https://blog.qife122.com/tags/%E5%BF%83%E7%90%86%E5%81%A5%E5%BA%B7%E6%A3%80%E6%B5%8B/ Recent content in 心理健康检测 on 办公AI智能小助手 Hugo zh-cn qife Tue, 09 Sep 2025 23:44:43 +0800 https://blog.qife122.com/p/%E5%9F%BA%E4%BA%8Etransformer%E4%B8%8Elstm%E7%9A%84%E5%BF%83%E7%90%86%E5%81%A5%E5%BA%B7%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF%E5%AF%B9%E6%AF%94/ Tue, 09 Sep 2025 23:44:43 +0800 https://blog.qife122.com/p/%E5%9F%BA%E4%BA%8Etransformer%E4%B8%8Elstm%E7%9A%84%E5%BF%83%E7%90%86%E5%81%A5%E5%BA%B7%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF%E5%AF%B9%E6%AF%94/ <h1 id="摘要">摘要</h1> <p>心理健康障碍日益普遍，亟需开发稳健的自动化工具进行早期检测与监测。自然语言处理（NLP）的最新进展，尤其是基于Transformer的架构，在文本分析中展现出巨大潜力。本研究全面评估了最先进的Transformer模型（包括BERT、RoBERTa、DistilBERT、ALBERT和ELECTRA）与基于长短期记忆（LSTM）的方法，使用不同文本嵌入技术在Reddit上进行心理健康障碍分类。构建了一个大型标注数据集，并通过统计判断分析和主题建模验证其可靠性。实验结果表明，Transformer模型优于传统深度学习方法。RoBERTa在保留测试集上取得了99.54%的F1分数，在外部测试集上为96.05%。值得注意的是，结合BERT嵌入的LSTM模型表现出高度竞争力，在外部数据集上F1分数超过94%，同时所需计算资源显著减少。这些发现突显了基于Transformer的模型在实时、可扩展心理健康监测中的有效性。讨论了临床应用和数字心理健康干预的启示，提供了关于最先进NLP方法在心理障碍检测中能力与局限的见解。</p>