學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73873
Browse
1 results
Search Results
Item 健康心理因素文本自動分類之研究(2024) 曾偉紘; Tseng, Wei-Hung心理學的研究對象通常非常複雜，需要長期追蹤和研究。傳統的研究方法需要人工標記和評分，這不僅費時費力，還容易出現主觀性和一致性問題。目前大多數研究透過社群平台來找到研究對象。因此本研究希望透過社群平台找到研究資料，並利用機器以自動化的方式更有效的進行心理學研究。本研究要將心理健康方面的文本用人工智慧的技術，將其自動分類到5個面向中的11個指標，每個指標都有5個分數，並且期望在有限的人工標記的訓練資料下（每個類至少60筆資料），機器預測的準確度要能達到0.8以上（人工標記一致性平均分數為0.8011），以Macro F1為主要判斷標準。使用的技術包括機器學習、BERT、SetFit、GPT-3、GPT-4。就本研究的結果而言，機器學習與BERT雖然執行的時間成本低，但成效在各指標都無法達到理想的0.8。GPT-4也許因為是使用prompt的方式進行實驗，要它處理的任務太過於複雜，準確度無法像用訓練的方式來的好，所以也都沒有達到目標。GPT-3與SetFit的成效在多數指標上都有不錯的表現，GPT-3有5個指標達到目標，SetFit更是有7個指標達到目標，兩個指標只差1到2個百分點達到目標。 考量到GPT-3的執行時間成本很重（主要是1次request只能預測1筆資料），而SetFit只有訓練時間成本重而已，預測的速度是非常快速的，所以選用SetFit用於心理健康文本的自動分類是一個準確度高、預測時間成本低的方法。