Towards Facilitating Empathic Conversations in Online Mental Health Support 论文阅读笔记(一)


文章目录

  • Towards Facilitating Empathic Conversations in Online Mental Health Support 论文阅读笔记(一)
  • 一,本篇定位
  • 二,阅读记录
  • (一)论文内容
  • (二)《亲密接触人工智能-从零搭建对话机器人》读后感
  • (三)情绪分析部分知识
  • 三,总结


一,本篇定位

本周计划阅读论文《Towards Facilitating Empathic Conversations in Online Mental Health Support: A Reinforcement Learning Approach》(WWW 2021 Ashish Sharma等著,best paper)相关内容,读了几句,发现基础差的有点儿多,就转向阅读了《亲密接触人工智能-从零搭建对话机器人》(周德标 著)等材料。所以如果本篇笔记因为标题不小心被点开,想读到论文有关的内容可能就失望了,还请移驾。本篇笔记的定位,只是我记录学习笔记的流水账,不承担完整论文内容的解释和输出。

二,阅读记录

(一)论文内容

与论文相关的,我看了几句,就写几句。论文标题翻译过来是《如何促进在线心理健康支持中的共情对话:一种强化学习方法》。单从标题上看,有以下三点很让人好奇:
1,对话中能使用共情手段,本身就是高情商的人会做的事,如何使机器在对话中也具备这种能力呢?
2,心理健康越来越引人深思和关注,前几天(今天是2021年5月16日)成都49中高中生跳楼自杀本身就暴露了心理健康不遭人重视的严重性,如何让机器参与治疗心理疾病呢?
3,什么是强化学习方法?
以上这三点问题是单纯从看标题,没有计算机背景也会想到的问题,前两个问题直觉上感觉都很复杂。
第1个问题,既然已经有PUA这种犯罪级别的程序式心理手段,说明“共情”并不独属于高情商人士的秘籍,普通人采用程序训练技巧依然能学会共情,那么,机器是否也能学会共情?
第2个问题,心理医生治疗心理疾病患者,所需要的专业性培训可能长达数年,计算机怎么在这个过程中帮上忙?计算机如果能帮忙,好处很明显,心理疾病患者可能内向,私下在网络上寻求帮助,如果计算机就能在一定程度上缓解患者的痛苦,简直功德无量。那计算机应该在什么地方用什么形式对心理疾病领域医患这种治疗过程产生帮助?

看完标题后,本人看了首页的第一个图片,图片如下图:

网络 Tether Android_在线心理支持


左边小人是需求帮助者(患者),右边小人是提供帮助者(医生),我先翻译下他们的对话:

患者:我真的没办法处理我的躁狂症。我需要帮助。
医生:别担心! 尝试着放松下。你有能沟通的人吗?

这就产生了论文想要描述的任务,对话内容的检测和改写。比如在医生的回答中,“别担心” 这种回答不是一种很好的共情回答,机器能检测出来,将这部分标红,并对标红的语句进行改写,改写成带有共情色彩的句子。改写过的内容如绿色所示,翻译如下:

机器:变的狂躁不有趣,这太恐怖了。我很抱歉听到这正在困扰着你。 尝试着放松下。你有能沟通的人吗?

我在广告中也看过这种“检测和改写”的例子,比如一种编辑器的广告,你在编辑器中打着文本,打错了单词,编辑器会检测出错误的单词并标红,双击被标红的单词,能自动更正为正确的单词。

这个场景和任务的描述回答了第2个问题的部分内容:计算机应该在什么地方用什么形式对心理疾病领域医患这种治疗过程产生帮助?至于第1个问题怎么让计算机变得共情,在图片下方有图例的说明,来源于文献[59]的“共情机制”,例如情绪反应、理解解释、探索。详情我还没进一步阅读,至此本篇笔记与论文有关的内容就结束了。

因我看到论文首先内心产生一种对陌生领域的恐惧,我恐惧于对话系统、强化学习、情绪分析等知识的缺失,就转而阅读了《亲密接触人工智能-从零搭建对话机器人》(周德标 著)这本书,以期补一些基础。

(二)《亲密接触人工智能-从零搭建对话机器人》读后感

这本书共190页,草草翻完,精华可能在这本书公开的GitHub里https://github.com/debiaozhou/book_for_chatbot,但GitHub我还没看过。

因为整个书籍从工程出发来描述对话系统,有前台(小程序)、中台(Java web 主要提供后台接口的调用过程)、后台(可以理解为核心功能,因为中台似乎都是一些简单的没有竞争力的业务逻辑场景,而后台则偏重于对话的算法、科大讯飞语音识别的算法之类)。对话系统涉及到的知识图谱、强化学习内容,书中提示在GitHub代码里,可能限于篇幅,书中并没有详述。而书中详述的对话系统的例子,是使用LSTM的生成功能。

这本书虽然缺失知识图谱、强化学习内容,但是搭了一个对话系统的框架,补齐了缺失的知识再返回来整体看这个框架或许更有意思。

我再把焦点集中在我缺失的三块知识上,对话系统、强化学习、情绪分析。对话系统和强化学习我还是缺失,看了这本书并没有消弭我的恐惧感。下面我补充一些情绪分析的部分知识。

(三)情绪分析部分知识

《亲密接触人工智能-从零搭建对话机器人》书中第11章用了15页简述了情感分析,印象比较深的是情感词典的构成。书中描述情感词典分为四部分组成:积极情感词表、消极情感词表、否定词表、程度副词表。我又翻了《计算机学报》上的论文《融合情绪知识的案件微博评论情绪分类》,论文中将情绪知识定义为如下的表格:

网络 Tether Android_情绪分析_02


我认为周德标书中所说的情感词典,就是论文中的情绪知识库。论文根据“案件微博”这种具体场景,新增了场景高度相关的“案件微博情绪词典”、“表情符号”、“网络用语”三块内容。

三,总结

书籍《亲密接触人工智能-从零搭建对话机器人》是三年前的内容,论文《融合情绪知识的案件微博评论情绪分类》是两年前的内容,这些都不足以消弭知识缺失带来的恐惧感,最好的办法还是直接读最新的论文。