[论文解读] 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 15

一句话总结

本文提出Evebot，一种基于深度学习的聊天机器人，专为校园心理健康支持而设计，采用序列到序列（Seq2Seq）架构结合双向LSTM进行情绪检测，并使用最大互信息（MMI）损失生成积极、具有治疗效果的回复。在为期一个月的真实世界研究中，Evebot显著提升了用户的情绪积极性，相较于基线聊天机器人，充分证明了其在识别和缓解青少年负面情绪方面的有效性。

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.

研究动机与目标

• 为解决青少年在面对面互动中隐藏负面情绪的挑战，开发一种虚拟的、主动的心理健康支持系统。
• 设计一种完全生成式的聊天机器人，能够通过自然语言理解检测抑郁或焦虑的迹象。
• 通过深度学习模型生成具有积极暗示性且上下文相关的回复，以改善心理幸福感。
• 评估该系统在真实世界中提升大学生情绪积极性方面的有效性。

提出的方法

• 该系统采用双向LSTM模型检测用户输入中的负面情绪，实现对心理困扰的早期识别。
• 采用带有注意力机制的序列到序列（Seq2Seq）神经网络，为用户消息生成个性化、具有治疗效果的回复。
• 聊天机器人基于精心筛选的心理咨询语料库进行训练，以确保临床相关性与情感支持质量。
• 采用最大互信息（MMI）目标优化回复生成，提升生成回复的相关性与积极情绪倾向。
• 将集成系统部署于在线平台，实现真实校园环境下的部署与用户互动。

实验结果

研究问题

• RQ1 基于深度学习的聊天机器人能否通过基于文本的互动有效检测青少年用户的情绪？
• RQ2 与现有公开聊天机器人相比，生成式聊天机器人在多大程度上能提升用户的情绪积极性？
• RQ3 在校园环境中，情绪检测与MMI优化的回复生成相结合，对治疗效果有何影响？
• RQ4 虚拟聊天机器人能否作为早期抑郁与焦虑预防的可行且可扩展的工具？

主要发现

• 在为期一个月的部署期间，Evebot相较于对照组聊天机器人，在用户情绪积极性方面表现出统计学上显著的提升。
• 该系统成功利用基于双向LSTM的情绪分类方法，在用户消息中识别出负面情绪状态。
• 采用最大互信息（MMI）目标显著提升了生成回复的相关性与情绪积极性。
• 聊天机器人的生成式方法在维持建设性、支持性对话方面，优于非生成式基线模型。