Towards Understanding Counseling Conversations: Domain Knowledge and Large Language Models

本文探讨如何使用领域知识和大型语言模型(LLM)改进对咨询对话的理解。研究表明,尽管Transformer和GPT等先进模型在预测对话结果上表现不佳,但通过结合人类注释的领域知识和LLM生成的特征,能提升模型性能约15%,有助于更好地描述咨询会话的动态。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《Towards Understanding Counseling Conversations:Domain Knowledge and Large Language Models》的翻译。

摘要

了解咨询对话的动态是一项重要任务,但无论基于Transformer的预训练语言模型最近取得了什么进展,这都是一个具有挑战性的NLP问题。本文提出了一种系统的方法来检验领域知识和大型语言模型(LLM)在更好地代表危机咨询师和寻求帮助者之间的对话方面的功效。我们的经验表明,最先进的语言模型,如基于Transformer的模型和GPT模型,无法预测对话结果。为了给对话提供更丰富的上下文,我们结合了人类注释的领域知识和LLM生成的特征;领域知识和LLM特征的简单集成将模型性能提高了约15%。我们认为,当咨询会话被用作会话的附加上下文时,可以利用领域知识和LLM生成的特征来更好地描述咨询会话。

1 引言

2 咨询会话分析

3 模型

4 实验设置

5 讨论

6 相关工作

7 结论

我们研究了危机咨询师

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值