ACLMay, 2024

EmpathicStories++: 一个面向个人经历的多模态数据集

PDF
TL;DR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。
empathymultimodal datasetpersonal experience sharingsocial robotsempathetic ai systems
发现论文，激发创造
  • MEDIC：心理咨询中的多模态共情数据集

    本文构建了一个多模态共情数据集，并提出了三类标签来描述心理治疗师与客户之间的共情程度，同时使用了三种典型方法来预测共情。

    May, 2023

  • 移情对话：上下文对话的多层数据集

    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

  • 面向共情的开放领域对话模型：新基准和数据集

    本文提出了一个新的共情对话生成指标和一个基于具有情感情境的 25k 个会话的新数据集 EmpatheticDialogues，实验表明使用我们的数据集的对话模型被人类评估员认为比仅在大规模互联网对话数据上训练的模型更具有移情能力，同时还通过实验比较了对情感回应进行的对话模型调整，利用现有模型或数据集而无需重新训练完整模型

    Nov, 2018

  • 建模个人叙述中的共情相似性

    本篇研究提出一种基于共情共鸣的个人故事相似度计算方法，通过对个人故事中的主要事件、情感轨迹和总体价值等三个特征进行操作来得出共情相似度得分，并使用 1500 个故事和 2000 对故事进行了数据集制作与模型的训练，最终证实了基于共情的相似度计算模型不仅在数据检索表现方面媲美基于词汇语义的模型，还能有效地促进人与人之间的情感共鸣与联系。

    May, 2023

  • 情感回应生成的理论驱动数据集构建与优化

    我们提出了一种新方法，利用理论驱动的偏好数据集和优化算法来对齐 LLMs，以提高情感回应生成的质量和模型的泛化性能，并通过 EmpatheticDialogues 数据集以及 diff-EPITOME 和 BERTscore 指标来评估其效果。

    Jun, 2024

  • 在复杂故事中建模情感：斯坦福情感叙事数据集

    本文通过时间序列建模和高质量数据集的采集来建立动态情感刺激的模型，在此基础上介绍第一版本的斯坦福情感叙述数据集（SENDv1）。该数据集是自我节奏、非手稿的丰富、多模态视频，标注情感质量随时间的变化，为情感计算的当代时间序列方法提供了挑战，并通过多种基准和最先进的建模方法展示了良好的表现。

    Nov, 2019

  • 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

  • 一种基于同情心的自我依恋治疗 AI 辅导员

    通过基于规则的对话代理和深度学习分类器结合的方式，我们提出了一种数字教练配置方案，用于引导用户在自我附着治疗协议方面进行练习，并在虚拟疗法会话中达到高度参与度。在与 N=16 参与者进行的非临床试验中，我们发现与简单的规则基础框架相比，我们的平台在共情性，用户参与度和实用性方面都能得到更好的评价，并提供进一步改进设计和性能的指南。

    Sep, 2022

  • EMMI -- 恻隐的多模态动机性访谈数据集：分析与标注

    通过研究多模式交互在治疗中的应用，可以深入理解治疗师和患者的行为，从而开发支持治疗的多模式虚拟代理。本研究旨在揭示治疗师如何巧妙地将治疗任务目标（应用经典的激励性面谈步骤）与社交目标（建立信任关系和表达同理心）相结合，并将患者分为不同的 “类型”，需要量身定制的治疗方法。通过多模式注释的模拟激励性面谈对话语料库，本研究分析了治疗师和患者的功能行为，以开发强调社交和同理心行为的多模式虚拟代理。分析结果发现了三类在行为和治疗师对这些类型的行为和适应性的差异方面表现出显著差异的患者群体，展示了治疗师根据对话的当前情况和用户类型能够调整自身行为的重要性。

    Jun, 2024

  • 将生理数据与大型语言模型集成用于共情的人工智能与人类交互

    通过将生理数据与大型语言模型（LLMs）相结合，探索增强共情的方法。我们提出了一种生理计算方法，包括开发利用生理数据识别心理状态的深度学习模型，并将预测的状态与 LLMs 集成以进行共情交互。我们展示了这种方法在一个基于共情 LLM 聊天机器人用于压力监测和控制的应用。我们还讨论了一项副研究的结果，评估该 EmLLM 聊天机器人准确预测用户压力、提供类人回应以及评估与用户的治疗联盟的能力。

    Apr, 2024