MentalManip：对话中心理操纵细粒度分析数据集

心理操纵是人际对话中一种重要的虐待形式，由于其依赖于上下文且通常具有隐蔽性，识别起来颇具挑战。检测操纵性语言对于保护潜在受害者至关重要，然而自然语言处理（NLP）领域目前在此主题上缺乏资源和研究。我们的研究通过引入一个名为${\rm M{\small ental}M{\small anip}}$的新数据集来填补这一空白，该数据集包含4,000个带注释的电影对话。该数据集能够对心理操纵进行全面分析，精确定位操纵所使用的技术以及受害者被针对的弱点。我们的研究进一步通过一系列不同配置的实验，探索了前沿模型在识别操纵性对话及其组成部分方面的有效性。结果表明，这些模型在识别和分类操纵性内容方面存在不足。通过使用现有的心理健康和毒性数据集进行微调来提升其性能的尝试未能克服这些局限性。我们期望${\rm M{\small ental}M{\small anip}}$能够激发进一步的研究，从而在理解和减轻对话中心理操纵的影响方面取得进展。