[論文レビュー] A Deep Learning Based Chatbot for Campus Psychological Therapy

Junjie Yin, Zixun Chen+2 more|arXiv (Cornell University)|Oct 9, 2019

Digital Mental Health Interventions参考文献 16被引用数 15

ひとこと要約

本論文では、感情検出にBi-LSTMを用いたシーケンス・ツー・シーケンス（Seq2Seq）アーキテクチャを採用し、最大相互情報量（MMI）損失を用いて肯定的で治療的効果のある返答を生成する、深層学習を活用したチャットボットであるEvebotを提示する。1か月間の現実世界での評価において、Evebotはベースラインのチャットボットと比較して、利用者の肯定的態度が顕著に向上した。これは、思春期の若者における否定的感情の検出と緩和の有効性を示している。

ABSTRACT

In this paper, we propose Evebot, an innovative, sequence to sequence (Seq2seq) based, fully generative conversational system for the diagnosis of negative emotions and prevention of depression through positively suggestive responses. The system consists of an assembly of deep-learning based models, including Bi-LSTM based model for detecting negative emotions of users and obtaining psychological counselling related corpus for training the chatbot, anti-language sequence to sequence neural network, and maximum mutual information (MMI) model. As adolescents are reluctant to show their negative emotions in physical interaction, traditional methods of emotion analysis and comforting methods may not work. Therefore, this system puts emphasis on using virtual platform to detect signs of depression or anxiety, channel adolescents' stress and mood, and thus prevent the emergence of mental illness. We launched the integrated chatbot system onto an online platform for real-world campus applications. Through a one-month user study, we observe better results in the increase in positivity than other public chatbots in the control group.

研究の動機と目的

• 対面での対話において思春期の若者が否定的感情を隠すという課題に対処するため、仮想的かつ能動的なメンタルヘルス支援システムの開発を目的とする。
• 自然言語理解を用いてうつ病や不安の兆候を検出できる完全に生成型のチャットボットの設計を目的とする。
• 深層学習モデルを用いて文脈的に適切で肯定的であるような返答を生成することで、心理的健康状態の向上を図ることを目的とする。
• 本システムの現実世界での有効性を、大学の学生における感情の肯定的態度の向上という観点から評価することを目的とする。

提案手法

• 本システムは、ユーザーの入力から否定的感情を検出するためのBi-LSTMモデルを採用しており、心理的苦痛の早期特定を可能としている。
• 注目メカニズムを備えたシーケンス・ツー・シーケンス（Seq2Seq）ニューラルネットワークが、ユーザーのメッセージに応じたパーソナライズされた治療的返答を生成する。
• 臨床的妥当性と感情的支援の質を確保するため、選別された心理カウンセリングコーパスを用いてチャットボットを訓練している。
• 応答生成の最適化に最大相互情報量（MMI）目的関数を用いており、生成された返答の関連性と肯定的態度の向上を促進している。
• 統合されたシステムは、現実世界でのキャンパス内での展開とユーザーとの相互作用を想定したオンラインプラットフォームにデプロイされている。

実験結果

リサーチクエスチョン

• RQ1 深層学習ベースのチャットボットは、テキストベースの対話によって思春期の利用者における否定的感情を効果的に検出できるか？
• RQ2 生成型チャットボットは、既存の公開チャットボットと比較して、利用者の感情的肯定的態度をどの程度向上させられるか？
• RQ3 感情検出とMMI最適化された応答生成の統合は、キャンパス環境における治療的効果にどのように影響を与えるか？
• RQ4 仮想チャットボットは、学生におけるうつ病や不安の早期予防のための実用的でスケーラブルなツールとして機能できるか？

主な発見

• Evebotは、1か月間の展開期間中に、対照群のチャットボットと比較して、利用者の肯定的態度に統計的に有意な向上を示した。
• Bi-LSTMベースの感情分類を用いることで、ユーザーのメッセージ内の否定的感情状態を効果的に検出できた。
• 最大相互情報量（MMI）目的関数の使用により、生成された応答の関連性と感情的肯定的態度が向上した。
• 生成型アプローチが、非生成型のベースラインと比較して、建設的で支援的な対話を維持する点で優れた性能を示した。