論文の概要: Boosting Distress Support Dialogue Responses with Motivational Interviewing Strategy

• arxiv url: http://arxiv.org/abs/2305.10195v1
• Date: Wed, 17 May 2023 13:18:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 15:59:36.053251
• Title: Boosting Distress Support Dialogue Responses with Motivational Interviewing Strategy
• Title（参考訳）: モチベーション型面接戦略による苦難支援対話応答の促進
• Authors: Anuradha Welivita and Pearl Pu
• Abstract要約: いくつかの応答型が、より MI に固執した形式に書き換えられるかを示す。 We build several rephrasers by fine-tuning Blender and GPT3 to rephrasers MI non-adherent "Advise without permission" response to "Advise with permission"
• 参考スコア（独自算出の注目度）: 4.264192013842096
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: AI-driven chatbots have become an emerging solution to address psychological distress. Due to the lack of psychotherapeutic data, researchers use dialogues scraped from online peer support forums to train them. But since the responses in such platforms are not given by professionals, they contain both conforming and non-conforming responses. In this work, we attempt to recognize these conforming and non-conforming response types present in online distress-support dialogues using labels adapted from a well-established behavioral coding scheme named Motivational Interviewing Treatment Integrity (MITI) code and show how some response types could be rephrased into a more MI adherent form that can, in turn, enable chatbot responses to be more compliant with the MI strategy. As a proof of concept, we build several rephrasers by fine-tuning Blender and GPT3 to rephrase MI non-adherent "Advise without permission" responses into "Advise with permission". We show how this can be achieved with the construction of pseudo-parallel corpora avoiding costs for human labor. Through automatic and human evaluation we show that in the presence of less training data, techniques such as prompting and data augmentation can be used to produce substantially good rephrasings that reflect the intended style and preserve the content of the original text.
• Abstract（参考訳）: AI駆動のチャットボットは、心理的苦痛に対処する新たなソリューションになりつつある。 精神療法データがないため、研究者たちはオンラインのピアサポートフォーラムから抽出した対話を使ってトレーニングする。 しかし、そのようなプラットフォームの応答は専門家によって与えられていないため、適合する応答と非整合応答の両方を含んでいる。 本稿では,モチベーション・インタビュー処理完全性(miti)コードという,確立された行動コーディング手法から適応したラベルを用いて,オンラインの苦難支援対話に存在するこれらの適合性や非適合性を考慮した応答型を認識し,チャットボット応答がmi戦略に適合することを可能にするような,よりmi密着型の応答型をどのように再現できるかを示す。 概念実証として、Blender と GPT3 を微調整し、MI の非従属な "Advise without permission" 応答を "Advise with permission" に書き換える。 擬似並列コーパスの構築により、人的労働のコストを回避できることを示す。 自動的, 人的評価により, より少ないトレーニングデータの存在下では, プロンプトやデータ拡張といった手法を用いて, 意図したスタイルを反映し, オリジナルテキストの内容を保存した, 極めて優れた表現を生成できることが示される。

