口语对话中移情注解和建模
提出了一个多维度的共情评估框架,该框架可以测量发言者表达意图以及听众感知到的共情,这两个维度之间存在相互关联,而感知到的共情与对话会话的满意程度有很高的相关性。为了自动测量对话中的共情,进行了不同的建模选项,包括使用预置的大型语言模型和基于序列到序列语言模型的分类器。经过广泛实验,表明使用序列到序列语言模型进行指导微调的分类器相对于之前的研究和竞争基准具有最好的性能。最后,对所提出的分类器的性能进行了全面的消融研究,并提出了将其作为自动对话共情评估指标的建议。
Feb, 2024
本研究建立了感同身受情感对话数据集,收集了受访者的特征、新闻文章引发的自我报告的同理心反应、对谈伙伴的他人报告,以及对话中表达的自我披露、情感和同理心等信息,旨在探讨不同形式的同理心与其他情感现象及人口统计学因素之间的关系,提供了预测这些特征的基线模型。
May, 2022
本文提出了一种名为 EMP-EVAL 的自动衡量共情的方法,该方法结合了情感、认知和情感共情,能够减少人工评估的需求并且与人类判断具有可比性。实验结果表明,我们的指标可以与人类喜好相关联。
Jan, 2023
我们系统地收集并筛选了 10 个著名数据库中的 801 篇论文,并对选中的 54 篇论文进行了分析。我们将这些论文根据共情检测系统的输入模态(文本、视听、音频和生理信号)进行分组,并对模态特定的预处理和网络架构设计协议、常用数据集描述和可用性细节以及评估协议进行了研究。我们进一步讨论了基于情感计算的共情领域的潜在应用、部署挑战和研究空白,这可以促进新的研究方向。我们相信我们的工作是发展一个包含隐私保护和无偏见、具有文化、多样性和多语言性的共情系统的垫脚石,可以在实践中提高人类生活的整体福祉。
Oct, 2023
本研究通过五个评估维度研究人们在对话系统中尝试引入共情时所存在的关键点和未来机会,发现用户建模和对用户情感的检测和鉴别是需要进一步研究的核心问题;同时,处理多模式输入,显示更细腻的共情行为,以及包括其他对话系统特征也是需要关注的问题。
May, 2022
通过计算实验,我们向你介绍了一种基于评价理论的识别共情言语中对齐过程的新方法,并证明了这些评价和对齐可以被准确地识别。在超过 9.2M 的 Reddit 会话实验中,我们发现评价能够捕捉行为的有意义的分组,但大多数回应的对齐程度很小。然而,我们发现心理健康专业人士在共情对齐方面参与得更多。
May, 2024
本文介绍在商业模型的同伴评审中捕捉情感和认知共情的注释方法,包括三种类型的评审组件,建议注释计划成功地引导注释器达成了大致一致的结果。我们训练了预测模型以检测注释的共情结构,并将其嵌入支持学生独立接收共情反馈的自适应写作支持系统中。我们还评估了我们的工具进行同伴学习锻炼,发现学生感知到共情技能的学习、反馈准确性和使用意愿的结果有所改善。最后,我们提供了 500 个带注释的同伴评审语料库和注释指南,以鼓励未来关于共情支持系统的设计和开发的研究。
May, 2021
本文介绍了一种基于计算方法的框架来理解在线心理健康平台上的情感表达,通过收集和共享大量语料来训练 RoBERTa-based bi-encoder 模型,成功识别出含有改善情感的会话,揭示用户无法通过自我学习获得改善情感能力,为情感培训和反馈提供机会。
Sep, 2020
深入调查自然语言处理对同理心的影响,发现缺乏明确的同理心定义与过度强调情感同理心导致构建有效性与可重复性不足,提出需要以认知同理心为核心的定义来指导同理心在 NLP 研究领域的应用,并探寻该领域的被忽视的机遇。
Oct, 2022