AI-Hub

데이터 변경이력

데이터 히스토리

소개

우울증, 불안장애, 중독 등 정신질환자를 대상으로 구조화된 심리상담 프로토콜을 활용해 수집된 1,661시간의 음성데이터와 이를 전사한 40만 토큰 이상의 텍스트로 구성된 학습용 데이터셋

구축목적

우울증, 불안장애, 중독 등 정신질환을 판별하고 관리할 수 있는 학습용 심리상담 데이터 구축을 목적으로함

1. 데이터 구축 규모 및 데이터 분포

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

1. 모델 학습

 1) 대화 분석을 통한 심리 질환의 판별
  ● 임무 유형: 분류
  ● 학습모델: KlueBERT (Korean Language Understanding Evaluation BERT)
  ● 모델 설명: Kluebert 모델을 기반으로 상담기록 (string) 에 대하여 우울/중독/불안 정신질환에 대한 0/1의 예측 값을 도출하는 모델
  ● Input and Output
      - Input :  (string) 상담자와 내담자의 발화자 구분 표시가 되어 있는 상담내용 스크립트
      - Output : (int) 0 또는 1의 예측값으로서, 정신질환의 유무를 나타냄
  ● Task: 상담 후 녹취된 스크립트 데이터를 바탕으로 우울/중독/불안 정신질환의 위험도를 자동으로 예측하는 분류 작업을 수행

 2) 대화 분석을 통한 심리상담 요약보고서 생성
  ● 임무 유형: 생성
  ● 학습모델: Koalpaca 4bit 모델 ("EleutherAI/polyglot-ko-12.8b") 기반으로 추가 학습 진행
  ● 모델 설명: Koalpaca 4bit 모델 ("EleutherAI/polyglot-ko-12.8b")을 기반으로 상담기록 (string) 에 대하여 요약보고서를 생성하는 모델
  ● Input and Output
      - Input :  (string) 상담자와 내담자의 발화자 구분 표시가 되어 있는 상담내용 스크립트
      - Output : (string) 요약보고서 텍스트
  ● Task: 상담 후 녹취된 스크립트 데이터를 바탕으로 주요 증상, 위험요인, 개선 요인, 상담사의 개입 요인 등을 담은 요약보고서를 생성

2. LLM 의 Hallucination 방지를 위한 보완 조치
  ● koaplaca 를 이용한 상담데이터 요약문 작성 모델에서 Hallucination (환각, 엉뚱한 말의 생성) 을 방지하기 위해 아래와 같이 조치함

 1) 일관되며 정형화된 (사람이 만든) 요약문 데이터의 활용
  ● 심리상담 분야에 자격을 갖춘 데이터 메이커들이 상담데이터에 대해서 일관되며 정형화된 규칙과 구조의 요약문을 생성하였고, 그 텍스트를 기반으로 output 을 내도록 학습을 설계함. 500 step 을 거치며 해당 데이터를 학습한 AI가 생성한 텍스트도 이에 따라 "주요 증상, 위험 요인, 개선 요인, 개입요인"으로 구조화 되어 관련 내용을 정확히 담을 수 있도록 학습 수행.

 2) prompt 변경 실험 수행
  ● 학습된 텍스트는 명령어, 맥락, 답변으로 구성되어 있으며 이 중에서 명령어 프롬프트를 정확하고 명료한 텍스트로 구성하기 위해 여러가지 실험 수행. "다음과 같은 상담기록을 보고 요약서를 작성해주세요." 로 결정되었음.

 3) 생성된 텍스트의 후가공 조치 (post processing) 를 통한 최종 텍스트 도출
  ● <|endoftext|>, <|sep|> 등의 분리 기능을 수행하는 인자를 포함하여 텍스트를 학습하였으며, 생성되는 1차적인 텍스트에서 후가공을 통해 추가적인 환각 텍스트를 더 생성하지 않도록 조정함.

 4) 비식별화 조치
  ● 텍스트 내에서 민감 정보나 이름, 주소 등이 노출되지 않도록 데이터 제작 과정에서부터 철저한 비식별화조치가 수행되었고, 이에 따라 AI 가 생성한 텍스트에서도 이름 등이 @NAME 으로 대체 표기 되어 요약문을 만든 것을 확인할 수 있음.

