論文の概要: NLP meets psychotherapy: Using predicted client emotions and self-reported client emotions to measure emotional coherence

• arxiv url: http://arxiv.org/abs/2211.12512v1
• Date: Tue, 22 Nov 2022 14:28:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 14:03:07.373877
• Title: NLP meets psychotherapy: Using predicted client emotions and self-reported client emotions to measure emotional coherence
• Title（参考訳）: nlpは精神療法を満たす: 予測されたクライアント感情と自己報告されたクライアント感情を用いて感情コヒーレンスを測定する
• Authors: Neha Warikoo, Tobias Mayer, Dana Atzil-Slonim, Amir Eliassaf, Shira Haimovitz, Iryna Gurevych
• Abstract要約: 感情経験と感情表現の一貫性は、顧客にとって重要であると考えられる。 セラピーにおける感情の主観的経験と感情表現の心電図について検討した研究はない。 本研究は、トランスフォーマーに基づく感情認識モデルから感情予測を用いて感情コヒーレンスを研究するエンド・ツー・エンドのアプローチを提案する。
• 参考スコア（独自算出の注目度）: 44.82634301507483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotions are experienced and expressed through various response systems. Coherence between emotional experience and emotional expression is considered important to clients' well being. To date, emotional coherence (EC) has been studied at a single time point using lab-based tasks with relatively small datasets. No study has examined EC between the subjective experience of emotions and emotion expression in therapy or whether this coherence is associated with clients' well being. Natural language Processing (NLP) approaches have been applied to identify emotions from psychotherapy dialogue, which can be implemented to study emotional processes on a larger scale. However, these methods have yet to be used to study coherence between emotional experience and emotional expression over the course of therapy and whether it relates to clients' well-being. This work presents an end-to-end approach where we use emotion predictions from our transformer based emotion recognition model to study emotional coherence and its diagnostic potential in psychotherapy research. We first employ our transformer based approach on a Hebrew psychotherapy dataset to automatically label clients' emotions at utterance level in psychotherapy dialogues. We subsequently investigate the emotional coherence between clients' self-reported emotional states and our model-based emotion predictions. We also examine the association between emotional coherence and clients' well being. Our findings indicate a significant correlation between clients' self-reported emotions and positive and negative emotions expressed verbally during psychotherapy sessions. Coherence in positive emotions was also highly correlated with clients well-being. These results illustrate how NLP can be applied to identify important emotional processes in psychotherapy to improve diagnosis and treatment for clients suffering from mental-health problems.
• Abstract（参考訳）: 感情は様々な反応システムを通じて経験され、表現される。 感情経験と感情表現の一貫性は、顧客にとって重要であると考えられる。 これまで、感情コヒーレンス(ec)は、比較的小さなデータセットを持つラボベースのタスクを使用して、1つの時点に研究されてきた。 セラピーにおける感情の主観的経験と感情表現と、このコヒーレンスがクライアントの幸福と結びついているかどうかを調査した研究はない。 自然言語処理(NLP)アプローチは、心理療法の対話から感情を識別するために応用され、より大規模な感情過程を研究するために実装される。 しかし、これらの手法は、治療過程における感情経験と感情表現のコヒーレンスと、それがクライアントの幸福と関係しているかどうかを研究するためにはまだ使われていない。 本研究では、トランスフォーマーに基づく感情認識モデルから感情予測を用いて、心理療法研究における感情コヒーレンスとその診断可能性を研究する。 まず,ヘブライ語の心理療法データセットを用いたトランスフォーマティブ・アプローチを用いて,心理療法対話の発話レベルにクライアントの感情を自動的にラベル付けする。 その後,クライアントの自己報告感情状態とモデルに基づく感情予測との感情コヒーレンスについて検討した。 また,感情的コヒーレンスとクライアントの健康との関係についても検討した。 心理療法セッションにおいて,クライアントの自己報告感情と肯定的感情と否定的感情との間に有意な相関が認められた。 ポジティブ感情のコヒーレンスも,クライアントの幸福感と強く相関していた。 これらの結果は、NLPが精神療法における重要な感情過程を識別し、精神疾患に苦しむクライアントの診断と治療を改善する方法を示している。

