通讯作者: 程炜焓, gfx18238258390@163.com

DOI：10.12201/bmr.202509.00007

Answer Quality Prediction for Online Mental Health Q & A Communities Based on BERT Pretraining model

• 摘要：〔摘 要〕目的/意义 通过构建在线心理健康问答的回答质量预测模型，实现回答质量的自动化预测，以减轻专业心理师标注负担、内容审核人员工作压力，提高质量评估效率，实现对回答质量实时监测并提供反馈，帮助心理师持续改进服务质量。方法/过程 采用2023年1月至6月期间“壹心理”问答专区7110条问答数据，对BERT预训练模型进行微调，以提取问答文本的深层语义特征，进而预测在线心理健康问答的回答质量，同时融合其他文本特征以期提升BERT模型的预测性能。结果/结论 经过微调的BERT模型准确率和F1值均为0.89在预测性能上优于SVM、XGBOOST、TextCNN和Bi-LSTM四种经典模型，在线心理健康问答的回答质量预测表现优异，具备代替人工标注、内容审核和服务质量实时监测的潜力。

  关键词： 深度学习；BERT；在线问答社区；心理健康；服务质量; ; ; 

   

  Abstract: 〔Abstract〕Purpose / Significance By constructing an online mental health question and answer quality prediction model, the automatic prediction of answer quality is realized, so as to reduce the workload of professional psychologists and the work pressure of content reviewers, improve the efficiency of quality assessment, realize real-time monitoring of answer quality and provide feedback, and help psychologists continuously improve service quality. Method / Process Using 7110 question and answer data from January to June 2023, we fine-tune the BERT pre-training model to extract the deep semantic features of the question and answer text, and then predict the answer quality of online mental health question and answer. At the same time, other text features are integrated to improve the prediction performance of the BERT model. Results / Conclusions The accuracy and F1 value of the fine-tuned BERT model are 0.89, which are better than the four classical models of SVM, XGBOOST, TextCNN and Bi-LSTM in prediction performance. The quality prediction of online mental health Q & A is excellent, and it has the potential to replace manual annotation, content review and real-time monitoring of service quality.

  Key words: Deep Learning; BERT; Online Q&A Community; Mental Health, Service Quality

  提交时间：2025-09-01

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 周婧涵, 胡银环, 冯显东, 刘莎. 基于网络文本分析的患者在线心理健康服务择医偏好研究. 2024. doi: 10.12201/bmr.202411.00084

  李臻林, 郭蕊. 基于标准化病人法探究互联网诊疗服务质量对患者持续使用意愿的影响：以线上精神卫生服务为例. 2023. doi: 10.12201/bmr.202306.00015

  虢毅, 龚李越, 胡德华. 基于整合模型的在线健康社区用户持续使用意愿的影响因素研究. 2021. doi: 10.12201/bmr.202110.00041

  吴尚, 是沁, 秦 怡. 会话分析视角下在线健康社区医患交互模式研究. 2024. doi: 10.12201/bmr.202407.00044

  徐中阳, 楼海萍. 在线健康社区用户医疗健康服务需求研究——以杭州地区为例. 2021. doi: 10.12201/bmr.202101.00005

  吴震涛, 吴泰来. 在线健康社区中患者对医生不信任的影响因素研究. 2021. doi: 10.12201/bmr.202105.00007

  和红, 王鑫, 闫辰聿, 焦军. 影响中国人群心理健康的人口因素及机制——基于省级面板数据的实证研究. 2024. doi: 10.12201/bmr.202404.00029

  张雯, 张建同, 郭雨姗. 基于BERT和双通道语义协同的在线医疗评论情感分析. 2024. doi: 10.12201/bmr.202407.00042

  和红, 张琳梓, 王攀, 闫辰聿, 王鑫. 青少年自我评价体重对心理健康的影响. 2022. doi: 10.12201/bmr.202207.00034

  顾耀文, 李姣. 基于无监督深度学习的电子健康档案数据挖掘技术研究进展. 2021. doi: 10.12201/bmr.202104.00013

• 序号	提交日期	编号	操作
  1	2025-04-10	10.12201/bmr.202509.00007V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论