Mentalbart

🚀 MentalBART - 可解释心理健康分析模型

MentalBART是一款专为心理健康分析设计的模型，它是MentaLLaMA项目的一部分。该项目旨在打造首个具备指令跟随能力、可用于可解释心理健康分析的开源大语言模型系列。MentalBART基于facebook/bart-large基础模型和完整的IMHI指令调优数据进行微调，能够对各种心理健康状况进行复杂分析，并为每个预测结果提供可靠解释。

🚀 快速开始

你可以在Python项目中使用Hugging Face Transformers库来加载和使用MentalBART模型。以下是一个简单的加载示例：

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

✨ 主要特性

• 可解释性分析：能够对各种心理健康状况进行复杂分析，并为每个预测结果提供可靠解释。
• 指令跟随能力：经过75K高质量自然语言指令的IMHI数据集微调，在下游任务中表现出色。
• 综合评估验证：在包含20K测试样本的IMHI基准测试中进行了全面评估，结果显示在正确性和解释生成方面表现良好。

📚 详细文档

模型简介

MentalBART是MentaLLaMA项目的一部分，该项目致力于开发可解释的心理健康分析大语言模型。MentalBART基于facebook/bart-large基础模型和完整的IMHI指令调优数据进行微调，旨在对各种心理健康状况进行复杂分析，并为每个预测结果提供可靠解释。

伦理考量

尽管MentalBART在可解释心理健康分析方面表现出了良好的性能，但我们强调，所有预测结果和生成的解释仅应用于非临床研究。寻求帮助者应从专业的精神科医生或临床从业者那里获得帮助。此外，近期研究表明大语言模型可能会引入一些潜在的偏差，如性别差距。同时，一些不正确的预测结果、不恰当的解释和过度概括也说明了当前大语言模型存在的潜在风险。因此，将该模型应用于实际场景的心理健康监测系统仍面临许多挑战。

MentaLLaMA项目中的其他模型

除了MentalBART，MentaLLaMA项目还包括以下模型：

• MentaLLaMA-chat-13B：基于Meta LLaMA2-chat-13B基础模型和完整的IMHI指令调优数据进行微调，训练数据涵盖10项心理健康分析任务。
• MentaLLaMA-chat-7B：基于Meta LLaMA2-chat-7B基础模型和完整的IMHI指令调优数据进行微调，训练数据涵盖10项心理健康分析任务。
• MentalT5：基于T5-large基础模型和完整的IMHI完成数据进行微调，训练数据涵盖10项心理健康分析任务。该模型不具备指令跟随能力，但更轻量级，在基于完成的可解释心理健康分析中表现良好。

引用信息

如果你在工作中使用了MentalBART，请引用我们的论文：

@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}
}

📄 许可证

MentalBART采用MIT许可证。更多详细信息，请参阅MIT文件。