関連論文リスト

• Deep Learning-Based Feature Fusion for Emotion Analysis and Suicide Risk Differentiation in Chinese Psychological Support Hotlines [18.81118590515144]
  本研究では,ホットライン相互作用中に表現される感情を分析し理解するために,ピッチ音響特徴と深層学習に基づく特徴を組み合わせる手法を提案する。 中国最大の心理支援ホットラインのデータを用いて、負のバイナリ感情分類においてF1スコア79.13%を達成した。 本研究は, 心理的評価尺度と自殺リスク予測の新たな特徴として, 感情変動強度と頻度が有効であることが示唆された。
  論文  参考訳（メタデータ） (2025-01-15T10:09:38Z)
• The Emotional Spectrum of LLMs: Leveraging Empathy and Emotion-Based Markers for Mental Health Support [41.463376100442396]
  RACLETTEは、最先端のベンチマークと比較すると、感情的精度が優れていることを示す対話システムである。 本研究では,ユーザの感情プロファイルを,メンタルヘルスアセスメントの解釈マーカーとして用いる方法を示す。
  論文  参考訳（メタデータ） (2024-12-28T07:42:29Z)
• Investigating Acoustic-Textual Emotional Inconsistency Information for Automatic Depression Detection [18.797661194307683]
  従来の研究では、単一の音響的感情ラベルからの感情的特徴がうつ病の診断精度を高めることが示されている。 うつ病の人は、意外にも穏やかな方法で否定的な感情的内容を伝えるかもしれない。 この研究は、感情的表現の不整合情報をうつ病検出に組み込んだ最初のものである。
  論文  参考訳（メタデータ） (2024-12-09T02:52:52Z)
• Personality-affected Emotion Generation in Dialog Systems [67.40609683389947]
  ダイアログシステムに与えられた個性に基づいて感情を生成する新しいタスクであるパーソナリティ影響感情生成を提案する。 本課題の課題,すなわち,(1)個性と感情的要因を不均一に統合し,(2)対話場面における多粒性感情情報を抽出する。 その結果,感情生成性能はマクロF1では13%,重み付きF1では5%向上することが示唆された。
  論文  参考訳（メタデータ） (2024-04-03T08:48:50Z)
• HealMe: Harnessing Cognitive Reframing in Large Language Models for Psychotherapy [25.908522131646258]
  メンタルエンハンスメント(HealMe)モデルにおける適応言語によるヘルピングとエンパワーメントについて紹介する。 この新しい認知的リフレーミング療法は、根深い否定的思考に効果的に対処し、合理的でバランスの取れた視点を育む。 我々は、認知リフレーミングのパフォーマンスを厳格に評価するために特別に設計された、包括的で専門的な心理学的評価指標を採用した。
  論文  参考訳（メタデータ） (2024-02-26T09:10:34Z)
• CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
  既存のアプローチは、苦痛の感情の原因を無視します。 彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。 本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
  論文  参考訳（メタデータ） (2024-01-31T11:30:24Z)
• E-CORE: Emotion Correlation Enhanced Empathetic Dialogue Generation [33.57399405783864]
  本稿では,感情相関を改良した共感対話生成フレームワークを提案する。 具体的には、文脈に基づく感情の相互作用を捉えるために、マルチレゾリューション感情グラフを考案した。 そこで我々は,感情相関強化デコーダを提案し,新しい相関認識アグリゲーションとソフト/ハード戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-25T12:47:39Z)
• Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction [55.47134146639492]
  この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。 実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-06T06:26:15Z)
• Disambiguating Affective Stimulus Associations for Robot Perception and Dialogue [67.89143112645556]
  知覚された聴覚刺激と感情表現の関連性を学ぶことができるNICOロボットを提供します。 NICOは、感情駆動対話システムの助けを借りて、個人と特定の刺激の両方でこれを行うことができる。 ロボットは、実際のHRIシナリオにおいて、被験者の聴覚刺激の楽しさを判断するために、この情報を利用することができる。
  論文  参考訳（メタデータ） (2021-03-05T20:55:48Z)
• Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
  外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。 本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:21:52Z)

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。