利用动机性访谈策略提升心理痛苦支持对话回复

AI 驱动的聊天机器人已成为解决心理痛苦的 emerging solution。由于缺乏心理治疗数据，研究人员使用从在线同伴支持论坛抓取的对话来训练它们。但由于此类平台上的回复并非由专业人士提供，它们既包含符合规范的回复，也包含不符合规范的回复。在这项工作中，我们尝试使用改编自成熟的动机性访谈治疗完整性 (MITI) 编码方案的标签，来识别在线心理痛苦支持对话中存在的这些符合规范与不符合规范的回复类型，并展示如何将某些回复类型改写为更符合 MI 策略的形式，进而使聊天机器人的回复更加遵从 MI 策略。作为概念验证，我们通过微调 Blender 和 GPT3 构建了多个改写器，将不符合 MI 策略的“未经许可的建议”回复改写为“经许可的建议”。我们展示了如何通过构建伪平行语料库来实现这一点，从而避免人工成本。通过自动评估和人工评估，我们表明在训练数据较少的情况下，可以使用提示和数据增强等技术来产生相当好的改写结果，这些结果既反映了预期的风格，又保留了原文的内容。