avi Segal, Loona Ben Dayan, Inbar Shenfeld, Yossi Levi Belz, Kobi Gal,
- Abstract要約: 構造化された臨床知識と生成AIのギャップを埋める新しいフレームワークであるSAGEを紹介する。
SAGEは、心理的に接地された語彙と会話力学を統一する異種グラフを構築する。
- 参考スコア（独自算出の注目度）: 2.617629639354242
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Effective mental health counseling is a complex, theory-driven process requiring the simultaneous integration of psychological frameworks, real-time distress signals, and strategic intervention planning. This level of clinical reasoning is critical for safety and therapeutic effectiveness but is often missing in general-purpose Large Language Models (LLMs). We introduce SAGE (Strategy-Aware Graph-Enhanced), a novel framework designed to bridge the gap between structured clinical knowledge and generative AI. SAGE constructs a heterogeneous graph that unifies conversational dynamics with a psychologically grounded layer, explicitly anchoring interactions in a theory-driven lexicon. Our architecture first employs a Next Strategy Classifier to identify the optimal therapeutic intervention. Subsequently, a Graph-Aware Attention mechanism projects graph-derived structural signals into soft prompts, conditioning the LLM to generate responses that maintain clinical depth. Validated through both automated metrics and expert human evaluation, SAGE outperforms baselines in strategy prediction and recommended response quality. By providing actionable intervention recommendations, SAGE serves as a cutting-edge decision-support tool designed to augment human expertise in high-stakes crisis counseling.
- Abstract（参考訳）: 効果的なメンタルヘルスカウンセリングは複雑な理論駆動のプロセスであり、心理的な枠組み、リアルタイムの苦痛信号、戦略的介入計画の同時統合を必要とする。
このレベルの臨床推論は安全性と治療効果において重要であるが、汎用言語モデル(LLM)では欠落することが多い。
SAGE(Strategy-Aware Graph-Enhanced)は、構造化された臨床知識と生成AIのギャップを埋める新しいフレームワークである。
SAGEは、心理学的基盤を持つ層と会話力学を統一する異種グラフを構築し、理論駆動の語彙における相互作用を明示的に固定する。
私たちのアーキテクチャは、まず、最適な治療介入を特定するために、次の戦略分類器を使用します。
その後、Graph-Aware Attentionメカニズムがグラフ由来の構造的信号をソフトプロンプトに投射し、LSMを条件付け、臨床深度を維持する応答を生成する。
自動メトリクスと専門家による評価の両方を通じて検証されたSAGEは、戦略予測と推奨応答品質のベースラインを上回っている。
行動可能な介入勧告を提供することで、SAGEは高い危機カウンセリングにおける人間の専門性を高めるために設計された最先端の意思決定支援ツールとして機能する。
関連論文リスト
- CARE: Counselor-Aligned Response Engine for Online Mental-Health Support [3.096218674732811]
メンタルヘルスの課題は世界中で増加しており、感情的なサポートサービスに支障をきたし、カウンセラーの過負荷につながっている。
これは、タイムリーな介入が不可欠である自殺のような致命的な状況における遅延反応をもたらす。
本稿では,カウンセラーを支援し,リアルタイムに心理的に整合した応答レコメンデーションを生成するためのフレームワークであるCARE(Counselor-Aligned Response Engine)を提案する。
論文 参考訳（メタデータ） (2026-04-23T07:11:24Z) - Towards Efficient and Robust Linguistic Emotion Diagnosis for Mental Health via Multi-Agent Instruction Refinement [33.26503728561297]
うつ病、不安、外傷などの感情の言語表現は、臨床ノート、カウンセリングダイアログ、オンラインのメンタルヘルスコミュニティに広く浸透している。
診断効率とロバスト性を改善するために,より広範かつきめ細かなプロンプト空間を体系的に探索するフレームワークであるAPOLOを提案する。
論文 参考訳（メタデータ） (2026-01-20T00:31:19Z) - TheraMind: A Strategic and Adaptive Agent for Longitudinal Psychological Counseling [53.46927050949822]
縦断的心理カウンセリングのための戦略的適応型エージェントであるTheraMindを紹介する。
TheraMindの基盤は、カウンセリングプロセスをセッション内ループとクロスセッションループに分離する、新しいデュアルループアーキテクチャである。
クロスセッションループは、各セッション後の適用療法の有効性を評価し、その後の相互作用の方法を調整することにより、長期適応性を有するエージェントに権限を与える。
論文 参考訳（メタデータ） (2025-10-29T17:54:20Z) - Reinforced Strategy Optimization for Conversational Recommender Systems via Network-of-Experts [63.412646471177645]
会話レコメンダシステム(CRS)のための新しい強化戦略最適化(RSO)手法を提案する。
RSOは、戦略駆動型応答決定をマクロレベルの戦略計画とマイクロレベルの戦略適応に分解する。
実験の結果, RSOは最先端のベースラインと比較して, インタラクション性能を著しく向上することがわかった。
論文 参考訳（メタデータ） (2025-09-30T11:12:01Z) - AgentMental: An Interactive Multi-Agent Framework for Explainable and Adaptive Mental Health Assessment [31.920800599579906]
メンタルヘルスアセスメントは早期介入と効果的な治療に不可欠であるが、伝統的な臨床医ベースのアプローチは資格のある専門家の不足によって制限される。
人工知能の最近の進歩は、自動心理学的評価への関心が高まりつつあるが、既存のほとんどのアプローチは静的テキスト分析に依存しているため制約されている。
臨床医と患者との対話をシミュレートした精神保健評価のためのマルチエージェントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-15T16:20:45Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - Beyond Empathy: Integrating Diagnostic and Therapeutic Reasoning with Large Language Models for Mental Health Counseling [50.83055329849865]
PsyLLMは、メンタルヘルスカウンセリングの診断と治療的推論を統合するために設計された大きな言語モデルである。
Redditから現実世界のメンタルヘルス投稿を処理し、マルチターン対話構造を生成する。
実験の結果,PsyLLMは最先端のベースラインモデルよりも優れていた。
論文 参考訳（メタデータ） (2025-05-21T16:24:49Z) - From Conversation to Automation: Leveraging LLMs for Problem-Solving Therapy Analysis [6.700608883427542]
問題解決療法(PST)は、個人がストレスを管理し、個人の問題を解決するのに役立つ。
自動化を試みる前に、PSTの各セッションがどのように実行されるかを明確に理解することが重要である。
我々は、確立されたPSTコアストラテジーと新しいファシリテーティブストラテジーのセットを用いて、PSTアノテーションのための包括的なフレームワークを開発した。
論文 参考訳（メタデータ） (2025-01-10T16:54:20Z) - Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing [53.096237570992294]
戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
論文 参考訳（メタデータ） (2022-09-14T15:33:30Z) - Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
論文 参考訳（メタデータ） (2020-04-29T15:02:41Z)
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。