Mentalbart

🚀 MentalBART - 可解釋心理健康分析模型

MentalBART是一款專為心理健康分析設計的模型，它是MentaLLaMA項目的一部分。該項目旨在打造首個具備指令跟隨能力、可用於可解釋心理健康分析的開源大語言模型系列。MentalBART基於facebook/bart-large基礎模型和完整的IMHI指令調優數據進行微調，能夠對各種心理健康狀況進行復雜分析，併為每個預測結果提供可靠解釋。

🚀 快速開始

你可以在Python項目中使用Hugging Face Transformers庫來加載和使用MentalBART模型。以下是一個簡單的加載示例：

from transformers import BartTokenizer, BartModel
tokenizer = BartTokenizer.from_pretrained('Tianlin668/MentalBART')
model = BartModel.from_pretrained('Tianlin668/MentalBART')

✨ 主要特性

• 可解釋性分析：能夠對各種心理健康狀況進行復雜分析，併為每個預測結果提供可靠解釋。
• 指令跟隨能力：經過75K高質量自然語言指令的IMHI數據集微調，在下游任務中表現出色。
• 綜合評估驗證：在包含20K測試樣本的IMHI基準測試中進行了全面評估，結果顯示在正確性和解釋生成方面表現良好。

📚 詳細文檔

模型簡介

MentalBART是MentaLLaMA項目的一部分，該項目致力於開發可解釋的心理健康分析大語言模型。MentalBART基於facebook/bart-large基礎模型和完整的IMHI指令調優數據進行微調，旨在對各種心理健康狀況進行復雜分析，併為每個預測結果提供可靠解釋。

倫理考量

儘管MentalBART在可解釋心理健康分析方面表現出了良好的性能，但我們強調，所有預測結果和生成的解釋僅應用於非臨床研究。尋求幫助者應從專業的精神科醫生或臨床從業者那裡獲得幫助。此外，近期研究表明大語言模型可能會引入一些潛在的偏差，如性別差距。同時，一些不正確的預測結果、不恰當的解釋和過度概括也說明了當前大語言模型存在的潛在風險。因此，將該模型應用於實際場景的心理健康監測系統仍面臨許多挑戰。

MentaLLaMA項目中的其他模型

除了MentalBART，MentaLLaMA項目還包括以下模型：

• MentaLLaMA-chat-13B：基於Meta LLaMA2-chat-13B基礎模型和完整的IMHI指令調優數據進行微調，訓練數據涵蓋10項心理健康分析任務。
• MentaLLaMA-chat-7B：基於Meta LLaMA2-chat-7B基礎模型和完整的IMHI指令調優數據進行微調，訓練數據涵蓋10項心理健康分析任務。
• MentalT5：基於T5-large基礎模型和完整的IMHI完成數據進行微調，訓練數據涵蓋10項心理健康分析任務。該模型不具備指令跟隨能力，但更輕量級，在基於完成的可解釋心理健康分析中表現良好。

引用信息

如果你在工作中使用了MentalBART，請引用我們的論文：

@misc{yang2023mentalllama,
      title={MentalLLaMA: Interpretable Mental Health Analysis on Social Media with Large Language Models}, 
      author={Kailai Yang and Tianlin Zhang and Ziyan Kuang and Qianqian Xie and Sophia Ananiadou},
      year={2023},
      eprint={2309.13567},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

📄 許可證

MentalBART採用MIT許可證。更多詳細信息，請參閱MIT文件。