EmoLLM是什么
EmoLLM 是专注于心理健康支持的大型语言模型，旨在通过多模态情感理解为用户提供情绪辅导和心理支持。结合了文本、图像、视频等多种数据形式，基于先进的多视角视觉投影技术，从不同角度捕捉情感线索，更全面地理解用户的情绪状态。EmoLLM 基于多种开源大语言模型进行指令微调，支持情绪识别、意图理解、幽默检测和仇恨检测等情感任务。
EmoLLM的主要功能
- 理解用户：通过对话交互，识别用户的情绪状态和心理需求。
- 情感支持：提供情感支持，帮助用户缓解压力和焦虑。
- 心理辅导：结合认知行为疗法等方法，引导用户改善情绪管理和应对策略。
- 角色扮演：根据不同用户的需求，提供多种角色（如心理咨询师、温柔御姐、爹系男友等）的对话体验。
- 个性化辅导：根据用户的反馈和进展，提供定制化的心理辅导方案。
- 心理健康评估：使用科学工具评估用户的心理状态，诊断可能存在的心理问题。
- 教育和预防：提供心理健康知识，帮助用户了解如何预防心理问题。
- 多轮对话支持：通过多轮对话数据集，提供持续的心理辅导和支持。
- 社会支持系统：考虑家庭、工作、社区和文化背景对心理健康的影响，提供社会支持系统的指导。
EmoLLM的技术原理
- 多视角视觉投影（Multi-perspective Visual Projection）：EmoLLM 通过多视角视觉投影技术，从多个角度捕捉视觉数据中的情感线索。分析单个视角下的情感信息，通过构建基于图的表示来捕捉对象特征之间的关系。通过联合挖掘内容信息和关系信息，模型能提取出更适合情感任务的特征。
- 情感引导提示（EmoPrompt）：EmoPrompt 是用于指导多模态大型语言模型（MLLMs）正确推理情感的技术。通过引入特定任务的示例，结合 GPT-4V 的能力生成准确的推理链（Chain-of-Thought, CoT），确保模型在情感理解上的准确性。
- 多模态编码：EmoLLM 集成了多种模态编码器，以处理文本、图像和音频等多种输入。例如，使用 CLIP-VIT-L/14 模型处理视觉信息，WHISPER-BASE 模型处理音频信号，以及基于 LLaMA2-7B 的文本编码器处理文本数据。
- 指令微调：EmoLLM 基于先进的指令微调技术，如 QLORA 和全量微调，对原始语言模型进行精细化调整，能更好地适应心理健康领域的复杂情感语境。
EmoLLM的项目地址
- GitHub仓库：https://github.com/yan9qu/EmoLLM
- arXiv技术论文：https://arxiv.org/pdf/2406.16442
EmoLLM的应用场景
- 心理健康辅导：为用户提供情绪支持和建议。
- 情感分析：用于社交媒体情感监测、心理健康监测等。
- 多模态情感任务：如图像和视频中的情感识别。
