[논문 리뷰] A Deep Learning Based Chatbot for Campus Psychological Therapy

Junjie Yin, Zixun Chen외 2명|arXiv (Cornell University)|2019. 10. 09.

Digital Mental Health Interventions참고 문헌 16인용 수 15

한 줄 요약

이 논문은 순서에서 순서로(Seq2Seq) 아키텍처를 사용한 딥러닝 기반 챗봇인 Evebot을 제안한다. 이는 양방향 LSTM(Bi-LSTM)을 사용해 감정을 탐지하고, 최대 상호정보량(MMI) 손실을 통해 긍정적이고 치료적인 응답을 생성한다. 실생활 한 달 간의 평가에서 Evebot은 기준 챗봇 대비 사용자들의 긍정성을 크게 향상시켜 청소년의 부정적인 감정을 탐지하고 완화하는 데 효과적임을 입증했다.

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.

연구 동기 및 목표

• 면대면 상호작용에서 청소년들이 부정적인 감정을 숨기는 문제를 해결하기 위해 가상의 능동적인 정신건강 지원 체계를 개발하기 위해.
• 자연어 이해를 통해 우울증이나 불안의 징후를 탐지할 수 있는 완전히 생성형 챗봇을 설계하기 위해.
• 딥러닝 모델을 사용해 맥락적으로 관련성 있고 긍정적인 영향을 주는 응답을 생성함으로써 정서적 복지를 향상시키기 위해.
• 대학생들의 정서적 긍정성을 높이는 데 시스템의 실생활 효과를 평가하기 위해.

제안 방법

• 시스템은 사용자 입력의 부정적 감정을 탐지하기 위해 Bi-LSTM 모델을 활용하여 정서적 고통의 조기 식별을 가능하게 한다.
• 주의 메커니즘(attention mechanism)을 갖춘 순서에서 순서로(Sequence-to-Sequence, Seq2Seq) 신경망이 사용자 메시지에 맞는 개인화된 치료적 응답을 생성한다.
• 임상적 관련성과 정서적 지원 품질을 확보하기 위해 총괄된 정신건강 상담 코퍼스를 기반으로 챗봇을 훈련시킨다.
• 최대 상호정보량(MMI) 목적함수를 사용해 응답 생성을 최적화함으로써 생성된 응답의 관련성과 긍정성을 향상시킨다.
• 통합된 시스템은 실생활 캠퍼스 배포와 사용자 상호작용을 위해 온라인 플랫폼에 구현되어 있다.

실험 결과

연구 질문

• RQ1 딥러닝 기반 챗봇이 텍스트 기반 상호작용을 통해 청소년 사용자의 부정적 감정을 효과적으로 탐지할 수 있는가?
• RQ2 기존의 공개 챗봇과 비교해 생성형 챗봇이 사용자의 정서적 긍정성을 어느 정도 향상시킬 수 있는가?
• RQ3 감정 탐지와 MMI 최적화된 응답 생성의 통합이 캠퍼스 환경에서 치료적 결과에 어떤 영향을 미치는가?
• RQ4 가상의 챗봇이 학생들 사이에서 조기 우울증 및 불안 예방을 위한 실현 가능하고 확장 가능한 도구가 될 수 있는가?

주요 결과

• Evebot는 실시간 1개월 간의 배포 기간 동안 제어군 챗봇 대비 사용자 긍정성에서 통계적으로 유의미한 증가를 보였다.
• Bi-LSTM 기반 감정 분류를 사용해 사용자 메시지의 부정적 정서 상태를 성공적으로 탐지했다.
• 최대 상호정보량(MMI) 목적함수의 사용이 생성된 응답의 관련성과 정서적 긍정성을 향상시켰다.
• 비생성형 기반 대비 챗봇의 생성형 접근 방식이 유의미하게 유도적이고 지지적인 대화를 유지하는 데서 뛰어난 성능을 보였다.