基于大型语言模型指令微调的心理健康领域联合信息抽取

作     者：蔡子杰 方荟 刘建华 徐戈 龙云飞 CAI Zijie;FANG Hui;LIU Jianhua;XU Ge;LONG Yunfei

作者机构：福建理工大学计算机科学与数学学院福建福州350118 福建省大数据挖掘与应用技术重点实验室福建福州350118 闽江学院计算机与大数据学院福建福州350108 福建省心理健康人机交互技术研究中心福建福州350108 埃塞克斯大学计算机与电子工程学院英国科尔切斯特CO43SQ 

基　　金：科技创新2030-“新一代人工智能”重大项目(2022ZD0116308) 福建省自然科学基金(2023J01349) 福建省创新资金项目(2022C0022) 闽江学院引进人才科技预研项目(MJY23033) 闽江学院引进人才科技预研项目(MJY21032) 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2024年第38卷第8期

页      码：112-127页

摘      要：信息抽取目的在于从文本中提取关键的信息。心理健康领域的信息抽取能力反映了语言模型对人类心理健康相关信息的自然语言理解能力。提高语言模型的领域信息抽取能力,还能为AI心理健康服务提供重要的知识来源。但目前心理健康信息抽取的中文指令数据集十分匮乏,这限制了相关研究和应用的发展。针对以上问题,该文在心理学专家的指导下提示ChatGPT生成样本实例,并通过设计生成指令以及数据增强,构建了5641条包含命名实体识别、关系抽取和事件抽取三项基本抽取任务的心理健康领域联合信息抽取指令数据集,旨在填补心理健康领域信息抽取中文指令数据集的不足。随后使用该指令数据集对大型语言模型进行参数高效微调。与基线模型的性能对比以及人工评估的实验结果表明,大型语言模型经过有效的指令微调后可以完成心理健康领域信息抽取的联合任务。

主 题 词：信息抽取 心理健康 大型语言模型 指令微调 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203138924...