Dieses Papier präsentiert einen webbasierten Mental Health-Chatbot, der auf einem feinabgestimmten BERT (Bidirectional Encoder Representations from Transformers)-Modell basiert, das entwickelt wurde, um die Schwere von Depressionen in Benutzereingaben zu klassifizieren. Die Anwendung nutzt Flask für das Backend und integriert ein BERT-Modell, um Benutzernachrichten in vier emotionale Zustände zu kategorisieren: keiner, mild, moderat oder schwer. Sie erweitert ihre Funktionalität durch eine Reihe von positiven Schlüsselwortheuristiken und eine auf Vertrauen basierende Regelverarbeitung, um nuanciertere Vorhersagen zu treffen, wenn das Vertrauen des Modells niedrig ist. Um das psychische Wohlbefinden zu fördern, bietet der Chatbot personalisierte Vorschläge und umsetzbare Inhalte wie Atemübungen, Spiele oder Links zur psychischen Gesundheitsunterstützung, basierend auf dem erkannten emotionalen Niveau. Darüber hinaus verwendet die Anwendung Googles Gemini-Sprachmodell, um empathische und kontextbewusste Antworten zu generieren, die sicherstellen, dass der Benutzer sich gehört und unterstützt fühlt. Diese Fusion aus maschinellem Lernen, natürlicher Sprachverarbeitung und Bewusstsein für psychische Gesundheit schafft ein zugängliches und unterstützendes Werkzeug, das darauf abzielt, das emotionale Wohlbefinden durch intelligente Interaktion zu fördern.
Bose et al. (Mon,) untersuchten diese Frage.