AI模型以更高精度检测文本中的认知扭曲

研究人员开发了一种新颖的方法，通过利用加权结构化模式（如N-grams及其层级关系）来对自然语言文本进行分类。该方法旨在自动化检测特定的认知扭曲，从而为心理健康护理做出贡献。所开发的AI模型被设计为可解释、鲁棒且透明的，在两个公开数据集上的F1分数均显著优于现有文献。相关代码和模型已提供给社区使用。 AI

影响 通过提高AI理解和分类文本中细微心理状态的能力，这项研究可能带来更易于获取和自动化的心理健康支持工具。

排序理由 该集群包含一篇学术论文，详细介绍了文本分类的新方法及其在心理健康护理中的应用，包括性能指标和代码可用性。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• Anton Kolonin
• artificial intelligence
• arXiv
• cognitive distortion
• F1 scores
• Hugging Face
• natural language texts

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →