Bert Finetuned Mental Health

🚀 BERT针对心理健康分类的微调模型

该模型是对bert-base-uncased进行微调后的Transformer模型，可将文本输入分类为七种心理健康类别。旨在通过检测用户生成内容中的心理困扰迹象，为心理健康相关应用提供情感分析支持。

🚀 快速开始

在线体验

你可以通过由Streamlit驱动的Hugging Face Space与模型进行实时交互：
👉 Hugging Face Spaces上的实时演示

✨ 主要特性

• 多类别分类：能够将文本准确分类为七种心理健康类别，包括焦虑、抑郁、双相情感障碍等。
• 数据丰富：使用了多个包含Reddit心理健康论坛帖子的数据集进行训练，数据覆盖度和多样性高。
• 高精度：在评估指标上表现出色，准确率达到0.9656。

📦 安装指南

文档未提供安装步骤，此处跳过。

💻 使用示例

基础用法

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)

📚 详细文档

所用数据集

1. sai1908/Mental_Health_Condition_Classification
   来自心理健康论坛的Reddit帖子，原始的100,000条数据经过清理后约有80,000条。
2. kamruzzaman-asif/reddit-mental-health-classification
   额外的Reddit心理健康帖子，用于提高数据的覆盖度和多样性。

模型概述

• 基础模型：bert-base-uncased
• 类型：多类别文本分类（7个标签）
• 框架：Hugging Face Transformers
• 训练方法：Trainer API（PyTorch后端）

目标标签

• 焦虑
• 抑郁
• 双相情感障碍
• 正常
• 人格障碍
• 压力
• 自杀倾向

训练配置

评估指标

📄 许可证

本项目采用Apache 2.0许可证。