数据集:

• suchintikasarkar/心理健康情感分析 语言:
• en 模型库名称: transformers 许可证: apache-2.0 评估指标:
• 准确率
• F1值 任务标签: 文本生成 标签:
• 心理健康
• Meta-Llama-3.1-8B-Instruct

Llama-3.1-8B-Instruct心理健康分类模型

本模型是基于meta-llama/Meta-Llama-3.1-8B-Instruct在suchintikasarkar/sentiment-analysis-for-mental-health数据集上微调的版本。

使用教程

通过微调Llama 3.1进行文本分类教程，开始使用新版Llama模型，并定制Llama-3.1-8B-It来根据文本预测各种心理健康障碍。

配合Transformers使用

from transformers import AutoTokenizer,AutoModelForCausalLM,pipeline
import torch

model_id = "kingabzpro/Llama-3.1-8B-Instruct-Mental-Health-Classification"

tokenizer = AutoTokenizer.from_pretrained(model_id)

model = AutoModelForCausalLM.from_pretrained(
        model_id,
        return_dict=True,
        low_cpu_mem_usage=True,
        torch_dtype=torch.float16,
        device_map="auto",
        trust_remote_code=True,
)

text = "我被困在无法控制的情绪风暴中，感觉没人理解我内心的混乱"
prompt = f"""将文本分类为正常、抑郁、焦虑、双相情感障碍，并以对应的心理健康障碍标签返回答案。
文本: {text}
标签: """.strip()

pipe = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipe(prompt, max_new_tokens=2, do_sample=True, temperature=0.1)

print(outputs[0]["generated_text"].split("标签: ")[-1].strip())

# 抑郁

结果

100%|██████████| 300/300 [03:24<00:00,  1.47it/s]

准确率: 0.913
正常标签准确率: 0.972
抑郁标签准确率: 0.913
焦虑标签准确率: 0.667
双相情感障碍标签准确率: 0.800

分类报告:

              精确率  召回率  F1值   支持数

      正常       0.92      0.97      0.95       143
  抑郁       0.93      0.91      0.92       115
   焦虑       0.75      0.67      0.71        27
   双相情感障碍       1.00      0.80      0.89        15

    总准确率                           0.91       300
宏平均       0.90      0.84      0.87       300
加权平均       0.91      0.91      0.91       300

混淆矩阵:

[[139   3   1   0]
 [  5 105   5   0]
 [  6   3  18   0]
 [  1   2   0  12]]