KoACD：通过角色切换多LLM协商进行认知扭曲分析的韩国青少年首个数据集
计算与语言
2025-09-23 v2 人工智能
摘要
认知扭曲是指可能导致青少年抑郁和焦虑等心理健康问题的消极思维模式。以往使用自然语言处理（NLP）的研究主要集中在规模较小的成人数据集上，对青少年的研究有限。本研究介绍了KoACD，这是首个大规模韩国青少年认知扭曲数据集，包含108,717个实例。我们应用了一种多大型语言模型（LLM）协商方法来细化扭曲分类，通过模型间的迭代反馈和角色切换来减少偏差并提高标签一致性。此外，我们使用两种方法生成合成数据：用于文本清晰度的认知澄清和用于多样化扭曲表示的认知平衡。通过LLM和专家评估进行的验证表明，虽然LLM能对带有明确标记的扭曲进行分类，但在依赖上下文的推理方面存在困难，而人类评估者在此方面表现出更高的准确率。KoACD旨在推动未来关于认知扭曲检测的研究。该数据集和实现细节已公开。
引用
@article{arxiv.2505.00367,
title = {KoACD: The First Korean Adolescent Dataset for Cognitive Distortion Analysis via Role-Switching Multi-LLM Negotiation},
author = {JunSeo Kim and HyeHyeon Kim},
journal= {arXiv preprint arXiv:2505.00367},
year = {2025}
}
备注
Accepted to Findings of EMNLP 2025