COLINGApr, 2024

在有限资源环境下提升健康辅导对话的研究

PDF
TL;DR通过构建一个对话系统，与患者进行交谈，帮助他们制定和实现特定目标，并且可以用同理心处理他们的情绪，我们提出了一种模块化的健康辅导对话系统，结合了简化的 NLU 和 NLG 框架以及机制条件下的同理心回应生成。我们的系统通过自动和人工评估显示出更具同理心、流畅和连贯的回应，优于 NLU 任务的最新技术，并且需要更少的注释。我们将我们的方法视为构建自动化和更易于访问的健康辅导系统的关键一步。
发现论文，激发创造
  • 通过神经符号目标总结和文本单元文本生成对低资源健康指导对话进行建模

    我们提出了一种神经符号化目标总结器来支持健康教练跟踪目标，以及一种与患者对话并帮助他们创建和完成特定的体育活动目标的文本单元 - 文本对话生成模型。我们的模型在消除了预定义模式和相应标注的同时，胜过了先前的最先进模型。我们还提出了一个扩展之前工作的新的健康教练数据集，并提出了一个基于数据难度衡量患者回应的不常规性的度量方法，以便在部署期间潜在地提醒教练。

    Apr, 2024

  • 在沟通性医疗辅导中对大型语言模型进行基准测试：一种新的系统和数据集

    通过聊天对话系统，结合自然语言处理技术，开发出了一个医学交流技能辅导平台，有效帮助医学学习者提高沟通能力，并对比了使用不同的语言模型的效果。

    Feb, 2024

  • 对话式健康代理：一种个性化的 LLM 驱动代理框架

    我们正在开发一个框架，通过赋予对话健康代理（CHAs）关键思维、知识获取和问题解决能力，以增强个人医疗保健服务，并展示其在处理复杂医疗任务中的熟练性和操作能力。

    Oct, 2023

  • 深度学习心理健康对话系统

    本研究旨在探讨使用基于 Seq2Seq Transformer 的生成式人工智能模型，作为心理辅导方案的可行性。作者开发了一种名为 Serena 的 DL 对话系统，利用该系统可以低成本、低门槛地提供情感共情和疏通服务。虽然该系统在质量和设置方面表现出色，但偶尔会出现幻觉和长期不连贯的情况。总体而言，该研究表明，基于深度学习的心理对话系统具有成为传统人类心理辅导师有效补充的潜力。

    Jan, 2023

  • 对话界面中的多模态共情

    本文介绍了一种基于大型语言模型和生成式人工智能的会话式健康代理，通过分析多模态线索，它可以解释和回应用户的情绪状态，从而提供具有情境意识和共鸣力的交流回应，从而巩固交互式、富有同情心的数字健康解决方案的前沿地位。

    May, 2024

  • 朝着可靠和富有同理心的抑郁症诊断导向聊天

    Chatbots can help diagnose depression by combining task-oriented conversations with empathy-related chit-chat, as demonstrated by an ontology-based framework applied to the D$^4$ dataset, resulting in improved task completion and emotional support generation.

    Apr, 2024

  • 融入不同的语言线索来改进基于文本的计算机交付的健康信息传递

    我们研究如何创建更有效的数字化医疗干预，从生成健康信息，选择适当的信息形式，到格式化参考用户先前的言述。

    Apr, 2024

  • Coral：面向心理健康应用的会话代理方法

    本篇论文采用先前的大规模预训练和移情对话数据来制造共情性对话，并采用多轮对话的安排来维持上下文，成功创建了一种用于心理健康应用的生成性共情开放域聊天机器人，并取得了现有测试集的最佳成果。

    Nov, 2021

  • 辅导对话的大规模分析：将自然语言处理应用于心理健康

    本篇论文介绍了一项大规模、定量化的研究，针对基于短信的咨询会话的话语进行了计算语言分析，发现了一些有助于改善会话效果的可操作的会话策略。

    May, 2016

  • 基于知识增强的 LLM 驱动的会话式健康智能助手：糖尿病患者案例研究

    使用知识注入的大型语言模型驱动的对话卫生代理 (Conversational Health Agent, CHA) 进行糖尿病患者的管理，通过整合外部知识和分析能力，包括美国糖尿病协会的膳食指南和 Nutritionix 的信息，以及营养摄入计算和与指南的比较等分析工具，与 GPT4 相比，该代理在生成管理重要营养素的回答方面表现出更好的性能。

    Feb, 2024