超越静态分类法的青年危机对话的关键词生成表示

危机响应者 (CR) 每年快速评估数千条青少年短信对话，以识别心理健康问题并指导支持。然而，青少年的苦恼越来越多地通过不断变化的、针对具体情况的语言来表达，而这些语言往往不符合固定标签的分类法。这项工作分析了 703,975 条去识别化的儿童帮助电话对话（2018-2023 年），并将 KHP 的 19 标签问题分类法扩展为 39 标签分层架构。然后，我们介绍了关键短语生成表示 (KGR)，这是一种受约束的 LLM，可生成简洁的、特定于对话的关键短语，并在 129 个对话和 387 个专家注释中进行评估。扩展的分类法达到了专家共识的可靠性，准确度为 0.96，专家评审发现 81% 的关键短语准确反映了内容，74% 提高了清晰度。 KGR 浮现了固定分类中缺少的与身份相关的主题，包括移民问题和护理人员负担，并支持主题检索工作流程，与手动分析流程相比，该工作流程的准确性从 0.25 提高到 0.70 (+0.45)。 KGR 标志着向混合的、可解释的生成表征的转变，它将危机应对扩展到静态分类法之外，以揭示新兴的、基于文化的青年困境模式。