三粒度追踪黑人危机对话情绪：从持续负面到希望，EMPATH揭示动态转变
Empath: Tracing Multi-Level Emotion Dynamics in Crisis Counseling Dialogues
📖 AI 总结
该研究提出EMPATH框架，用于分析危机心理咨询对话中的情绪动态，突破以往将情绪视为静态话语标签的做法。框架从三个粒度展开：轮次级情绪标签、情绪转移概率以及全局对话原型。研究者将其应用于自我认同为黑人的倾诉者围绕丧亲悲伤展开的文本危机对话，发现持续存在的负面情绪、逐步向希望过渡的转移趋势、倾诉者与志愿者之间差异化的情绪角色，以及异质性的恢复轨迹。该工作表明，将危机支持与悲伤表达理解为对话中的动态过程，能够揭示静态标注难以捕捉的有意义模式，也为对话情感的动态分析与比较提供了方法参考。
🔑 关键词速览
| EMPATH | 本文提出的一个用于分析心理健康对话中情感动态的框架，从轮次、转移和全局三个粒度进行建模。 |
| 情绪动态 | 指对话中情绪随时间变化的过程，包括情绪状态的转移和演变，而非静态标签。 |
| 轮次级标签 | 对话中每一轮发言所对应的情绪标签，用于捕捉细粒度的情绪状态。 |
| 转移概率 | 描述情绪状态之间转换的可能性，例如从负面情绪转向希望的概率。 |
| 全局对话原型 | 对整个对话中情绪变化模式进行聚类得到的典型轨迹类型，反映不同的恢复路径。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