論文の概要: A Computational Approach to Understanding Empathy Expressed in
Text-Based Mental Health Support
- arxiv url: http://arxiv.org/abs/2009.08441v1
- Date: Thu, 17 Sep 2020 17:47:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 11:56:42.340499
- Title: A Computational Approach to Understanding Empathy Expressed in
Text-Based Mental Health Support
- Title(参考訳): テキストベースメンタルヘルス支援における共感理解への計算的アプローチ
- Authors: Ashish Sharma, Adam S. Miner, David C. Atkins, Tim Althoff
- Abstract要約: オンラインメンタルヘルスプラットフォームにおいて共感がどのように表現されるかを理解するための計算手法を提案する。
我々は,テキストベースの会話における共感のコミュニケーションを特徴付けるための,理論的基盤の統一フレームワークを開発する。
- 参考スコア(独自算出の注目度): 11.736179504987712
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Empathy is critical to successful mental health support. Empathy measurement
has predominantly occurred in synchronous, face-to-face settings, and may not
translate to asynchronous, text-based contexts. Because millions of people use
text-based platforms for mental health support, understanding empathy in these
contexts is crucial. In this work, we present a computational approach to
understanding how empathy is expressed in online mental health platforms. We
develop a novel unifying theoretically-grounded framework for characterizing
the communication of empathy in text-based conversations. We collect and share
a corpus of 10k (post, response) pairs annotated using this empathy framework
with supporting evidence for annotations (rationales). We develop a multi-task
RoBERTa-based bi-encoder model for identifying empathy in conversations and
extracting rationales underlying its predictions. Experiments demonstrate that
our approach can effectively identify empathic conversations. We further apply
this model to analyze 235k mental health interactions and show that users do
not self-learn empathy over time, revealing opportunities for empathy training
and feedback.
- Abstract(参考訳): 共感はメンタルヘルスサポートの成功に不可欠である。
共感の測定は主に同期的で対面的な設定で行われており、非同期なテキストベースのコンテキストには変換できない。
何百万人もの人々がメンタルヘルスサポートにテキストベースのプラットフォームを使っているため、これらのコンテキストにおける共感を理解することは重要です。
本稿では,オンラインメンタルヘルスプラットフォームにおける共感の表現方法を理解するための計算的アプローチを提案する。
テキストベースの会話における共感のコミュニケーションを特徴付ける新しい統一的理論的根拠付きフレームワークを開発した。
この共感フレームワークを用いて10kペア(post, response)のコーパスを収集,共有し,アノテーション(rationales)の証拠を提供する。
マルチタスクのRoBERTaベースのバイエンコーダモデルを構築し、会話の共感を識別し、その予測の根拠を抽出する。
実験は、このアプローチが共感的な会話を効果的に識別できることを実証する。
さらに,このモデルを用いて235kのメンタルヘルスインタラクションを分析し,ユーザが時間とともに自己学習的共感を行わないことを示し,共感トレーニングやフィードバックの機会を明らかにする。
関連論文リスト
- Enablers and Barriers of Empathy in Software Developer and User
Interaction: A Mixed Methods Case Study [11.260371501613994]
開発者とエンドユーザ間の共感の実践について検討した。
我々は共感を誘発するために必要な認識の性質と共感の実現者を特定した。
共感の障壁と、これらの障壁を克服するための潜在的な戦略を発見した。
論文 参考訳(メタデータ) (2024-01-17T06:42:21Z) - Empathy Detection Using Machine Learning on Text, Audiovisual, Audio or
Physiological Signals [6.148135418618006]