関連論文リスト

• Prompt Engineering a Schizophrenia Chatbot: Utilizing a Multi-Agent Approach for Enhanced Compliance with Prompt Instructions [0.0699049312989311]
  統合失調症の患者は、しばしば認知障害を伴い、自分の状態について学ぶ能力を妨げることがある。 大規模言語モデル(LLM)は、トピックのメンタルヘルス情報をよりアクセシビリティとエンゲージメントを高める可能性を秘めているが、それらのブラックボックスの性質は倫理と安全に関する懸念を喚起する。
  論文  参考訳（メタデータ） (2024-10-10T09:49:24Z)
• Towards Empathetic Conversational Recommender Systems [77.53167131692]
  本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2024-08-30T15:43:07Z)
• Mitigating Unhelpfulness in Emotional Support Conversations with Multifaceted AI Feedback [9.57004333812654]
  感情支援のための多面的AIフィードバック(Muffin)で不健康を緩和する新しいモデル非依存フレームワークを提案する。 Muffin氏は、複数の要因を考慮して、特定のモデルによって生成された応答の有用性を評価するために、多面的なAIフィードバックモジュールを使用している。 以上の結果から,Muffinは応答頻度と関連性をわずかに増加させながら,非ヘルペス反応の発生を効果的に軽減することが示された。
  論文  参考訳（メタデータ） (2024-01-11T14:07:47Z)
• AutoReply: Detecting Nonsense in Dialogue Introspectively with Discriminative Replies [71.62832112141913]
  対話モデルは、不適切なメッセージを示す応答の確率を計算し、内観的に自分のメッセージの誤りを検出することができることを示す。 まず、手作りの返信は外交と同じくらい複雑なアプリケーションにおけるナンセンスを検出するタスクに有効であることを示す。 AutoReplyの生成した応答は手作りの応答よりも優れており、慎重に調整された大規模な教師付きモデルと同等に動作することがわかった。
  論文  参考訳（メタデータ） (2022-11-22T22:31:34Z)
• A Systematic Evaluation of Response Selection for Open Domain Dialogue [36.88551817451512]
  同じダイアログで生成された複数の応答生成元からの応答を、適切な(正)と不適切な(負)として手動でアノテートするデータセットをキュレートした。 反応選択のための最先端手法の体系的評価を行い、複数の正の候補を用いたり、手動で検証された強陰性候補を用いたりすることで、それぞれRecall@1スコアの3%と13%の増加など、相手のトレーニングデータを用いた場合と比較して、大幅な性能向上が期待できることを示す。
  論文  参考訳（メタデータ） (2022-08-08T19:33:30Z)
• What is wrong with you?: Leveraging User Sentiment for Automatic Dialog Evaluation [73.03318027164605]
  本稿では,次のユーザの発話から自動的に抽出できる情報をプロキシとして利用して,前のシステム応答の質を測定することを提案する。 本モデルは,実際のユーザおよび有償ユーザから収集した音声と書面の両方のオープンドメインダイアログコーパスを一般化する。
  論文  参考訳（メタデータ） (2022-03-25T22:09:52Z)
• MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation [64.37111498077866]
  本稿では,感情支援会話のための新しいモデルを提案する。 ユーザの微妙な感情状態を推測し、その後、戦略の混合を使って巧みに応答する。 評価実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-25T10:32:04Z)
• Unsupervised Contextual Paraphrase Generation using Lexical Control and Reinforcement Learning [3.2811284938530636]
  自己回帰モデルを用いた文脈パラフレーズ生成のための教師なしフレームワークを提案する。 また, 意味的類似性, テクスト的含意, 表現の多様性, フラレンシに基づく自動測定法を提案し, 文脈的パラフレーズの質を評価する。
  論文  参考訳（メタデータ） (2021-03-23T18:22:03Z)
• Saying No is An Art: Contextualized Fallback Responses for Unanswerable Dialogue Queries [3.593955557310285]
  ほとんどの対話システムは、ランク付けされた応答を生成するためのハイブリッドアプローチに依存している。 ユーザクエリに対して文脈的に認識された応答を生成するニューラルネットワークを設計する。 我々の単純なアプローチでは、依存関係解析のルールと、質問応答ペアの合成データに基づいて微調整されたテキストからテキストへの変換を行う。
  論文  参考訳（メタデータ） (2020-12-03T12:34:22Z)
• Generating Dialogue Responses from a Semantic Latent Space [75.18449428414736]
  語彙のエンドツーエンド分類に代わる方法を提案する。 潜在空間上の回帰タスクとして,プロンプトと応答のペア関係を学習する。 人間の評価は、連続した空間でタスクを学習すると、関連性と情報性の両方を持つ応答が生成されることを示した。
  論文  参考訳（メタデータ） (2020-10-04T19:06:16Z)
• Learning an Unreferenced Metric for Online Dialogue Evaluation [53.38078951628143]
  本稿では,大規模な事前学習言語モデルを用いて発話の潜在表現を抽出する非参照自動評価指標を提案する。 提案手法は,オンライン環境でのアノテーションと高い相関性を実現すると同時に,推論時に比較に真の応答を必要としないことを示す。
  論文  参考訳（メタデータ） (2020-05-01T20:01:39Z)

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。