基于高上下文语言表征的认知行为疗法会话自动质量评估
计算与语言
2021-10-26 v2
摘要
在心理治疗会话中，咨询师通常采纳沿特定维度编码的技术（例如“表现出温暖与自信”或“尝试建立协作”）以促进对会话的评估。这些构念传统上由训练有素的人类评分者打分，反映了心理治疗的复杂性且高度依赖于交互语境。深度上下文语言模型的最新进展为准确的领域内语言表征提供了途径，可实现对这类心理治疗相关行为构念的鲁棒识别与评分，并支持质量保证与督导。本工作中，我们提出一个基于 BERT 的模型，用于一类特定心理治疗——认知行为疗法（CBT）的自动行为评分；已有工作局限于基于频率的语言特征和/或未能捕捉自发长对话交互中独特要素的短文本片段。该模型聚焦于依据广泛使用的认知治疗评定量表（CTRS）对治疗会话进行总体得分分类，但以多任务方式训练以获得更高可解释性。基于 BERT 的表征进一步辅以可用的治疗元数据，提供相关的非语言语境并带来稳定的性能提升。我们在 1,118 段真实世界治疗会话（经录制并自动转写）上训练并评估了模型。我们的最佳模型在 CTRS 总分低与高的二分类任务上取得了 72.61% 的 F1 分数。
引用
@article{arxiv.2102.11573,
title = {Automated Quality Assessment of Cognitive Behavioral Therapy Sessions Through Highly Contextualized Language Representations},
author = {Nikolaos Flemotomos and Victor R. Martinez and Zhuohao Chen and Torrey A. Creed and David C. Atkins and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:2102.11573},
year = {2021}
}
备注
accepted in PLOS ONE