MentalChat16K: A Benchmark Dataset for Conversational Mental Health Assistance

📄 arXiv: 2503.13509v2 📥 PDF

作者: Jia Xu, Tianyi Wei, Bojian Hou, Patryk Orzechowski, Shu Yang, Ruochen Jin, Rachael Paulbeck, Joost Wagenaar, George Demiris, Li Shen

分类: cs.LG, cs.AI, cs.CL, cs.CY, cs.HC

发布日期: 2025-03-13 (更新: 2025-06-02)

🔗 代码/项目: GITHUB | HUGGINGFACE

💡 一句话要点

MentalChat16K：用于对话式心理健康辅助的基准数据集

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 心理健康 对话系统 数据集 自然语言处理 大型语言模型 情感识别 伦理考量

📋 核心要点

  1. 现有心理健康辅助对话系统缺乏高质量、多样化的数据集，限制了其发展和评估。
  2. MentalChat16K结合合成数据和真实数据，覆盖多种心理健康状况，旨在提供高质量的训练资源。
  3. 该数据集注重患者隐私和伦理，为研究人员提供了一个安全可靠的平台，以开发更有效、更具同情心的AI心理健康助手。

📝 摘要（中文）

我们推出了MentalChat16K，这是一个英文基准数据集，它结合了一个合成的心理健康咨询数据集和一个来自行为健康教练与姑息治疗或临终关怀患者的照护者之间干预的匿名记录数据集。该数据集涵盖了抑郁、焦虑和悲伤等多种情况，旨在促进用于对话式心理健康辅助的大型语言模型的开发和评估。通过提供针对这一关键领域量身定制的高质量资源，MentalChat16K旨在推进关于富有同情心、个性化的AI解决方案的研究，以改善心理健康支持服务的可及性。该数据集优先考虑患者隐私、伦理考量和负责任的数据使用。MentalChat16K为研究界提供了一个宝贵的机会，可以创新能够对心理健康产生积极影响的AI技术。

🔬 方法详解

问题定义：现有对话式心理健康辅助系统面临数据匮乏的挑战，高质量、多样化的数据集难以获取。这限制了大型语言模型在该领域的应用，阻碍了AI心理健康助手的发展。现有方法缺乏对不同心理健康状况的覆盖，以及对患者隐私和伦理的充分考虑。

核心思路：MentalChat16K的核心思路是构建一个包含合成数据和真实数据的混合数据集，以解决数据匮乏的问题。合成数据用于扩充数据集，覆盖更广泛的心理健康状况。真实数据则来自行为健康教练与照护者之间的匿名对话记录，保证了数据的真实性和实用性。

技术框架：MentalChat16K数据集的构建包含以下主要阶段：1) 合成数据生成：使用大型语言模型生成模拟的心理健康咨询对话。2) 真实数据收集：收集行为健康教练与照护者之间的匿名对话记录。3) 数据清洗和标注：对收集到的数据进行清洗、匿名化处理，并进行标注，例如标注对话中的情感、意图等。4) 数据集发布：将处理后的数据集发布到Hugging Face和GitHub上，供研究人员使用。

关键创新：MentalChat16K的关键创新在于其混合数据策略，结合了合成数据和真实数据，既保证了数据的多样性和覆盖范围，又保证了数据的真实性和实用性。此外，该数据集还特别关注患者隐私和伦理问题，采取了严格的匿名化措施，并提供了详细的数据使用指南。

关键设计：数据集包含16000个对话，覆盖抑郁、焦虑、悲伤等多种心理健康状况。合成数据和真实数据的比例未知。数据集的标注信息包括情感、意图等。数据集以JSON格式存储，方便研究人员使用。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

MentalChat16K数据集的发布为心理健康领域的AI研究提供了一个宝贵的资源。虽然论文没有提供具体的实验结果，但该数据集的规模、多样性和高质量，以及对患者隐私和伦理的关注，使其成为开发更有效、更具同情心的AI心理健康助手的理想平台。该数据集在Hugging Face上的可用性进一步促进了其广泛应用。

🎯 应用场景

MentalChat16K数据集可用于训练和评估对话式心理健康辅助系统，例如AI心理健康聊天机器人。这些系统可以为用户提供心理健康支持、情感疏导和危机干预等服务。该数据集还可以用于研究心理健康领域的自然语言处理技术，例如情感识别、意图理解和对话生成。未来，基于MentalChat16K的研究有望改善心理健康服务的可及性和质量。

📄 摘要（原文）

We introduce MentalChat16K, an English benchmark dataset combining a synthetic mental health counseling dataset and a dataset of anonymized transcripts from interventions between Behavioral Health Coaches and Caregivers of patients in palliative or hospice care. Covering a diverse range of conditions like depression, anxiety, and grief, this curated dataset is designed to facilitate the development and evaluation of large language models for conversational mental health assistance. By providing a high-quality resource tailored to this critical domain, MentalChat16K aims to advance research on empathetic, personalized AI solutions to improve access to mental health support services. The dataset prioritizes patient privacy, ethical considerations, and responsible data usage. MentalChat16K presents a valuable opportunity for the research community to innovate AI technologies that can positively impact mental well-being. The dataset is available at https://huggingface.co/datasets/ShenLab/MentalChat16K and the code and documentation are hosted on GitHub at https://github.com/ChiaPatricia/MentalChat16K.