Multi-Perspective Triad Interaction Graph Neural Network for Cognitive Distortion Detection
MTI-GNN（Multi-Perspective Triad Interaction Graph Neural Network）是一种用于认知扭曲检测的图神经网络，它利用LLM将话语分解为贝克认知三元组（自我、世界、未来）三个视角，构建视角特定相似度图，并通过三元组交互模块和原型引导融合进行分类。在包含韩语、英语和中文的四个数据集共9,764个样本上，MTI-GNN显著优于所有监督变体，并在零样本和少样本设置下超过八个提示生成模型。
发展脉络
- 首次出现Multi-Perspective Triad Interaction Graph Neural Network for Cognitive Distortion DetectionarXiv cs.CL
- 当前判断该研究展示了LLM与专用图神经网络结合在计算心理健康领域的潜力。通过LLM进行视角分解，再结合GNN进行结构化推理，可能为心理健康筛查工具提供更可解释的AI方案。这或推动AI在临床辅助诊断中的应用，但需注意数据隐私和伦理问题。Agent Pulse · 分析
MTI-GNN是一种用于认知扭曲检测的图神经网络，其核心创新在于将贝克认知三元组（自我、世界、未来）作为互补视角进行建模。LLM将每个话语分解为三个视角，然后构建视角特定的相似度图，由多视角GNN编码。三元组交互模块通过顺序源条件更新和特征门控建模跨视角依赖，原型引导视角融合进行标签条件聚合。训练时使用标签扩展监督。在9,764个样本（涵盖韩语、英语和中文，十个扭曲类别）上，MTI-GNN显著优于所有监督变体，并在零样本和少样本设置下超过八个提示生成模型。消融实验表明所有三个视角都有贡献。
MTI-GNN通过显式建模认知三元组（自我、世界、未来）作为互补视角，为认知扭曲检测提供了结构化的心理先验。其三元组交互模块通过顺序源条件更新和特征门控捕捉跨视角依赖，原型引导融合则利用标签条件聚合增强判别力。这种设计可能启发其他心理语言学任务，如情感分析或人格识别，通过引入理论驱动的多视角分解来提升性能。
该研究展示了LLM与专用图神经网络结合在计算心理健康领域的潜力。通过LLM进行视角分解，再结合GNN进行结构化推理，可能为心理健康筛查工具提供更可解释的AI方案。这或推动AI在临床辅助诊断中的应用，但需注意数据隐私和伦理问题。
对于心理健康科技公司，MTI-GNN提供了一种更准确的认知扭曲检测方法，可用于开发AI辅助治疗工具，如认知行为疗法（CBT）的数字化平台。通过自动识别扭曲思维，可帮助治疗师个性化干预，提高治疗效率。该技术可能成为差异化竞争优势，吸引投资或合作伙伴。
未来工作可能包括在更多语言和更大规模数据集上验证MTI-GNN，探索其在不同文化背景下的泛化能力。此外，将模型集成到实际心理健康平台，进行实时检测和干预，是潜在的应用方向。可验证的下一信号是模型在真实临床环境中的部署或与心理健康机构的合作。