Bert Finetuned Mental Health

🚀 BERT針對心理健康分類的微調模型

該模型是對bert-base-uncased進行微調後的Transformer模型，可將文本輸入分類為七種心理健康類別。旨在通過檢測用戶生成內容中的心理困擾跡象，為心理健康相關應用提供情感分析支持。

🚀 快速開始

在線體驗

你可以通過由Streamlit驅動的Hugging Face Space與模型進行即時交互：
👉 Hugging Face Spaces上的即時演示

✨ 主要特性

• 多類別分類：能夠將文本準確分類為七種心理健康類別，包括焦慮、抑鬱、雙相情感障礙等。
• 數據豐富：使用了多個包含Reddit心理健康論壇帖子的數據集進行訓練，數據覆蓋度和多樣性高。
• 高精度：在評估指標上表現出色，準確率達到0.9656。

📦 安裝指南

文檔未提供安裝步驟，此處跳過。

💻 使用示例

基礎用法

from transformers import pipeline

classifier = pipeline("text-classification", model="Elite13/bert-finetuned-mental-health")

text = "I'm tired of everything. Nothing makes sense anymore."
result = classifier(text)
print(result)

📚 詳細文檔

所用數據集

1. sai1908/Mental_Health_Condition_Classification
   來自心理健康論壇的Reddit帖子，原始的100,000條數據經過清理後約有80,000條。
2. kamruzzaman-asif/reddit-mental-health-classification
   額外的Reddit心理健康帖子，用於提高數據的覆蓋度和多樣性。

模型概述

• 基礎模型：bert-base-uncased
• 類型：多類別文本分類（7個標籤）
• 框架：Hugging Face Transformers
• 訓練方法：Trainer API（PyTorch後端）

目標標籤

• 焦慮
• 抑鬱
• 雙相情感障礙
• 正常
• 人格障礙
• 壓力
• 自殺傾向

訓練配置

評估指標

📄 許可證

本項目採用Apache 2.0許可證。