A Data Augmentation Pipeline Leveraging Large Language Models for Counseling Conversations

本文是LLM系列文章，针对《Enhancing Psychotherapy Counseling: A Data Augmentation Pipeline Leveraging Large Language Models for Counseling Conversations》的翻译。

摘要

我们引入了一个利用大型语言模型（LLM）将单轮心理治疗咨询会话转化为多轮互动的管道。虽然存在人工智能支持的针对精神障碍患者的在线咨询服务，但它们往往受到多轮训练数据集有限可用性的限制，并且经常无法充分利用治疗师的专业知识。我们提出的管道有效地解决了这些限制。该管道包括两个主要步骤：1）信息提取和2）多轮咨询生成。每一步都经过精心设计，从可用的数据集中提取并生成全面的多轮咨询对话。零样本和小样本生成场景的实验结果表明，我们的方法显著增强了LLM在心理健康咨询背景下产生更高质量多轮对话的能力。我们的管道和数据集在这里公开。

1 引言

2 相关工作

3 前言

4 方法

5 增强数据集

6 实验

7 结论

在本文中，我们通过将使用我们的管道生成的多轮心理治疗咨询对话与仅根据原始数据训练的模型生成的对话进行比较，来实验评估我们提出的管道的效用。我们证明，从原始数据中提取隐含信息作为多轮生成的输入