基于知识驱动的渐进式思考提示下的多轮心理对话数据增强
计算与语言
2024-06-25 v1
摘要
现有的对话数据增强（DA）技术主要 focus于 utterance 级别的对话增强，难以考虑对话的上下文信息。大型语言模型（LLM）的出现简化了多轮对话的实现。由于缺乏专业的理解和知识，在低资源领域如心理对话中仍然难以实现满意的效果。数据增强通过基于现有数据创建新的训练或提示数据来帮助模型更好地理解和生成与心理学相关的响应。本文旨在解决多轮对话数据增强以提升心理学领域性能的问题。我们提出了一种知识驱动的渐进式思考提示方法，以引导 LLM 生成多轮心理相关对话。该方法集成了渐进式思考生成器、心理知识生成器和多轮对话生成器。渐进式思考生成器生成的思考作为提示，防止生成的对话出现显著的语义偏差；而心理知识生成器则产生心理知识作为对话历史，引导对话生成器创建多轮心理对话。为确保 LLM 生成多轮心理对话的精确性，需进行细致的专业评估。在与心理对话相关的三个数据集上进行的大量实验验证了所提方法的有效性。
引用
@article{arxiv.2406.16567,
title = {Data Augmentation of Multi-turn Psychological Dialogue via Knowledge-driven Progressive Thought Prompting},
author = {Jiyue Jiang and Liheng Chen and Sheng Wang and Lingpeng Kong and Yu Li and Chuan Wu},
journal= {arXiv preprint arXiv:2406.16567},
year = {2024}
}