基于计算的方法了解文本心理健康支持中的同理心表达
本文提出了第一个公开可用的用于检测共情能力预测的标准，采用单项量表的方法可靠捕捉了作者对共情能力的评估，同时也是第一个区分多种共情形式的计算模型，实验表明CNN模型表现最佳。
Aug, 2018
本研究旨在通过提出一个新的情感重写任务和使用一种深度加强学习代理来提高在线心理健康支持平台上的情感表达，该代理利用了从GPT-2改编的transformer语言模型来完成生成具有情感内容的备选句子和在适当位置添加这些句子的任务，并通过一系列自动化和人工评价证明了其成功地生成了更具有共情性、特定性和多样性的响应，从而为促进网络平台上的共情会话提供了直接的启示。
Jan, 2021
本文通过设计一种AI辅助工作流程，根据用户的情感状态和文本关键词，使得在在线心理健康社区中进行情感支持成为可能，并提出了相应的设计建议。
Feb, 2022
该研究提出了Hailey，一种AI辅助的方案，可以帮助在线人互相提供心理健康支持，结果表明，与AI协作可以在同辈间提高19.60%的情感共鸣，并使自我效能得到提升。
Mar, 2022
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
本研究通过比较五款大型语言模型（LLMs）生成的相应和传统对话系统及人工生成的相应，发现LLMs在大多数情景中表现出更高的同理心，从而探索并验证LLMs在模拟心理咨询对话中生成同理心回应的能力。
Oct, 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
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
该研究提出了一个多模态数据集，用于个人经历分享中的共情研究，其中包含41名参与者在与人工智能代理共享脆弱经历并阅读共情共鸣故事期间的53小时视频、音频和文本数据。该数据集是首个关于共情的纵向数据集，通过社交机器人在参与者家中一个月的使用中收集，在自然的共情叙事互动中参与者与AI代理进行交互。研究引入一项新的任务，基于个人经历预测个体对他人故事的共情，评估其在个人共享故事环境和他们阅读故事的反思中的效果。研究为未来在上下文化和纵向共情建模方面的改进铺平了道路，并为发展富有共情能力的AI系统和理解真实世界情境下人类共情的复杂性提供了宝贵资源。
May, 2024