欢迎光临
我们一直在努力
        找回密码
当前位置：171主机测评 > 服务器技术 > 正文

Using Large Language Models to Create Personalized Networks From Therapy Sessions

2026-08-24 分类：服务器技术 阅读(4) 评论(0)

文章总结与翻译

一、主要内容

本文提出了一种基于大型语言模型（LLMs）的端到端流水线方法，从心理治疗会话记录中自动生成个性化网络，以支持病例概念化和治疗规划。

研究核心流程包含三个关键阶段：

  • 过程检测与维度分类：通过上下文学习，对治疗记录中的话语进行二元分类（是否包含心理过程）和多标签分类（确定心理过程的维度，如情感、认知、自我意识等），即使仅使用少量训练样本也能实现高性能。
  • 主题推断与聚类：采用两步法将识别出的心理过程分组为具有临床意义的集群（临床主题），相比单步直接提示法，该方法在临床实用性和可解释性上更优。
  • 主题间关联生成：利用集成学习（整合多个LLM的预测结果）推断集群间的有向关联，并生成带解释的关系（兴奋性或抑制性），提升关联的可靠性和临床价值。

    • 研究使用77个治疗会话记录（涉及6名抑郁症或广泛性焦虑症患者）和3364个标注的心理过程数据进行验证，专家评估显示，生成的网络在临床相关性、新颖性和实用性方面得分达72%-75%，90%的专家更倾向于该多步方法而非单步提示法。同时，该方法相比传统统计估计网络，无需密集的纵向数据收集，降低了患者和治疗师的负担，且能捕捉患者独特的潜在主题。

    二、创新点

  • 端到端的个性化网络生成流水线：首次实现从原始治疗会话记录直接生成临床可用的个性化网络，整合了过程检测、主题聚类和关联生成三大核心步骤，形成数
    • 赞(0)
    未经允许不得转载：171主机测评 » Using Large Language Models to Create Personalized Networks From Therapy Sessions
    分享到： 更多 (0)
    标签：

    相关推荐

    评论 抢沙发

    取消

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址

    热门标签

    #人工智能(58088)#python(19752)#开发语言(16622)#java(15267)#运维(15185)#linux(14813)#大数据(14378)#服务器(12936)#算法(11645)#前端(10709)#网络(9240)#数据库(8777)#ai(8695)#c++(8074)#课程设计(6766)#学习(6669)#机器学习(6617)#区块链(5853)#OpenClaw(5379)#后端(5075)#spring boot(4966)#深度学习(4858)#c语言(4330)#毕业设计(4280)#数据结构(4158)#安全(3972)#docker(3902)#架构(3782)#javascript(3767)#大模型(3606)

    热门文章

    最新文章

    归档

    分类