ACLMay, 2021

支持学生认知和情感共情写作

PDF
TL;DR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。
发现论文，激发创造
  • 德语论证写作支持语料库

    本文提供了一种新颖的注释方法，以捕获德语商业模型学生写作的有关论点和前提以及它们之间的关系，并通过 50 篇说服性文章上的标注研究来评估我们的注释方案，呈现了我们的免费语料库以及指南，以鼓励未来针对学生的论述写作支撑系统的设计和开发的研究。

    Oct, 2020

  • 口语对话中移情注解和建模

    本文提出并评估了一种情感识别标注方案，通过构建自动分割和分类系统，通过调查语言和声学空间中的特征来识别通话中的共情。该系统在呼叫中心对话中表现出明显的优异性能。

    May, 2017

  • 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

  • EMP-EVAL：一个在开放域对话中评估情感共鸣的框架

    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

  • 情感感知、情感不可知或自动化：获取认知事件评估注释的语料库创建策略

    本文探讨了基于情感理论的评估维度对于模拟人类情感分析的重要性，并对比了不同基于事件的语料库的手工和自动标注策略，在此基础上提出了 RoBERTa 模型进行情感分析的改进方法。

    Feb, 2021

  • 新闻报道中的同理心和悲痛建模

    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

  • 从用户对文档的回应中学习词语的共情和痛苦评分

    利用深度学习方法针对高级监督学习自动创建移情词汇评分，研究比较了几种不同的学习方法得出 Mixed-Level Feed Forward Network (MLFFN) 模型最佳，使用 MLFFN 模型创建了史无前例的移情词典，并使用 Signed Spectral Clustering 获得其结果的深入洞察。

    Dec, 2019

  • 自然语言处理用于情感认知分析

    本研究介绍一种新的情感分析标注方法，提出一种基于自传故事纪录的情感分析的数据集，探索了使用基于规则的自动标注方法来标注情感及其语义角色，以便教练识别相关方面，并探讨了基于图结构的情感分析的未来方向。

    Oct, 2022

  • 情感评分：强度、注释置信度和一致性的纠缠

    人类判断文本情感内容时，情感强度影响了他们的自信程度，影响了标注结果的一致性，而这一现象对情感强度的建模有重要影响。

    Mar, 2021

  • 机器能与人类共鸣吗？评估语言模型的情感和共情理解能力

    通过人类交互动态的深度相互关联，人类关怀在促进亲社会行为方面起着关键作用，然而，利用自然语言处理方法对关怀进行建模仍然具有挑战性。从我们对提高语言模型中理解关怀的追求出发，我们提出了几种策略，包括在掩码语言模型中进行对比学习以及使用大型语言模型进行监督微调。尽管这些方法相对于以往的方法展示出了改进，但整体结果仍然不令人满意。为了更好地理解这一趋势，我们进行了分析，发现标注者之间存在低一致性。这种缺乏共识阻碍了训练，并强调了任务的主观性。我们还探讨了注释对文化的影响。为了研究这一点，我们精心收集了乌尔都语的故事对，并发现在解释标注者之间的关怀时主观性似乎与文化背景无关。我们对语言模型对关怀理解的系统探索所获得的见解表明，在任务制定和建模方面还有相当大的探索空间。

    Jun, 2024