| 论文题目: | 基于大语言模型的高校学生焦虑心理分析 |
|---|---|
| 第一作者: | 肖吴, 王曙, 刘雨平, 叶鹏 |
| 联系作者: | |
| 发表年度: | 2025 |
| 摘 要: | 针对社交媒体平台上的高校学生评论开展焦虑心理分析有助于及时探测高校学生的心理健康问题。然而,由于庞大的数据规模以及较高的发布频率,基于社交媒体数据分析高校学生的焦虑心理仍然面临挑战。大语言模型正在引领人工智能领域发展进入新纪元,并且在自然语言的对话、理解和推理方面展现出优异性能。基于大语言模型进行高校学生焦虑心理分析,并比较GPT家族和BERT家族中不同大语言模型微调后适用于高校学生焦虑心理分析的有效性。结果表明,GPT-3.5 Turbo 0125和RoBERTa-base分别是其模型家族中性能最优的2个模型,GPT-3.5Turbo 0125整体性能更佳,其精确率达到96.27%。总体上,GPT和BERT家族的大语言模型在高校学生焦虑心理分析中都展现出强大潜力,为生成式人工智能助力高校学生心理健康教育提供了理论借鉴和技术支撑。 |
| 英文摘要: | |
| 刊物名称: | 海南师范大学学报(自然科学版) |
| 全文链接: | |
| 论文类别: | CSCD |