观察治疗对话:行为编码分类和预测
通过利用匿名化的在线辅导对话数据集并利用 ConvMFiT,定义有意义的类别以分类客户话语,该模型优于现有模型的性能,并确认模型与期望的语言模式相关的注意权重。
Mar, 2019
使用链式交互提示方法,将大型语言模型应用于心理治疗行为编码,从而实现了预测患者状态和支持决策的目标,该方法可在真实环境中有效地运用于实践。
Mar, 2024
多模态特征的分类器可以准确区分变化言谈,持续言谈和跟随 / 中性言谈,在 Motivational Interviewing 中进行精确分类至关重要。通过对可公开获得的 AnnoMI 数据集进行注释,我们训练了一个使用文本、语调、面部表情和体态表达等多模态特征的模型,进一步发现了决策过程中最重要的感知模态,提供了不同感知模态在 Motivational Interviewing 对话中的相互作用的有价值的洞见。
Sep, 2023
本研究解决了在线点对点支持会话中缺乏关于同行辅导员行为系统心理学评价与客户满意度的研究,使用 17 种情境式采访技巧标注了 14,797 个言论,自动标记同行辅导员对情境式采访技术的反应,通过相关性研究探讨了采访技术对会话表现的影响,发现当辅导员使用反映和肯定等技术时,客户更为满意;观察志愿辅导员技术使用的变化表明,辅导员在经验积累时学会使用更多的介绍和开放性问题。该研究可提供对同行辅导员平台上情境式采访技术的深入理解,并为建立更好的在线培训课程提供了新的视角。
Nov, 2022
构建对话系统(对激励用户采用积极生活方式改变的任务)需要一个能够有效地推断如何激励用户的系统。我们提出了 DIIT 框架,它能够从专家示范中学习和应用对话策略(自然语言归纳法则)。自然语言策略描述的自动化和人工评估表明,DIIR 发现的自然语言策略描述能够改善积极倾听技巧,减少主动给出建议,并促进更协作和不过于权威的回应,胜过各种示范利用方法。
Mar, 2024
使用机器学习方法基于计算机视觉从临床诊断面谈视频中提取行为代码和概念,并将其与人类专家测评进行比较,较差的凝视和言语概念的表现指出需要提高数据质量或使用其他数据模态。
Jul, 2022
本文正式定义和介绍了社会影响对话系统的类别,该类别通过自然对话影响用户的认知和情感反应,从而引起思想、观点和行为上的变化。作者编制了各种任务、数据集和方法的调查,汇编了七个不同领域的进步情况,并讨论了所研究系统的共性和差异,指出了局限性并提出未来的研究方向。本研究作为社会影响对话系统的全面参考,可以激发在这个新兴领域更专注的研究和讨论。
Oct, 2022
本研究利用在线支持论坛的对话数据,使用名为 MITI 的行为编码模式,尝试识别在在线心理疾患支持对话中存在的符合和不符合类型,并构建重述器使用数据增强和提示技术来提高 Chatbot 的 MI 一致性。经过自动和人工评估,本研究证明了该方法在数据量较少时也能产生反映预期风格且保留原始文本内容的好的重述结果。
May, 2023