Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "曾偉紘"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    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。

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback