A Data Augmentation Pipeline Leveraging Large Language Models for Counseling Conversations

本篇文章属于LLM系列内容，主要对《Enhancing Psychotherapy Counseling: A Data Augmentation Pipeline Leveraging Large Language Models for Counseling Conversations》这一文献进行语言转换处理。

增强心理治疗咨询：利用大型语言模型进行咨询会话的数据增强管道

• 摘要
  • 1 引言
  • 2 相关研究
  • 3 序言
  • 4 技术手段
  • 5 数据集扩充
  • 6 测试分析
  • 7 总结

摘要内容提炼

我们构建了一种基于大型语言模型（LLM）的处理机制，能够将单次心理治疗咨询对话转化为多轮交互形式。尽管当前已有部分人工智能驱动的在线咨询服务面向精神障碍患者，但这些系统普遍受限于多轮对话训练数据稀缺的问题，同时难以有效整合治疗师的专业经验。我们所设计的处理机制成功克服了上述挑战。该机制主要由两个阶段构成：第一阶段为信息抽取，第二阶段为多轮咨询对话生成。每个环节均经过细致规划，旨在从现有数据资源中提取并生成内容丰富的多轮对话内容。针对零样本及小样本生成情境开展的实验结果显示，本方法显著提升了LLM在心理健康咨询场景下生成高质量多轮对话的能力。相关处理机制与数据集已对外公开。

1 引言

2 相关工作