論文の概要: Graph2Counsel: Clinically Grounded Synthetic Counseling Dialogue Generation from Client Psychological Graphs

• arxiv url: http://arxiv.org/abs/2604.20382v1
• Date: Wed, 22 Apr 2026 09:31:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:11.06906
• Title: Graph2Counsel: Clinically Grounded Synthetic Counseling Dialogue Generation from Client Psychological Graphs
• Title（参考訳）: Graph2Counsel: クライアント心理グラフから臨床応用された合成音声対話生成
• Authors: Aishik Mandal, Hiba Arnaout, Clarissa W. Ong, Juliet Bockhorst, Kate Sheehan, Rachael Moldow, Tanmoy Chakraborty, Iryna Gurevych,
• Abstract要約: Graph2Counselは、クライアント心理学グラフに基づく合成カウンセリングセッションを生成するためのフレームワークである。 我々のデータセットは、特定性、カウンセラー能力、信頼性、会話の流れ、安全性に関する以前のデータセットよりも優れています。
• 参考スコア（独自算出の注目度）: 45.85014131829635
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rising demand for mental health support has increased interest in using Large Language Models (LLMs) for counseling. However, adapting LLMs to this high-risk safety-critical domain is hindered by the scarcity of real-world counseling data due to privacy constraints. Synthetic datasets provide a promising alternative, but existing approaches often rely on unstructured or semi-structured text inputs and overlook structural dependencies between a client's cognitive, emotional, and behavioral states, often producing psychologically inconsistent interactions and reducing data realism and quality. We introduce Graph2Counsel, a framework for generating synthetic counseling sessions grounded in Client Psychological Graphs (CPGs) that encode relationships among clients' thoughts, emotions, and behaviors. Graph2Counsel employs a structured prompting pipeline guided by counselor strategies and CPG, and explores prompting strategies including CoT (Wei et al., 2022) and Multi-Agent Feedback (Li et al., 2025a). Graph2Counsel produces 760 sessions from 76 CPGs across diverse client profiles. In expert evaluation, our dataset outperforms prior datasets on specificity, counselor competence, authenticity, conversational flow, and safety, with substantial inter-annotator agreement (Krippendorff's $α$ = 0.70). Fine-tuning an open-source model on this dataset improves performance on CounselingBench (Nguyen et al., 2025) and CounselBench (Li et al., 2025b), showing downstream utility. We also make our code and data public.
• Abstract（参考訳）: メンタルヘルス支援に対する需要の高まりは、カウンセリングにLarge Language Models(LLMs)を使うことへの関心が高まっている。 しかし、このリスクの高い安全クリティカルな領域にLSMを適用することは、プライバシーの制約による現実のカウンセリングデータの不足によって妨げられる。 合成データセットは有望な代替手段を提供するが、既存のアプローチは、しばしば構造化されていないあるいは半構造化されたテキスト入力に依存し、クライアントの認知的、感情的、行動的状態間の構造的依存関係を見落とし、しばしば心理的に一貫性のない相互作用を生み出し、データリアリズムと品質を低下させる。 Graph2Counselは、クライアントの思考、感情、行動間の関係をエンコードする、クライアント心理学グラフ(CPG)に基づく合成カウンセリングセッションを生成するフレームワークである。 Graph2Counselでは、カウンセラー戦略とCPGによってガイドされる構造化プロンプトパイプラインを採用し、CoT(Wei et al , 2022)やMulti-Agent Feedback(Li et al , 2025a)などのプロンプト戦略を模索している。 Graph2Counselは76のCPGから、さまざまなクライアントプロファイルで760のセッションを生成する。 専門家による評価では,本データセットは,特定性,カウンセラー能力,信頼度,会話の流れ,安全性に関する先行データセットを,実質的なアノテータ間合意(Krippendorff's $α$ = 0.70)で上回っている。 このデータセットでオープンソースモデルを微調整することで、CounselingBench(Nguyen et al , 2025)とCounselBench(Li et al , 2025b)のパフォーマンスが向上し、ダウンストリームユーティリティーを示している。 コードとデータも公開しています。