10の有名なデータベースから801の論文を体系的に収集・スクリーニングし、選択した54の論文を分析した。
本論文は,共感検出システムの入力モダリティ,すなわちテキスト,オーディオ視覚,オーディオ,生理的信号に基づいてグループ化する。
我々は、Affective Computingベースの共感ドメインにおける潜在的なアプリケーション、デプロイメント課題、研究ギャップについて論じる。
論文 参考訳(メタデータ) (2023-10-30T08:34:12Z) - MEDIC: A Multimodal Empathy Dataset in Counseling [19.33251534760171]
対面心理カウンセリングセッションから収集したマルチモーダル共感データセットを構築した。
経験の表現は、クライアントが共感を誘発する経験を表現したかどうかを記述し、感情的および認知的反応はカウンセラーの共感的反応を示す。
本研究では,テンソル融合ネットワーク,感情的単語認識融合ネットワーク,単純な結合モデルなどの3つの典型的な手法を用いて共感予測を行う。
論文 参考訳(メタデータ) (2023-05-04T14:02:02Z) - Wish I Can Feel What You Feel: A Neural Approach for Empathetic Response
Generation [2.5255184843886225]
本稿では,感情の原因,知識グラフ,共感応答生成のためのコミュニケーション機構という,3つの要素を統合した新しいアプローチを提案する。
実験結果から,鍵成分を組み込むことにより,より情報的,共感的な反応が生じることが示された。
論文 参考訳(メタデータ) (2022-12-05T03:20:37Z) - CASE: Aligning Coarse-to-Fine Cognition and Affection for Empathetic
Response Generation [59.8935454665427]
共感的対話モデルは、通常、感情的な側面のみを考慮するか、孤立して認知と愛情を扱う。
共感的対話生成のためのCASEモデルを提案する。
論文 参考訳(メタデータ) (2022-08-18T14:28:38Z) - EmpBot: A T5-based Empathetic Chatbot focusing on Sentiments [75.11753644302385]
共感的会話エージェントは、議論されていることを理解しているだけでなく、会話相手の暗黙の感情も認識すべきである。
変圧器事前学習言語モデル(T5)に基づく手法を提案する。
本研究では,自動計測と人的評価の両方を用いて,情緒的ダイアログデータセットを用いたモデルの評価を行った。
論文 参考訳(メタデータ) (2021-10-30T19:04:48Z) - CheerBots: Chatbots toward Empathy and Emotionusing Reinforcement
Learning [60.348822346249854]
本研究では,複数の共感型チャットボットがユーザの暗黙の感情を理解し,複数の対話のターンに対して共感的に応答する枠組みを提案する。
チャットボットをCheerBotsと呼びます。CheerBotsは検索ベースまたは生成ベースで、深い強化学習によって微調整されます。
共感的態度で反応するため,CheerBotsの学習支援としてシミュレーションエージェントである概念人間モデルを開発し,今後のユーザの感情状態の変化を考慮し,共感を喚起する。
論文 参考訳(メタデータ) (2021-10-08T07:44:47Z) - Perspective-taking and Pragmatics for Generating Empathetic Responses
Focused on Emotion Causes [50.569762345799354]
i) 相手の感情が発話から引き起こされる原因となる単語を特定することと, (ii) 応答生成における特定の単語を反映することである。
社会的認知からインスピレーションを得て、生成的推定を用いて、感情が単語レベルのラベルのない発話から単語を推論する。
論文 参考訳(メタデータ) (2021-09-18T04:22:49Z) - Exemplars-guided Empathetic Response Generation Controlled by the
Elements of Human Communication [88.52901763928045]
そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。
これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
論文 参考訳(メタデータ) (2021-06-22T14:02:33Z) - Towards Facilitating Empathic Conversations in Online Mental Health
Support: A Reinforcement Learning Approach [10.19931220479239]
心理学者は、共感が支持的な会話にポジティブな結果をもたらす重要な要素であることを繰り返し示してきた。
最近の研究では、オンラインメンタルヘルスプラットフォームでは、非常に共感的な会話がまれであることが示されています。
低共感の会話投稿を高共感に変えることを目的とした共感的書き換えの新しいタスクを紹介します。
論文 参考訳(メタデータ) (2021-01-19T16:37:58Z) - Towards Persona-Based Empathetic Conversational Models [58.65492299237112]
共感的会話モデルは、多くのドメインにおけるユーザの満足度とタスク結果を改善することが示されている。
心理学において、ペルソナは人格と高い相関関係があることが示され、それによって共感に影響を及ぼす。
本研究では,ペルソナに基づく共感的会話に対する新たな課題を提案し,ペルソナが共感的反応に与える影響に関する最初の経験的研究を示す。
論文 参考訳(メタデータ) (2020-04-26T08:51:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。