論文の概要: KMI: A Dataset of Korean Motivational Interviewing Dialogues for Psychotherapy

• arxiv url: http://arxiv.org/abs/2502.05651v1
• Date: Sat, 08 Feb 2025 17:53:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:35:34.533236
• Title: KMI: A Dataset of Korean Motivational Interviewing Dialogues for Psychotherapy
• Title（参考訳）: KMI : 心理療法のための韓国のモチベーション面接対話のデータセット
• Authors: Hyunjong Kim, Suyeon Lee, Yeongjae Cho, Eunseo Ryu, Yohan Jo, Suran Seong, Sungzoon Cho,
• Abstract要約: モチベーション・インタヴュー(MI)は,これらのチャットボットの開発における専門知識向上の理論的基盤として注目されている。 本稿では,専門的セラピストの専門知識に富んだMIセッションをシミュレートする新しいフレームワークを提案する。 提案するKMIは、理論上はMIに基礎を置いている最初の合成データセットであり、高品質な韓国のモチベーション・インタビュー対話を1000種類含んでいる。
• 参考スコア（独自算出の注目度）: 5.305294122910311
• License:
• Abstract: The increasing demand for mental health services has led to the rise of AI-driven mental health chatbots, though challenges related to privacy, data collection, and expertise persist. Motivational Interviewing (MI) is gaining attention as a theoretical basis for boosting expertise in the development of these chatbots. However, existing datasets are showing limitations for training chatbots, leading to a substantial demand for publicly available resources in the field of MI and psychotherapy. These challenges are even more pronounced in non-English languages, where they receive less attention. In this paper, we propose a novel framework that simulates MI sessions enriched with the expertise of professional therapists. We train an MI forecaster model that mimics the behavioral choices of professional therapists and employ Large Language Models (LLMs) to generate utterances through prompt engineering. Then, we present KMI, the first synthetic dataset theoretically grounded in MI, containing 1,000 high-quality Korean Motivational Interviewing dialogues. Through an extensive expert evaluation of the generated dataset and the dialogue model trained on it, we demonstrate the quality, expertise, and practicality of KMI. We also introduce novel metrics derived from MI theory in order to evaluate dialogues from the perspective of MI.
• Abstract（参考訳）: メンタルヘルスサービスの需要の増加は、プライバシやデータ収集、専門知識に関する課題が持続する一方で、AI駆動のメンタルヘルスチャットボットの台頭につながっている。 モチベーション・インタヴュー(MI)は,これらのチャットボットの開発における専門知識向上の理論的基盤として注目されている。 しかし、既存のデータセットはチャットボットのトレーニングの限界を示しており、MIや心理療法の分野で公開リソースの需要がかなり高まっている。 これらの課題は、英語以外の言語ではより顕著であり、あまり注目を集めない。 本稿では,専門的セラピストの専門知識に富んだMIセッションをシミュレートする新しいフレームワークを提案する。 我々は、プロのセラピストの行動選択を模倣したMI予測モデルを訓練し、大規模言語モデル(LLM)を用いて、迅速なエンジニアリングを通して発話を生成する。 次に、KMIについて述べる。KMIは、理論上はMIに基づいた最初の合成データセットであり、高品質な韓国のモチベーション・インタビュー対話1000件を含む。 生成されたデータセットと、それに基づいて訓練された対話モデルについて、広範囲な専門家による評価を通じて、KMIの品質、専門知識、実践性を実証する。 また、MI理論から派生した新しいメトリクスを導入し、MIの観点から対話を評価する。

関連論文リスト

• NewsInterview: a Dataset and a Playground to Evaluate LLMs' Ground Gap via Informational Interviews [65.35458530702442]
  我々はジャーナリストのインタビューに焦点をあて、コミュニケーションの基盤と豊富なデータに富んだドメインに焦点をあてる。 我々はNPRとCNNから4万人の2人によるインフォメーションインタビューのデータセットをキュレートする。 LLMは、人間のインタビュアーよりも、認識を使い、より高いレベルの質問に目を向ける可能性がはるかに低い。
  論文  参考訳（メタデータ） (2024-11-21T01:37:38Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• EMMI -- Empathic Multimodal Motivational Interviews Dataset: Analyses and Annotations [0.7499722271664147]
  本研究の目的は、セラピストが治療の課題目標(モチベーション・インタビューの古典的なステップ)と社会的目標(信頼関係の構築と共感の表現)をいかにうまく融合させるかを明らかにすることである。 本稿では,シミュレートされたモチベーションインタビュー会話からなるコーパスのマルチモーダルアノテーションを提案する。 我々はこれらのアノテーションを分析し,社会的・共感的行動を強調したモチベーションインタビューを行う仮想エージェントを開発するための機能的振る舞いを特徴付ける。
  論文  参考訳（メタデータ） (2024-06-24T09:32:28Z)
• Optimizing Psychological Counseling with Instruction-Tuned Large Language Models [9.19192059750618]
  本稿では,心理カウンセリングにおける大規模言語モデル(LLM)の適用について検討する。 本稿では,共感的,関連性,支援的な応答を提供することで,特定のプロンプトを持つLLMを指導し,その性能を高める方法を提案する。
  論文  参考訳（メタデータ） (2024-06-19T15:13:07Z)
• Assessing Empathy in Large Language Models with Real-World Physician-Patient Interactions [9.327472312657392]
  医療領域へのLarge Language Models(LLMs)の統合は、患者のケアとサポートを大幅に強化する可能性がある。 本研究は、ChatGPTが医師が通常提供するものよりも共感の度合いが高いかどうかを調査する。 マヨクリニックから患者メッセージと医師の回答の非特定データセットを収集し,ChatGPTを用いて代替応答を生成する。
  論文  参考訳（メタデータ） (2024-05-26T01:58:57Z)
• Seeing and hearing what has not been said; A multimodal client behavior classifier in Motivational Interviewing with interpretable fusion [0.8192907805418583]
  モチベーション・インタヴュー(英: Motivational Interviewing、MI)は、協調を重視し、行動の変化を促すセラピーのアプローチである。 MI会話の品質を評価するために、MISCコードを用いてクライアント発話を変更トーク、継続トーク、フォロー/ニュートラルトークのいずれかとして分類することができる。 MI会話における変化話の割合はセラピーの結果と正に相関しており、クライアント発話の正確な分類が不可欠である。
  論文  参考訳（メタデータ） (2023-09-25T16:00:06Z)
• Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
  我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。 また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。 次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
  論文  参考訳（メタデータ） (2023-08-17T10:49:18Z)
• Computational Language Acquisition with Theory of Mind [84.2267302901888]
  我々は、心の理論(ToM)を備えた言語学習エージェントを構築し、その学習過程への影響を測定する。 重み付けされたToMリスナーコンポーネントを用いた学習話者は,画像参照ゲームの設定において,性能向上につながることがわかった。
  論文  参考訳（メタデータ） (2023-03-02T18:59:46Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。