関連論文リスト

• PsyCLIENT: Client Simulation via Conversational Trajectory Modeling for Trainee Practice and Model Evaluation in Mental Health Counseling [26.381095576860925]
  PsyCLIENTは会話軌道モデルに基づく新しいシミュレーションフレームワークである。 中国初のオープンソースのクライアントプロファイルデータセットであるPsyCLIENT-CPを紹介する。 コードとデータは、メンタルヘルスカウンセリングの今後の研究を促進するためにリリースされる。
  論文  参考訳（メタデータ） (2026-01-12T08:33:05Z)
• Towards Federated Clustering: A Client-wise Private Graph Aggregation Framework [57.04850867402913]
  フェデレーションクラスタリングは、分散化されたラベルのないデータからパターンを抽出する課題に対処する。 本研究では,プライバシ保護のための知識共有媒体として,局所構造グラフを革新的に活用する新しいアルゴリズムSPP-FGCを提案する。 我々のフレームワークは最先端のパフォーマンスを実現し、認証可能なプライバシー保証を維持しつつ、フェデレーションベースラインよりも最大10%(NMI)のクラスタリング精度を向上させる。
  論文  参考訳（メタデータ） (2025-11-14T03:05:22Z)
• Roleplaying with Structure: Synthetic Therapist-Client Conversation Generation from Questionnaires [5.163738939075784]
  構造化されたクライアントプロファイルと心理的アンケートに基づいて合成カウンセリング対話を生成するLLM駆動パイプラインを提案する。 我々のフレームワークであるSQPsychは、構造化された心理的入力をセラピスト・クライアントシミュレーションを通じて自然言語対話に変換する。 我々の研究は、メンタルヘルス支援のためのスケーラブルでデータセキュアで臨床的に情報提供されたAIを実現するための合成データの可能性を強調した。
  論文  参考訳（メタデータ） (2025-10-29T10:55:52Z)
• MAGneT: Coordinated Multi-Agent Generation of Synthetic Multi-Turn Mental Health Counseling Sessions [58.61680631581921]
  合成心理カウンセリングセッション生成のための新しいマルチエージェントフレームワークであるMAGneTを紹介する。 従来の単エージェントアプローチとは異なり、MAGneTは実際のカウンセリングの構造とニュアンスをよりよく捉えている。 実験の結果,MAGneTは既存のカウンセリングセッションの質,多様性,治療的アライメントにおいて有意に優れていた。
  論文  参考訳（メタデータ） (2025-09-04T12:59:24Z)
• Cactus: Towards Psychological Counseling Conversations using Cognitive Behavioral Theory [24.937025825501998]
  我々は,認知行動療法(Cognitive Behavioral Therapy, CBT)の目標指向的, 構造化的アプローチを用いて, 実生活インタラクションをエミュレートする多ターン対話データセットを作成する。 我々は、実際のカウンセリングセッションの評価、専門家の評価との整合性の確保に使用される確立された心理学的基準をベンチマークする。 Cactusで訓練されたモデルであるCamelはカウンセリングスキルにおいて他のモデルよりも優れており、カウンセリングエージェントとしての有効性と可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-03T13:41:31Z)
• Personalized Federated Knowledge Graph Embedding with Client-Wise Relation Graph [49.66272783945571]
  クライアント関係グラフを用いた個人化フェデレーション知識グラフを提案する。 PFedEGは、近隣のクライアントから埋め込まれたエンティティを集約することで、各クライアントに対してパーソナライズされた補完知識を学習する。 我々は4つのベンチマークデータセットの広範な実験を行い、その手法を最先端モデルに対して評価する。
  論文  参考訳（メタデータ） (2024-06-17T17:44:53Z)
• COCOA: CBT-based Conversational Counseling Agent using Memory Specialized in Cognitive Distortions and Dynamic Prompt [13.763448771196456]
  本研究では,認知行動療法(CBT)を応用した心理カウンセリングエージェントを開発した。 クライアントに関する高レベルな洞察を抽出しながら,カウンセリングに必要な情報を効率的に管理するメモリシステムを構築した。
  論文  参考訳（メタデータ） (2024-02-27T14:38:47Z)
• APGL4SR: A Generic Framework with Adaptive and Personalized Global Collaborative Information in Sequential Recommendation [86.29366168836141]
  逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。 APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。 一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
  論文  参考訳（メタデータ） (2023-11-06T01:33:24Z)
• AUGUST: an Automatic Generation Understudy for Synthesizing Conversational Recommendation Datasets [56.052803235932686]
  本稿では,大規模かつ高品質なレコメンデーションダイアログを生成する新しい自動データセット合成手法を提案する。 i)従来のレコメンデーションデータセットからの豊富なパーソナライズされたユーザプロファイル、(ii)知識グラフからの豊富な外部知識、(iii)人間対人間会話レコメンデーションデータセットに含まれる会話能力。
  論文  参考訳（メタデータ） (2023-06-16T05:27:14Z)

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。