- 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。
- 面向以人为中心的设计的人工共情框架
该研究论文基于人类中心设计视角，探索了人工智能在发展人类中心设计中的未来方向，特别关注了人类设计者理解人类需求的能力。论文通过研究数据驱动的用户研究、共情理解的发展以及人工共情等研究领域，提出了人工共情框架，旨在将共情这一相对复杂且主观的概 - 基于认知、情感和行为的共情对话生成
该研究提出了 CAB 框架，该框架从认知、情感和行为三个角度出发，生成具有同情心的响应，并在自动和手动评估中均打败了现有的最先进模型。
- MM医学叙事文章情感分类任务中风格特征分析
运用构式语法与系统功能语法理论以及深度学习计算框架建模不同方面的情感语言，通过对预科生写的仿真病人 - 医生互动对话的 440 篇论文进行分类，研究这种新方法在共情计算任务方面的应用潜力。
- 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。
- 计算机说 “不”: 反对同情心对话人工智能的案例
本篇论文讨论了采用 AI 帮助情绪调节，在回应用户的情绪时，应当谨慎并考虑如何应对用户的情绪，以避免其对用户和社会产生负面影响，而不仅仅关注负面情绪的缓解。
- EMNLP愿我能感受到你的情感：一种神经生成共情回应的方法
该研究提出了一种新方法，整合情感原因、知识图谱和沟通机制，用于同情性回应生成，并在基准数据集上通过实验结果说明了该方法的有效性，并表明整合这些关键组件能够产生更具信息量和同情心的回应。
- EMNLPCARE: 有条件图生成的因果推理及移情回应
提出了一种新的名为 CARE 的框架，它通过使用 Conditional Variational Graph Auto-Encoder (CVGAE) 来推理所有可能的因果关系，并采用多源注意力机制来将这些因果关系注入到共情型对话响应生成中 - EMNLP关于共情和自然语言处理的关键反思和展望
深入调查自然语言处理对同理心的影响，发现缺乏明确的同理心定义与过度强调情感同理心导致构建有效性与可重复性不足，提出需要以认知同理心为核心的定义来指导同理心在 NLP 研究领域的应用，并探寻该领域的被忽视的机遇。
- 通过敏感情绪识别和合理知识选择的共情对话生成
为解决对话中情感的动态性和共情生成中的常识知识冲突问题，我们提出了一种串行编码和情感 - 知识相互作用（SEEK）方法，使用细粒度编码策略和知情与情感的相互作用建模，从而在共情对话生成方面表现出色。
- COLING使用多编码器融合策略来改善个性化回复选择
本文介绍一种基于 BERT 的个性化响应选择模型，融合对话者个性、情感和蕴含信息的交互关系，并在 Persona-Chat 数据集上进行表现测试，在 Top-1 准确率上跑出了 2.3% 以上的性能提升，取得了最新的最先进的性能。
- CASE: 对粗粒度到细粒度认知和情感的协调，以生成共情回应
使用常识认知图和情感概念图构建一个两级策略 (CASE)，以对齐粗粒度 (上下文认知和情感状态之间) 和细粒度 (每个特定认知和相应情感反应之间) 的认知和情感，从而实现共情回应，实验证明 CASE 在自动和人工评估中优于现有基线。
- 计算机情感共情抵消愤怒情绪对创造性问题解决的负面影响
通过一个基于情境特定情感模仿和透视技巧的冰川熊虚拟角色，我们介绍了一种计算机移情干预，研究了愤怒和移情如何影响人们解决创意问题的表现，并发现计算机移情可以抵消愤怒对创意问题解决的负面影响，从而提供了严谨、实证的证据证明了计算机移情可以反转愤 - 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 - 共情式对话系统：现有进展、差距和机遇综述
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。
- ACLEmpHi：以人类意图为基础生成具有共情能力的回应
提出一种新模型 EmpHi，用于生成与人类一致的移情回应，以解决现有模型中移情倾向分布的偏差问题，实验结果表明在自动和人类评估方面 EmpHi 在移情、相关性和多样性方面优于最先进的模型，并且案例研究表明我们的模型具有较高的可解释性和卓越的 - 人工智能协作增强基于文本的点对点心理健康支持中更具共情性的对话
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。
- 面向友好语音代理的日语共情对话语料库研究
介绍了一种新的语音语料库 STUDIES，用于开发一种语音代理程序，可以友好地说话，并通过将 “共情对话” 行为纳入口语对话系统来开发可以更自然地响应用户的声音代理程序。通过将交际者的情感标签和会话上下文嵌入到文本到语音合成中，可以产生与使 - 聊天机器人的心理健康评估
本文提出了以问卷为基础的聊天机器人心理健康评估方法，并针对一些开放式领域聊天机器人进行了评估，发现它们存在严重的心理健康问题，希望引起研究者的关注，从而提高聊天机器人在积极情感交互方面的能力。
- EMNLPCoral：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。