3. 서비스 활용 시나리오
  ● 구축한 모델은 내담자의 정신질환 분류, 상담 대화 분석 및 요약서비스 등 심리상담 지원 툴 개발에 활용할 수 있음
  ● 심리상담 내담자의 정신질환 분류 활용
      - 심리상담의 효과를 모니터링 하기위해, 정신질환 분류 모델을 활용하여 매 회기 내담자의 상태를 확인하거나, 종결 평가시 내담자의 상태를 확인하여 정신질환이 탐지되는지 확인할 수 있음
  ● 심리상담 회기 요약 활용
      - 상담사는 진행한 심리상담에 대해 핵심 정보를 요약문으로 확인할 수 있어 내담자의 상태에 따른 상담 진행 관리 및 다음 회기 계획 수립에 활용할 수 있음 

설명서 및 활용가이드 다운로드

1. 데이터 구성
 1) 원천데이터 구성     

 2) 라벨링데이터 구성

 3) 폴더명 구성 정보

 4) 파일명 구성 정보

 5) 클래스 분류

2. 어노테이션 포맷

3. 데이터 포맷

4. 실제 예시

{    "filename": "label_anxiety_5_check_X003",
    "id": "X003",
    "age": 50,
    "gender": "남",
    "depression": 0,
    "anxiety": 2,
    "addiction": 0,
    "class": "ANXIETY",
    "summary": "주요 증상: 내담자는 아들의 미래에 대한 걱정으로 인해 잠을 잘 이루지 못하고, 사소한 일에도 짜증이 나며, 불안한 마음이 있다고 표현했다. 이러한 증상들은 내담자가 일상생활에서 느끼는 불안과 스트레스를 반영하고 있다.\n\n위험 요인: 내담자는 아들의 행동에 대한 불안과 분노를 표현하며, 자신의 감정을 조절하는 데 어려움을 겪고 있다. 또한, 집안일을 하면서 짜증이 나고, 아들의 미래에 대한 걱정으로 스트레스를 받고 있다.\n\n개선 요인: 내담자는 아들과의 관계에서 내려놓을 것은 내려놓고, 아들을 응원하고 지지하려는 태도를 보이며, 자신의 감정을 인지하고 조절하려고 노력하고 있다. 또한, 상담을 통해 자신의 감정을 표현하고, 불안을 해소하려고 하는 모습을 보인다.\n\n상담사의 개입 요인: 상담사는 내담자의 감정을 이해하고 지지하며, 내담자가 자신의 감정을 인지하고 조절할 수 있도록 돕고 있다. 또한, 내담자가 아들과의 관계에서 긍정적인 변화를 이끌어낼 수 있도록 변화 동기를 촉진하고, 구체적인 목표와 계획을 수립하도록 지원하고 있다.",
    "silence": 42.18,
    "total_time": 4241,
    "paragraph": [
        {
            "start_point": 0,
            "end_point": 40,
            "character_count": 233,
            "cps": 6,
            "paragraph_speaker": "상담사",
            "paragraph_text": "오늘 저희 다섯 번째 맞죠? 다섯 번째 시간 상담을 시작해 보려고 합니다. 사전 검사지에 오늘 2번, 3번, 5번에 1점을 주셨네요. 요 며칠 동안 이런 생각들이 드셨다는 건데 좀 계속 같은 생각들이 머물고 계신다는 의미겠죠? 2번에 걱정하는 것을 멈추거나 조절할 수가 없다에 1점을 주셨고 이 부분은 혹시 특히 많이 생각나는 부분들이 뭘까요? 지난번에 말씀하셨던 아드님에 관한 일일까요? 다른 부분이 또 있으실까요?",
            "anxiety_mood": 0,
            "derealization": 0,
            "perceived_loss_of_control": 0,
            "anxiety_control": 0,
            "concentration": 0,
            "avoidance": 0,
            "physical_symptoms": 0,
            "fatigue": 0,
            "irritability": 0,
            "sleep_disturbance": 0,
            "trauma_experience": 0,

데이터셋 구축 담당자

수행기관(주관) : ㈜안드레이아

수행기관(참여)

데이터 관련 문의처

AI모델 관련 문의처

저작도구 관련 문의처