个人叙事中共情相似度的建模

人与人之间最有意义的联结往往是通过在个人叙事中表达共同的脆弱性与情感体验而建立的。我们提出一项新任务：基于共情共鸣（即两个人相互共情对方经历的程度）来识别个人故事之间的相似性，而非如自然语言处理（NLP）领域以往主要研究的那样基于原始语义或词汇相似性。借助社会心理学的洞见，我们构建了一个框架，从故事的三个关键特征——主要事件、情感轨迹以及整体寓意或收获——来操作化定义共情相似度。我们创建了 EmpathicStories 数据集，包含 1,500 篇标注了共情相似度特征的个人故事，以及 2,000 对标注了共情相似度分数的故事对。利用该数据集，我们微调了一个模型来计算故事对的共情相似度，并表明其在自动相关性与检索指标上优于语义相似度模型。通过一项有 150 名参与者进行的用户研究，我们还评估了与基于朴素语义相似度的检索相比，我们的模型在检索用户能产生共情的故事方面的影响，发现参与者对我们模型检索出的故事显著更具共情。我们的工作对于使用具备共情感知的模型来促进人际联结与共情具有深远意义。