浙江连信科技有限公司

通过采集心理诊疗中的记录，并通过数据处理和数据加工流程，将标注过的数据转化为病症筛查模型的高质量、高标注准确性的训练集。这些数据包括企业采集的应用、人工咨询的记录相关语料。首先，人工标注这些数据以确保标注的准确性和一致性。接着，构建一个包含病症筛查相关信息的RAG知识库，用于在训练和推理过程中搜索相似的意图和情景。通过心理大模型通过该知识库选择出符合的筛查结果，并经过超参数调优和模型优化以提升其准确性和鲁棒性。最终，训练好的病症筛查模型能够准确识别抑郁症、焦虑症等病症并提供筛查结果，广泛应用于社交媒体监控、心理健康热线、在线心理咨询、学校心理健康管理等多个场景，辅助心理健康专业人士进行干预和治疗。(1) 数据来源：原始数据来源于企业自研应用（连小信APP、洞见人和官网、人工咨询记录）相关语料。 (2) 数据处理和标注：对收集到的语料进行清洗和标准化处理，确保数据质量。通过人工标注这些数据，同时设置审核机制，以确保标注的准确性和一致性。 (3) 心理知识图谱构建：构建一个包含病症筛查相关信息的心理知识图谱，用于在训练和推理过程中帮助识别病症的意图和情景。 (4) 深度学习架构选择：选择适合处理文本数据的深度学习架构，采用的Transformer架构的心理大模型进行处理。 (5) 模型训练：在标注好的数据集上训练深度学习模型，通过监督学习的方式让模型学习识别病症意图。使用交叉验证和不同性能指标（如准确率、召回率）评估模型的识别能力。 (6) 超参数调优：进行超参数调优，包括学习率、批量大小、网络层数等，以优化模型性能。 (7) 模型优化与验证：根据评估结果，对模型进行剪枝、正则化等优化措施。在独立的测试集上验证模型的性能，确保模型在未见数据上也能表现良好。 (8) 病症筛查结果生成：通过训练好的模型和心理知识图谱，通过循证规则来完成病症筛查判断，最终生成符合的筛查结果。